持续学习 — 输出倒逼输入
一句话：技术人的护城河不是「学过多少」，而是「能交付多少」；每学一个概念，都用一个可运行的产出把它钉住。
🎯 这 20% 能解决哪些问题
| 你遇到的困惑 | 本质原因 | 马上能改的动作 |
|---|---|---|
| 课看了很多，用的时候想不起来 | 只输入没输出，没有提取练习 | 学完用自己的话写一页速查，并写一段可运行示例 |
| 什么都想学，什么都没学深 | 没有主线，被热点牵着跑 | 先补当前工作最痛的一块，形成 T 的竖线 |
| 信息过载，越刷越焦虑 | 信息源太多且无筛选 | 只留 3 个高质量源，每周固定 1 小时 |
| 技术选型总怕选错 | 只看新不新，不看迁移成本 | 看社区活跃度、团队熟悉度、退出成本三项 |
| 职业发展迷茫 | 没有阶段性目标与作品 | 每季度产出一个可展示成果（项目/文章/分享） |
一、核心规律
1.1 学习金字塔
flowchart TB subgraph 输入["📥 输入层"] I1["阅读文档"] I2["观看视频"] I3["参加课程"] end subgraph 内化["🧠 内化层"] P1["动手实践"] P2["项目实战"] P3["解决问题"] end subgraph 输出["📤 输出层"] O1["写技术博客"] O2["团队分享"] O3["code review"] end I1 & I2 & I3 --> P1 & P2 & P3 P1 & P2 & P3 --> O1 & O2 & O3 style O1 fill:#FFD700 style O2 fill:#FFD700 style O3 fill:#FFD700
核心规律：学习的最高效方式不是输入，而是输出。费曼技巧：能教别人，才是真掌握。
1.2 T型发展模型
flowchart LR A["T型发展"] --> B["竖线：深度<br/>某一领域专精"] A --> C["横线：广度<br/>相关领域了解"] B --> B1["后端专家<br/>或<br/>前端专家<br/>或<br/>架构师"] C --> C1["了解上下游<br/>知道边界在哪"] style B fill:#e3f2fd style C fill:#e8f5e9
核心规律：先深后广。先在某一领域建立深度，再拓展广度。没有深度的广度是肤浅，没有广度的深度是局限。
二、学习路径规划
2.1 不同阶段的侧重点
| 阶段 | 时间 | 重点 | 策略 |
|---|---|---|---|
| 初级 | 0-2年 | 基础扎实 | 把 fundamentals 学透 |
| 中级 | 2-5年 | 广度拓展 | 接触更多技术领域 |
| 高级 | 5-10年 | 深度+架构 | 成为某一领域专家 |
| 专家 | 10年+ | 影响力 | 技术判断+团队赋能 |
2.2 技术选型决策
flowchart TD A["学习新技术?"] --> B{"当前工作用得到吗?"} B -->|是| C["优先学习<br/>学以致用"] B -->|否| D{"行业趋势吗?"} D -->|是| E["适度关注<br/>保持敏感度"] D -->|否| F["暂时跳过<br/>专注主线"] style C fill:#e8f5e9 style E fill:#fff3e0 style F fill:#e3f2fd
三、高效学习方法
3.1 费曼技巧
1. 选择概念 → 2. 假装教给小白 → 3. 发现漏洞 → 4. 回去学习 → 5. 简化表达
3.2 刻意练习
刻意练习三要素：
├── 明确的目标（具体可衡量）
├── 专注的投入（全神贯注）
└── 及时的反馈（知道哪里需要改进）
3.3 知识管理
输入 → 处理 → 输出 → 反馈 → 迭代
工具推荐：
├── 笔记：Obsidian / Notion / Logseq
├── 代码：GitHub Gist / Snippets
├── 知识库：自建Wiki / Confluence
└── 思维导图：XMind / draw.io
四、技术视野拓展
4.1 信息渠道
| 类型 | 渠道 | 频率 |
|---|---|---|
| 官方文档 | 各框架官网 | 按需 |
| 技术博客 | Medium / 知乎 / 个人博客 | 每日 |
| 社交媒体 | Twitter / V2EX / 掘金 | 每日 |
| Newsletter | Hacker News / InfoQ | 每周 |
| 社区 | GitHub / Stack Overflow | 按需 |
| 课程 | Udemy / Coursera / 极客时间 | 每月 |
4.2 避免信息过载
信息摄入原则：
├── 源头优先：读一手资料（官方文档 > 博客 > 视频）
├── 主题聚焦：不要什么都看，聚焦主线
├── 输出驱动：学完要输出（笔记/博客/代码）
└── 定期清理：取关低质量信息源
五、职业发展规划
5.1 技术路线 vs 管理路线
flowchart LR A["技术人"] --> B{"选择?"} B -->|技术路线| C["技术专家路径"] B -->|管理路线| D["技术管理路径"] B -->|双轨并行| E["技术负责人路径"] C --> C1["高级工程师 → 专家 → 首席"] D --> D1["Tech Lead → 经理 → 总监 → CTO"] E --> E1["技术深度 + 管理能力"] style C1 fill:#e3f2fd style D1 fill:#fff3e0 style E1 fill:#e8f5e9
5.2 核心竞争力构建
技术人的核心竞争力 = 技术深度 × 业务理解 × 沟通能力
技术深度：
├── 某一领域的专家级知识
├── 快速学习新领域的能力
└── 技术判断力（什么场景用什么技术）
业务理解：
├── 理解业务价值
├── 知道技术如何赋能业务
└── 能与业务方有效沟通
沟通能力：
├── 清晰表达技术观点
├── 倾听和理解他人
└── 跨团队协作能力
六、本章总结
核心规律：学习是技术人员唯一的长期护城河。保持好奇心，持续学习，T型发展，输出驱动。
关键记忆点
- ✅ 费曼技巧：能教别人，才是真掌握
- ✅ T型发展：先深后广，深度立身，广度拓展
- ✅ 刻意练习：明确目标 + 专注投入 + 及时反馈
- ✅ 信息摄入：源头优先，主题聚焦，输出驱动
🎓 实战场景（TIL）
- 场景：教程看了十套，上手仍写不出。本质：只输入无输出。要点：以产出为验收（写一篇解释、写一个最小 Demo、给团队讲一次），三件做不到就当没学。
- 场景：为了追新框架重写还能跑的系统。本质：选型以热度而非约束为依据。要点：先列约束（团队熟悉度、运维成本、生态、退出代价），再用两项硬指标做 PoC，能量化才立项。
- 场景：只能解决见过的问题，换个场景就没把握。本质：只记用法没记机制。要点：每个工具多问一层「它靠什么机制成立、什么时候会失效」，把笔记按机制而不是按产品归档。
📋 一页速查
| 我要做 | 照着做 |
|---|---|
| 决定学什么 | 先补当前工作最痛的一块，再扩邻域 |
| 怎么学 | 30% 读 + 70% 做，每个概念配一段可运行代码 |
| 记不住 | 用自己的话写一页速查；能给别人讲清楚才算会 |
| 治信息过载 | 只留 3 个高质量源，每周固定 1 小时浏览 |
| 做技术选型 | 看社区活跃度、团队熟悉度、退出成本，不追新 |
| 选职业路径 | 先深后广；走管理需提前练「通过他人拿结果」 |
| 验证学习效果 | 每季度一个可展示产出，否则视为没学 |