让 AI 推荐技能以后，挑一项练起来

向 AI 问有哪些学习时间短、收益大的技能，它列了十项；再问，又列十项。第七期里，这样追问了五轮，最后得到一套筛选条件：规则能复用、能迁移，最好每周至少用一次。

正则表达式、浏览器技巧都可能符合，但对谁有用，要看日常工作。很少处理文本的人，现在未必需要背正则语法；每周都在改文件名的人，可以马上拿出一道练习。

先挑最近遇到过的麻烦

回看一周内重复做过的操作，选一项交给 AI：手动统一文件名、从一列文字里提取编号，或总在浏览器里反复寻找同一组页面。说明操作频率和当前做法，推荐会更贴近实际。

有些事情直接让工具代做就行。值得学习的部分，通常是以后还会用到、并且影响自己判断结果是否正确的规则。一次性的复杂脚本，如果后续不准备维护，就未必需要把它列成长期学习任务。

还可以给候选技能设一个很简单的条件：下周在哪项真实工作里用它？说不出来，就先留在候选清单，不必急着安排教程。

假设想学正则表达式，可以准备一组虚构文件名，在纯文本或副本里练习。先写出希望提取的日期，再让 AI 解释规则，不直接批量改真实文件。

看完以后，换一组输入，自己先猜哪些会匹配。加一个没有日期的文件名，再加一个日期格式不同的。运行后对照结果，看看误匹配发生在哪里。

这种练习能区分几种情况：不记得符号、没有想清输入格式，或根本没检查结果。卡在什么地方，就让 AI 针对那一处给提示，不急着重读整篇教程。

Dunlosky 等人在 2013 年的学习方法综述中，对练习测试和分散练习给出了较高的适用价值评价。这项研究讨论的是学习方法，不能证明某款 AI 工具有效，但可以帮助安排练习：留出自己回忆和再次使用的机会。

几天后，再找一组文件名，不看原答案先做。如果很快恢复了用法，就可以把练习带进日常工作；如果仍然卡住，记下原因再补一轮。AI 可以出题和解释，是否能自己完成仍要靠这一步检查。

最后留一张短笔记即可：规则用于什么输入，一个正确例子，一个曾经误匹配的反例。下次任务来了，能看懂这张笔记并检查输出，比又多收藏十项技能更有帮助。