核心命题：AI 学习稀缺的不是答案，缺的是一个能持续暴露问题的环境。Claude Code 维护”学习工作台” = 4 文件（学习契约/资源/错题集/测试卷）+ CLAUDE.md 长期陪练规则（先提示→再追问→再检查→最后才揭示）+ 3 周节奏（D1→D2→每日故障复现→W2 错题重练→W3 小项目）+ 4 个小验收（24h 闭卷/换题能做/错误数减少/小项目落地）。
本文是若飞 Harness/Loop 主线”个人学习场景版”——与 [[Loop-Engineering-详解-把反馈循环放进工程现场]]（同作者 7 天试点）、[[Agentic-Engineering-AI-Workbench]]（同作者 AI 工作台 5 层）形成”工程 → 学习”同构迁移。
| 节点 | 一句话定义 | 关键洞察 |
|---|---|---|
| 学习工作台 vs 答案机 | 前者帮你维护文件/出题/复盘；后者只回答问题 | 反馈快 vs 慢，能留下能力的往往是后者 |
| 学习 Harness 四件套 | 4 文件：学习契约/资源/错题集/测试卷 | 30 分钟启动；就是个很小的学习 Harness |
| 学习契约 = 反馈契约 | 5 问（水平/用途/时间/目标/本轮不学）+ 3-5 阶段 + 完成标准 + 练习 | “能定位 Service 访问不通”才是完成标准 |
| 学习环境瘦身 | 资源 ≤ 5 + 明确哪些本轮不看 + 设计 7 天路径 | 资料少一点，反馈反而更清楚 |
| 答案不提前出现 | 测验前置 + 一次 1 道 + 答错不急进 + 答薄弱先追问 | 答案先出 = 大脑进”识别”模式，不是”生成”模式 |
| CLAUDE.md 学习陪练 | 5 条规则：先提示→再追问→再检查→最后才揭示 | Claude Code 适合做学习系统 = 能在本地目录读写规则和记录 |
| 学习卡 + 错误记录 | 每轮压成两样：1 页学习卡 + 1 条错误记录 | 维护成本决定能否坚持；5 分钟恢复上下文 |
| 3 周节奏 + 4 验收 | D1 契约 / D2 资源 / 每日故障复现 / W2 错题重练 / W3 小项目；4 验收 = 24h 闭卷/换题/错误数/项目 | 能讲出来只说明理解一部分；能换题做出来才说明能力长出来 |
上游（基于 / 来自）：[[Loop-Engineering-详解-把反馈循环放进工程现场]]（同作者 4 入口 → 4 文件的同构迁移）/ [[Agentic-Engineering-AI-Workbench]]（同作者 AI 工作台 5 层变体）/ [[Addy-Osmani-Loop-Engineering]]（Loop 主题方法论原典 5+1 积木）/ [[Claude-Code-主动式Agent-Routines]]（主动式 Agent → 学习 routine）/ [[Claude-Code一周年回顾-Boris-Cat]]（Routine 异步化 + Context 极简主义范式来源）/ [[Claude-Code之父品味不是人类护城河]]（Boris “工作变成写 Loops” → 学习契约是 Loop 的学习对应）
下游（应用于 / 验证于）：[[seetong-daily-briefing]]（简报末尾加”每周 1 张核心知识卡”）/ [[seetong-tapd-version-review]]（版本复盘加”答错-答漏-答含糊”清单驱动下一版本）/ 个人学习场景（学 K8s / 学新语言 / 学业务）
同级（横向 / 并列）：[[APPSO-Codex-Claude-Code-Loop-Engineering]]（3 个上手前提 = 学习场景的”3 个前提”）/ [[ai-learning-expert-perspective]]（本文是其”用 Claude Code 工具落地版”）/ [[karpathy-knowledge-system]]（关注”知识积累” vs 本文”能力形成”）
1. 答案机 vs 学习工作台，差别不在 AI 强不强，在学习过程留不留证据。 不懂就问 + 觉得懂了 = 第一种；不急给完整答案 + 帮你维护文件/追踪错误/出题/复盘 = 第二种。前者反馈快但不留证据；后者反馈慢但能留下能力。背后是 Karpicke & Roediger 检索练习研究：测试本身也促进学习。
2. 第一版不要做重：4 文件 + 30 分钟 = 学习 Harness。 学习契约（目标/用途/阶段/完成标准）+ 学习资源（筛过 3-5 份）+ 错题集（答错/答漏/答含糊）+ 测试卷（小测验）。”看完文档”不是完成标准；”能独立完成 X 模块全流程”才算。
3. 学习契约 = 反馈契约，5 问 + 3-5 阶段 + 完成标准 + 一项练习。 5 问：水平/真实用途/可投入时间/目标类型（理解/项目/考试/工作）/本轮不学。反例：”请教我机器学习”太虚，”看完官方文档”不是完成标准；”能解释 Pod 为什么起不来”才是。目标虚则反馈没落点。
4. 学习环境要瘦身：≤ 5 资源 + 7 天路径。 筛资料时边界写清楚：权威可验证/按学习顺序/明确哪些热门本轮不看/基于筛选资源设计 7 天路径。最后一句”不要超过 5 个资源”很关键——强制控制学习环境。
5. 答案不能提前出现：测验前置 + 答错不急进。 让 Claude Code 扮演严格但友善的考官：一次 1 道题 + 10 分制评分 + 答错/漏掉/含糊的先追问 + 不一次性给出答案。机制：答案先出 = 大脑进”识别答案”模式。Bastani 等人研究：无护栏 GPT-4 访问下，学生当场表现好，但 AI 被拿走后独立表现可能变差。
6. CLAUDE.md 5 条默认规则 = 长期陪练。 (1) 先给提示和追问，不直接给完整答案；(2) 每次只推进一个概念或一道题；(3) 回答错误时指出具体错在哪 + 给更小的练习；(4) 每次学习结束帮我更新契约/测验/错题集；(5) 涉及事实时标注来源层级（官方文档/论文/教材/经验/模型推断）。把”先提示→再追问→再检查→最后才揭示”作为默认值。
7. 维护成本决定能否坚持：每轮只压成”1 页学习卡 + 1 条错误记录”。 学习卡 5 元素：1 句话解决什么问题 + 5 核心概念 + 5 最小例子 + 3 常见误区 + 3 道 1 分钟速答题。错误记录格式：”错误：把 Service selector 误判成 DNS 问题。原因：没先检查 endpoints。下次动作：先看 selector/endpoints/pod labels，再看 DNS。”
8. 3 周节奏 + 4 验收 = 闭环。 后端工程师学 K8s 排障示例：D1 学习契约（具体到 6 类：Pod 异常/Service 不通/Ingress/存储挂载/调度失败/资源限制）/ D2 筛 3-5 资源 / D3-D7 每天 1 故障复现 / W2 按错误模式重练 / W3 搭故意坏掉的服务链路做事故复盘。4 验收：(1) 24h 后能不能闭卷复述（讲不出来才让 Claude Code 追问补漏，不是让它重新解释）；(2) 换一道题还能不能做；(3) 错误会不会减少（同类错误反复出现就降一层）；(4) 能不能落到一个小项目。核心金句：”能讲出来，只说明你理解了一部分；能换题做出来，才说明能力开始长出来。”