前天，听了北航计算机学院刘雪峰老师解读《通用人工智能》。当然，说是解读，我看了下，九千字的稿子，两千字是说这本书的精华，剩下七千字刘老师是站在这个月 AI的发展上完全新写的。 但最打动我的，是他初稿里删掉的一段。在上线前，他发给脱不花一个初稿，里面提到的一个概念特别好。删掉的原因大概是字数超了。但我觉得这段话，更值钱。他提了一个概念：最小知识集。什么意思呢？很多人对AI时代学习的理解分两派。一派说："有AI了，边做边学，不懂就问AI。"另一派说："基础还是要打牢，先把课程一门门修完再说。" 刘老师说，两条路都有问题。第一条路的坑在于：如果你对一个领域完全没有基础，AI给你的答案你根本判断不了对错。你不是在学习，你只是一个"提示词输入人"，站在学习循环的外面。第二条路的坑在于：太慢了。一个工程师按传统路径积累出全局视野，往往需要5到10年。他的答案是：先掌握一个领域的"最小知识集"，然后用AI加速深钻。最小知识集 = 一个领域里最核心、最常用、最能支撑你继续学习的那组概念。拿开车打比方：油门、刹车、方向盘、后视镜、交规——这是最小知识集。会了这几个你就能上路。但发动机原理、变速箱齿轮比，你不需要精通。你只需要知道"车出了这类问题该找修车师傅"就够了。拿编程打比方：函数、循环、数据结构、模块化——这是最小知识集。而递归虽然强大但反直觉，大多数场景有更简单的替代，所以不在初学阶段的最小知识集里。检验标准：你能不能用大白话，把这个概念讲给一个完全不懂的人听，让他觉得有意思，还能举出自己的例子？能做到，才算真正理解了。最小知识集之外的东西怎么办？知道它们存在就行。知道它大概解决什么问题，什么时候该用——这叫"边界性掌握"。"听说过但不了解"比"完全不知道"强得多。传统学习是广度优先：一层一层把基础铺完再往下走。逻辑没问题，但太慢。 AI时代更好的方式是深度优先：选一个方向，借助AI快速往下钻，钻到能拿到真实反馈的深度。但前提是——你得先有那个最小知识集。否则AI给你的答案你看不懂，也判断不了对错。 AI时代的学习，不是把自己变成一本更厚的百科全书，而是先搭出一个足够结实的骨架。最小知识集就是这副骨架。你现在就可以试：把"最小知识集"这个概念或者这篇内容扔给你的AI助手，问它——我感兴趣的这个领域，最小知识集是什么？