Huo15 Openclaw Mit 48h Learning Method

Other

麻省理工学院48小时学习法技能（青岛火一五信息科技有限公司）。完整还原 Ihtesham Ali 原始三问框架 + 反馈循环 + 完整 48h 三阶段时间线，叠加网上最佳实践（synthesis / contradictions / gaps / Feynman teach-back / weakness analysis / practice exam）和 NotebookLM 2026 原生子命令（flashcards / quiz / mindmap / chat-config / download）。核心三问（精确措辞）： Q1 心智模型：该领域每位专家共享的 5 个核心心智模型 Q2 专家分歧：3 个根本不同意的问题及各方最强论证（steelman） Q3 暴露性问题：10 个区分真懂和假背的问题 Q+ 反馈循环：错答时 → 诊断错误 + 给真懂回答 + 生成追击问题科学原理：Active Recall（主动回忆）+ Desirable Difficulty（必要难度）+ Conceptual Frameworks First（先框架后细节）触发场景：（1）用户要求快速学习某个领域；（2）用户提到 MIT 学习法、48 小时学习、NotebookLM 三问、context stacking；（3）用户需要生成播客/视频/抽认卡/思维导图概览；（4）用户想用 AI 辅助构建知识体系；（5）用户提到 Ihtesham Ali 或他的 viral tweet。

Install

openclaw skills install huo15-openclaw-mit-48h-learning-method

火一五 MIT 48 小时学习法 v3.0.0

"I accidentally discovered how to compress a semester of learning into 48 hours." — Ihtesham Ali（X 推文 3M+ views，27K bookmarks）

MIT 研究生发明、Ihtesham Ali 整理传播的 NotebookLM 学习方法：48 小时内从零掌握任意领域，足以通过 qualifying exam。本技能完整还原其原始三问框架 + 反馈循环 + 完整 48h 时间线，并叠加 Ihtesham 全集中的进阶 prompts（synthesis / contradictions / gaps / Feynman / weakness / exam）和 NotebookLM 2026 全部多模态能力。

一、为什么这个方法有效（科学原理）

原理	说明	在本技能中的体现
Conceptual Frameworks First	先掌握领域结构，再填充细节，比从细节往上拼接快 10 倍	Phase 1 的 Q1（mental models）+ Q2（disagreements）
Active Recall	尝试回答比重读笔记的记忆效果强数倍	Phase 2 用 6 小时回答 10 个 probing questions
Desirable Difficulty	暴露知识缺口的难题比简单复习产生更深的学习	Q3 暴露性问题 + Q+ 反馈循环 + 模拟考

二、原始 48h 时间线（Ihtesham 原方案 + 我们的扩展）

Hour 0 ─── 1: Phase 1  Context Stacking + 智识地图
            ├ 上传海量资料（原方案：6 教科书 + 15 论文 + 全部 lecture）
            └ 三问 Q1/Q2/Q3 → 拿到 5 心智模型 + 3 分歧 + 10 暴露问题

Hour 1 ─── 7: Phase 2  主动回忆 + 反馈循环
            ├ 用 6 小时认真回答 10 个 probing questions
            └ 每答错 → ask followup → 诊断盲点 → 追击问题

Hour 7 ── 48: Phase 3  综合 + 模拟考 + 多模态巩固
            ├ synthesize / weakness / exam
            ├ flashcards + mindmap + audio overview
            └ export 到本地知识库

三、前置条件

# 首次必须认证（浏览器交互登录 Google）
~/.venv/notebooklm/bin/nlm login

脚本每次执行前自动检测登录状态，失效会自动重新 nlm login。

四、命令一览

脚本位置：huo15-openclaw-mit-48h-learning-method/scripts/mit-learn.sh

4.1 笔记本管理

mit-learn.sh init "强化学习"            # 创建/复用同名笔记本
mit-learn.sh add --url "..." --file ./paper.pdf --youtube "..." --wait
mit-learn.sh status                      # 当前 notebook 详情
mit-learn.sh list                        # 列出所有 notebooks

4.2 三问框架（核心精髓）

mit-learn.sh ask mental-models      # Q1: 5 个核心心智模型
mit-learn.sh ask disagreements      # Q2: 3 个根本分歧 + steelman
mit-learn.sh ask probing            # Q3: 10 个暴露性问题
mit-learn.sh ask followup "我的回答…"  # Q+: 反馈循环（错答诊断+追击）
mit-learn.sh ask all                # 完整三问 Q1→Q2→Q3

Q+（反馈循环）是整个方法最容易被忽视的精髓：每次回答完一个 probing question，立刻把答案传给 ask followup，让 NotebookLM 诊断你的盲点并生成更深的追击问题。Ihtesham 原文："Every wrong answer triggered: 'Explain why this is wrong and what I'm missing.'"

4.3 进阶分析（Ihtesham 全集 + 网上最佳实践）

mit-learn.sh synthesize         # 综合所有资料为一个统一思维框架
mit-learn.sh contradictions     # 找出资料之间的矛盾（含隐含矛盾）
mit-learn.sh gaps               # 对照行业标准识别知识缺口（致命/重要/次要）
mit-learn.sh feynman "梯度下降" "我的解释..."   # Feynman 角色反转 teach-back
mit-learn.sh weakness           # 预测学习者最可能的 5 个盲区
mit-learn.sh exam               # 生成 15 题模拟期末考（含评分要点）

4.4 NotebookLM 多模态产物

mit-learn.sh audio [deep_dive|brief|critique|debate]
mit-learn.sh video [auto_select|classic|whiteboard|kawaii|anime|...] [explainer|brief|cinematic]
mit-learn.sh flashcards [easy|medium|hard]
mit-learn.sh quiz
mit-learn.sh mindmap
mit-learn.sh chat-config [default|learning_guide|custom]   # 设置 chat persona
mit-learn.sh download audio --id <artifact_id> -o out.m4a  # 下载已生成产物

4.5 完整流程

# 快捷：init → add → 三问 → audio
mit-learn.sh full "强化学习" --file ./book.pdf --url "https://..."

# 完整 48h 马拉松：三阶段 + synthesis + weakness + exam + 多模态 + export
mit-learn.sh marathon "强化学习" --file ./book.pdf --youtube "..."

4.6 知识库整合

mit-learn.sh export   # 把所有产物导出到 ~/knowledge/huo15/learning/<topic>/

每次 ask / synthesize / 等命令都会自动把 prompt + 响应保存为 markdown 到 ~/knowledge/huo15/learning/<topic>/<日期>-<命令>.md，符合三层记忆/KB 协调规则的 L3 共享 KB wiki。

五、Ihtesham 原始三问 vs 本技能的强化版

维度	Ihtesham 原始措辞	本技能强化点
Q1 Mental Models	"5 core mental models that every expert in this field shares"	加入"为什么是核心""跨子领域使用频次""相互嵌套关系"等结构化要求
Q2 Disagreements	"best argument from each side"	强制要求 steelman、识别分歧根源（本体论/方法论/价值观/证据偏好）
Q3 Probing Questions	"expose whether someone deeply understands vs memorized"	显式约束：≥3 道反直觉题，≥2 道隐含假设题，≥2 道跨领域迁移，≥1 道识别教科书简化
Q+ Followup	"Explain why this is wrong and what I'm missing"	加入认知盲点诊断 + 生成"追击问题"

六、典型 48h 工作流示例

# Day 1 早晨（Phase 1，约 1 小时）
mit-learn.sh init "Transformer 架构"
mit-learn.sh add \
  --file ~/papers/attention-is-all-you-need.pdf \
  --file ~/papers/gpt3.pdf \
  --url "https://jalammar.github.io/illustrated-transformer/" \
  --youtube "https://youtu.be/iDulhoQ2pro" \
  --wait
mit-learn.sh ask all   # 拿到智识地图

# Day 1 上午~下午（Phase 2，约 6 小时）
# 用纸笔/语音逐个回答 Q3 的 10 个 probing questions
# 每答完一题：
mit-learn.sh ask followup "我的回答是：multi-head attention 就是把 Q/K/V 分成 8 份并行..."
# 再答下一题、followup …

# Day 2（Phase 3，剩余 24 小时）
mit-learn.sh synthesize    # 综合成统一框架
mit-learn.sh weakness      # 看看自己最可能哪里没学透
mit-learn.sh exam          # 自我测试
mit-learn.sh flashcards hard
mit-learn.sh mindmap
mit-learn.sh audio brief   # 用洗澡/通勤时间反复听
mit-learn.sh export        # 沉淀到知识库

七、环境变量

变量	默认值	用途
`NLM`	`~/.venv/notebooklm/bin/nlm`	nlm CLI 路径
`NOTEBOOKLM_PROFILE`	`default`	多 Google 账号切换
`MIT_LEARN_LANG`	`zh-CN`	audio/video 输出语言
`MIT_LEARN_KB_DIR`	`~/knowledge/huo15/learning`	导出目录
`DEBUG`	`0`	设为 `1` 打印 debug 日志

八、注意事项

当前 notebook ID 保存在 ~/.mit-learn-notebook-id，所有非 init 命令复用它
切换学习项目时重新 init 即可
NotebookLM API 有速率限制，连续请求建议间隔 10s+
三问/进阶命令的输出自动保存到 ~/knowledge/huo15/learning/<topic>/，无需手动复制
反馈循环（ask followup）是这个方法的灵魂——不要省略
marathon 命令会跑完所有阶段产物，约 5-10 分钟（不含你回答 probing 的 6 小时）

九、参考资料

更新日志

v3.0.0 (2026-04-27)

重大重构：精髓还原 + 进阶能力 + NotebookLM 2026 集成

精髓修正

三问 prompt 用 Ihtesham 原始措辞（"5 core mental models that every expert in this field shares" 等），叠加结构化输出要求
新增 Q+ 反馈循环（ask followup）：实现 Ihtesham 原文 "Explain why this is wrong and what I'm missing"——这是原方法最易被忽略的精髓
新增完整 48h 时间线（marathon 命令）：Phase 1 智识地图 / Phase 2 主动回忆 / Phase 3 综合巩固

6 个新增进阶命令（基于 Ihtesham 全集 + 网上最佳实践）

synthesize — 综合所有资料为一个统一思维框架（Ihtesham synthesis prompt）
contradictions — 找资料之间的矛盾（含隐含矛盾检测）
gaps — 对照行业标准识别致命/重要/次要知识缺口
feynman — Feynman 角色反转 teach-back（你解释，AI 当 12 岁孩子追问）
weakness — 预测学习者最可能的 5 个知识盲区
exam — 生成 15 题模拟期末考（含评分要点和及格线）

NotebookLM 2026 原生子命令集成

flashcards / quiz / mindmap — 调 nlm 原生命令
chat-config — 设置 notebook-level chat goal（learning_guide/custom）
download — 下载所有产物（audio/video/quiz/flashcards/mindmap/report/...）

知识库整合

所有 ask / 进阶命令的输出自动保存为 markdown 到 ~/knowledge/huo15/learning/<topic>/
export 命令生成 INDEX.md 汇总学习档案

Bug 修复

修复脚本主入口调用 usage 但未定义导致 command-not-found 的 bug
修复 SKILL.md 中错误的脚本路径（原写 huo15-mit-48h-learning-method 缺 openclaw 前缀）
统一版本号（_meta.json / config.json / SKILL.md / 脚本注释）
auto_login 仅对网络命令运行，help/list 不再触发不必要的网络检查
修复空数组传递给 cmd_add 时产生空字符串参数的 bug
颜色变量 LANG 重命名为 LEARN_LANG，避免污染 shell 全局 LANG 变量

v2.0.0 (2026-04-06)

支持 file:// URL 自动转真实路径
音频生成 wait_for_audio 等待确认
重复 notebook 检测
自动续登录
修复 full 命令数组传参 bug

# 一键体验完整 48h 学习马拉松
mit-learn.sh marathon "你想学的领域" --file ./key-paper.pdf --url "..." --youtube "..."