先说一件反直觉的事。AI 让「查资料」变得几乎不要钱之后，很多人的第一反应是「太好了，那我不用学了」。这个结论错得离谱，而且是往反方向错的。
道理和这本书从头讲到尾的那条一样——凡是能被随手补全的，就会贬值；凡是需要长在你身体里的，就会升值。学习也逃不出这条规律。AI 把「查得到的那部分知识」的价钱压到了地板上，于是你剩下的学习时间和注意力，性价比全押在了「查不到、必须自己内化的那部分」上。这一章就讲：哪些该查，哪些该练，以及怎么练才不会骗到自己。
先把知识劈成两半
学任何东西之前，你得先分清手里这块知识属于哪一类。
一类是查得到的——用的时候现查就行，不必占你的脑容量。比如某个函数的第三个参数叫什么、某段正则表达式怎么写、某个命令行工具的那一堆开关。这类东西的特征是：答案唯一、随手可得、记错了一查就纠正。
另一类是必须内化的——得长进身体、变成直觉、平时看不见但一出手就在起作用的东西。比如「为什么这段代码慢」背后的原理，比如看一个设计一眼就觉得「哪里不对劲」的品味，比如遇到问题先问「到底哪儿变了」的因果推理习惯。这类东西的特征是：没有标准答案、查不到、只能靠自己一遍遍趟出来。
说人话：查得到的是「字典里的词条」，用时翻一下就好，背下来纯属浪费脑子；必须内化的是「你的母语语感」，没人能替你练，也没有词典能查——你要么有，要么没有。
AI 出现之前，这两类的界线是模糊的，因为「查」本身有成本——翻文档、搜论坛、试错，一来一回半小时没了。既然查这么贵，很多人干脆把「查得到的」也硬背进脑子，图个方便。现在这个成本被 AI 抹平了：你张口一问，参数、语法、样板代码几秒钟到手。于是那条界线一下子变得刀锋般清晰——凡是 AI 一问就给你的，你再花力气去背，就是在为一件已经不值钱的事买单。
学原理，别学语法
第一个可操作的姿势：把学习的力气，从「易过时的写法」搬到「不易过时的原理」上。
为什么？因为两者的保质期差着数量级。一门框架的具体 API，三年一大换，五年前的写法今天大半已经作废；而它背后的原理——为什么要有状态管理、为什么异步比同步省资源、为什么缓存能救命也能坑人——十年二十年基本不动。原理就是「这类问题为什么非得这么解」的那个理由，它不绑定任何一个具体工具。
打个比方：语法是「这家餐馆这道菜的摆盘」，原理是「火候和调味的道理」。摆盘换一家餐馆就没用了，火候的道理走到哪儿都通。你要是只学会了摆盘，换个厨房就抓瞎；懂了火候，给你任何食材你都能做出能吃的东西。
更实际的是：原理恰恰是 AI 帮不上大忙、也代替不了你的那部分。AI 能秒答「这个 API 怎么调用」，但「该不该用缓存、用在哪一层、什么时候它会反过来咬你」——这需要你脑子里有一张因果的地图，而那张地图只能靠内化，查不来。所以下次学新东西，别急着记住怎么写，先逼自己回答一句「它到底在解决什么问题、为什么是这个解法」。这句话答得出来，框架换了你也不慌。
手动挡：故意不让 AI 代劳
第二个姿势有点反效率，但它是这一章最要命的一条：有些核心肌肉，你得刻意用「手动挡」去练，故意在某些时候不让 AI 代劳。
「手动挡」是借开车打的比方：自动挡省力，但你永远学不会离合和油门的配合；真遇到路况，只会自动挡的人先慌。
这里的因果链很硬，值得掰开：判断力不是读来的，是练出来的。你亲手推导过一遍某个算法为什么这么设计，下次看到类似结构才有直觉ï¼你亲手调试过一个诡异的 bug、被它折磨到半夜，你才真正长出「读懂别人代码、顺藤摸瓜找到病根」的能力。这些能力有个共同点：它们是在「卡住—挣扎—突破」的过程里长出来的，而 AI 恰好把「挣扎」这一步给你省掉了。
省掉挣扎，短期是爽的，长期是危险的。这正好接上第 9 章讲调试时那个警告：如果你每次一卡壳就让 AI 写、让 AI 修，从不亲手趟一遍，那么读懂代码、排查问题的肌肉就会一点点萎缩——用进废退，肌肉不分是手臂的还是脑子里的。等到哪天 AI 也答不上来、或者它答错了而你看不出来，你会发现自己已经没有独立走完全程的能力了。
所以要有意识地留出「手动挡时间」。不是所有活儿都手动——那是跟自己过不去；而是挑那些正在长你核心判断力的活儿，故意关掉 AI，自己推一遍、调一遍、错一遍。把它当健身：平时可以坐电梯，但你得定期去举那几下铁，不然肌肉不认识你。
用 AI 加速学习，但当心「理解的错觉」
说了两条「别偷懒」，得赶紧补上：AI 也是你学得更快的利器，关键是用对姿势。
最好的用法，是把它当一个随叫随到、永不嫌你烦的苏格拉底式陪练——一个只会不停追问「为什么」把你逼到墙角、逼你自己想明白的老师。你抛出一个概念，让它别急着给答案，而是反问你「那如果换成这种情况呢」「你说的这个前提为什么成立」。这种一来一回，正是在帮你把「查得到的」嚼碎、内化成「你自己的」。这是过去请个私教都未必有的待遇。
但这里埋着一个特别隐蔽的坑，叫理解的错觉——「读懂了它的解释」和「自己能做出来」，是两码事，而且中间隔着一条你以为不存在的鸿沟。
就像看别人打球，看得津津有味、连战术都门儿清，你会真心觉得自己也会打了。等你自己上场，才发现手脚完全不听使唤。看懂和做到，用的是两套完全不同的东西。
AI 的解释往往清晰、流畅、顺滑得让人上瘾，你读的时候一路点头，那种「我懂了」的爽感是真实的——但它骗人。因为你消费的是「别人已经嚼碎的结论」，走的是一条被填平了的路ï¼而真正的能力，恰恰长在你自己深一脚浅一脚趟路的过程里。读懂它的解释，只完成了看别人趟路那一步。
破解办法只有一个，土但有效：合上 AI，自己从零做一遍。能默写出那段逻辑、能不看提示复现那个调试、能给一个完全不懂的人讲明白——过了这一关，才算真的内化。过不了，说明刚才那声「我懂了」，是错觉在替你说话。
把注意力押在会升值的地方
把这一章收成一句话：AI 把「查」变得极便宜，这件事没有让学习变得多余，只是把学习的重心狠狠推向了另一头。
查得到的细节，交给 AI，用时现查，脑子腾空ï¼必须内化的原理、直觉、品味、因果推理的习惯，是你要花笨功夫、走手动挡、扛住「理解的错觉」也要亲手长出来的东西。前者会随着每一次框架更新而作废，后者会跟着你穿过一个又一个技术浪潮。
下一个浪潮来的时候，绝大多数具体写法又会被冲掉一批。真正让你还站得住、还会判断、还知道该问什么的，从来不是你背下了多少 API，而是你有没有在别人图省事的那些年里，偷偷把那些查不到的东西，一寸一寸长进了身体。那，才是值得你押注意力的地方。