先說這篇沒有答案
我同時在用 AI 學兩個東西 — 心理學跟紫微斗數。
先補血這邊在測試的是在 ai 時代要怎麼學東西的測試我在想怎麼淬鍊出適合的學習方式。
學習心理學本身不難。有研究方法、有教科書、有同儕審查過的論文。AI 當學術研究助理，全程順到我常常忘記它是 AI。
紫微完全卡住。不是「哪裡難懂」那種卡，是「連怎麼算學好我都還在想」的那種卡。
這篇不是寫給要學具體工具的人 — 那種 SOP 網路上很多。是寫給同樣在學一個「連怎麼算學會都還在想」的東西的同路人。
這篇沒有 SOP，沒有答案。有的是我還在走的幾條路。
有標準答案的那邊 — 先快速帶過
心理學有清楚的 roadmap：學派 → 概念 → 案例 → 實證 → 應用。
AI 幫我排路徑、推薦論文、解釋概念、出自測題。我讀一手資料對照 AI 的說法，正確率很高。偶爾有漏洞也容易抓，因為教科書就在那裡。
四層都跑得動：能動（讀教科書）→ 會用（套案例）→ 會做（寫分析）→ 會教（解釋給沒學過的人）。每一層的驗證都是公開的、可重現的、可以跟別人的答案對。
這邊不是這篇的重點。
真正難的是紫微 — 或其他沒標準答案的領域
我從學紫微這幾個月，撞上至少四個卡關：
一、連有哪些流派都不知道。 完全不熟的人，連紫微分成飛星、三合、四化等不同系統都不知道。AI 給你答案，但不會告訴你這答案來自哪個傳承 — 它把不同流派的詞彙和解法混進同一段話。你接收到的是一個沒有根的 frankenstein，但因為它讀起來很順，你以為自己學到了東西。
二、AI 聽起來比原典還有條理。 你查一手原典，發現 AI 的說法跟原典對不起來。但 AI 的整理讓人心安 — 它讓你以為你懂了，直到你自己動手解盤時才發現講不出完整脈絡。
三、命盤實證 hit rate 不穩定。 拿自己或身邊人的命盤試驗，有時候解釋對得上事實、有時候不對。你很難判斷這是流派差異、是你解讀錯、還是這個系統本身 precision 就有限。
四、下次遇到類似情境 AI 又講不一樣的話。 同一個問題換一次 prompt，AI 給出不同答案。你沒辦法把 AI 當穩定的參考點 — 它一直在漂移。
這四個卡關堆在一起，就是「沒標準答案 + 沒穩定參考」的雙重困難。不只是「學不到」，是連學會與否都沒辦法自己判斷。
所以我目前在試的幾條路
這一節不是答案，是我還在試的幾個方向。每條都有反例、都不完美。
實證記錄 + 可證偽優先。 每做一次預測，把它寫下來 — 時間戳、情境、我給的解讀、預期會發生什麼。實際發生後回去對。如果一個論述無論發生什麼都對得上，它就沒有資訊量 — 可證偽才是知識。
這條最大的敵人是自己。事後諸葛太容易，你會默默幫過去的預測「合理化」。所以預測一定要寫下時間戳、不能事後補。
三方檢核：師門 / 原典 / 同儕。 遇到任何一個論述，我盡量對三個來源 — 我學的老師或傳承怎麼講、一手原典（古籍、該流派代表著作）怎麼寫、同儕或社群有沒有共識。三方對得上的信心高，對不上的我就放著。AI 的答案當第四方參考，但權重最低。
承認不確定的誠實。 知道自己哪裡不確定、公開承認它，是這類領域的「會」的一部分。只會給出斬釘截鐵答案的人，在這類領域一定是在裝懂。反過來說 — 能精確劃出「我知道這段」「我不確定這段」「我不懂這段」的人，才是真的走在學習路上。
用研究方法去驗證。 我會借用一些社會科學的方法 — sample size、對照組、控制變因。拿 N 張命盤跑同一個配置，看預測分布是什麼樣子；拿同一張命盤給不同流派解，看分歧在哪、哪邊更站得住腳。
這條進展最慢 — 一次驗證可能要累積好幾個月甚至幾年的 data point。但可能是目前唯一能長出穩定判斷的方法。
這四條沒一條是答案。都是工具。加起來讓我在這個無法驗證的領域，能慢慢累積出一點方向感。
AI 在這區域的位置
能做的：
- 整理不同流派的差異（前提是你先告訴它你要分流派）
- 對照原典跟現代說法
- 出練習題（但練習題的答案不能全信）
- 做 post-mortem — 你預測錯了，AI 可以幫你分析可能的角度
不能做的：
- 判斷哪個流派比較接近事實
- 驗證你學的東西在實務上準不準
- 決定你該跟哪個傳承
- 取代你自己的實證循環
這三件事，AI 時代的學習者最容易把它交給 AI。一旦交了，你就不是在學那個東西 — 你是在學 AI 對那個東西的平均化想像。
你以為學到的是那個東西本身，其實學到的是 AI 眼中那個東西的輪廓。
所以「學會」的定義要分兩套
有標準答案的領域：
學會 = 對齊事實 + 能產出 + 能教
沒標準答案的領域：
學會 = 有自己的驗證循環 + 誠實承認不確定 + 能說出「這段我還不知道」
後者其實更難。難在它不讓你給自己發畢業證書。你永遠在路上 — 但這個「永遠在路上」的誠實，本身就是這類學問的一部分。
結尾：這題我還沒答案
這篇沒打算解決任何人的問題。它是寫給同樣在學這類東西、同樣在想「到底算不算學會」的人看的。
如果你也在用 AI 學一個沒有標準答案的東西 — 風水、投資、組織管理、創作、人際互動 — 你大概也撞過類似的牆。AI 給的答案聽起來總是合理，但你分不出那是真的合理，還是只是 AI 風格的「自然流暢」。
我到目前為止能給的建議只有一條：不要急著說自己會。
讓實證慢慢累積，讓不確定承認出來，讓時間替你過濾掉那些聽起來有道理但撐不住的東西。
這不是最快的路，但可能是唯一真的能走遠的路。
延伸閱讀：
- 力氣留給自己 — 為什麼我不打算管別人，精力留給自己
- 你的 AI 工具只用到 10% — 另一個角度：根本懶得學、只裝工具的人
寫這篇本來想整理我這幾個月的卡關，寫到這裡發現 — 我其實還卡著。可能就是這樣吧，走不出去也要繼續走。