Feynman Think Method

教育学习

运用费曼学习法和物理思维，深入理解复杂概念，识别盲点，构建第一性原理认知，助力学习与问题诊断。

学习辅导知识讲解

428

下载量

安装量

收藏量

★ 5.0

综合评分ⓘ

概述

更多信息

SKILL.md#

Identity#

Skill Name: 费曼学习法与物理学思维 (Richard Feynman Think Method)
Slug: finance-feynman-learning
Version: 2.1.2
Updated: 2026-09-21
适用边界（Scope Boundary）：本技能面向 概念理解与方法论训练，输出的是思考路径与检验问题，不是事实性结论。涉及具体投资标的、医疗诊断、法律责任的判断，本技能只负责帮你把问题问清楚，结论仍须由具备资质的专业人员在核实原始资料后作出。
数据最小化（Data Minimization）：使用本技能时请只提供理解该概念所必需的最小信息；涉及客户身份、健康、财务、未公开经营数据的内容，请先脱敏或改写为抽象表述再输入。本技能不需要也不索取任何凭据、密钥、账号信息。
Language: 中文为主，英文关键术语保留
Author: 葛成 (@gechengling)
Description: 以费曼学习法和物理学思维为核心，帮助深入理解复杂概念、识别真正知识盲点、建立第一性原理式认知。适用于学习研究、问题诊断、知识管理等场景。2026更新：新增费曼方法在AI时代的应用——"向AI学习如何提问"与"让AI扮演费曼检验你的理解"的对话范式。关键词：费曼学习法，物理学思维，第一性原理，知识理解，认知升级，简单原则，教学相长.

Core Thinking Models#

模型一：费曼学习法四步#

text


Step 1: 选择一个概念，写下你知道的一切

Step 2: 假装教给一个12岁孩子 → 卡住的地方=真正盲点

Step 3: 回头填补缺口，重新研究直到流畅

Step 4: 简化+类比 → 找不到类比=理解不够深

举例 A：用四步法拆解“久期（Duration）”

步骤你实际会写下的内容卡住的地方（真盲点）Step 1久期是债券现金流的加权平均回收时间，用来衡量利率风险写不出“加权”的权重到底是什么Step 2对12岁孩子说：“借钱给别人，他早还还是晚还，你的感觉不一样”说不清“为什么价格变动≈久期×利率变动”Step 3回去看定义：权重是各期现金流现值占总现值的比例原来关键是“现值”，不是“金额”Step 4类比：久期像一根扁担的支点位置，支点越远，一头动一点另一头晃得越厉害—

举例 B：用四步法拆解“偿付能力充足率”

步骤你实际会写下的内容卡住的地方（真盲点）Step 1实际资本除以最低资本，监管要求不低于100%说不出“实际资本”和会计净资产差在哪Step 2对12岁孩子说：“保险公司要留够一笔钱，保证出事也赔得起”讲不清为什么“最低资本”是风险敞口的函数Step 3回到规则：最低资本由保险风险、市场风险、信用风险分别计量后加总分母是“风险”，不是“规模”Step 4类比：不是看你家有多少存款，而是看万一同时来三场大病，够不够付—

模型二：第一性理解#

第一类知识：知道名称 ≠ 真正理解
能用类比解释？能预测陌生场景表现？能教给完全不懂的人？
费曼：“如果你不能向一个12岁孩子解释清楚，你就没有真正理解它”

类比检验的三道关（举例）

概念类比尝试类比能预测陌生场景吗？判定注意力机制（Attention）像开会时你只认真听跟自己议题相关的人发言能：可以推出“上下文越长，单条信息的权重越被稀释”通过，真理解注意力机制（Attention）像聚光灯照在舞台上不能：推不出多头注意力为什么要并行多束光未通过，只记住了名字利差损像你按5%的利息借钱，却只能投出3%的收益能：可以推出“负债成本刚性+资产收益率下行=亏损扩大”通过，真理解利差损像做生意亏本不能：推不出为什么久期错配会放大亏损未通过，只是贴标签

模型三：追问本质#

“为什么？” 连续追问5层 → 剥离表象直达物理现实
费曼：“我宁愿有无法回答的问题，也不愿有无法质疑的答案”
证伪比证实更重要

举例：把“这家寿险公司利差损压力大”追问5层

层级追问得到的回答是否触底第1层为什么利差损压力大？负债成本高于投资收益率否第2层为什么负债成本降不下来？存量保单有刚性保证利率，不能单方面下调否第3层为什么不能下调？合同承诺+监管保护投保人预期否第4层为什么监管要保护这个预期？保险负债长期性决定了信任是行业基础设施，一次违约会引发跨机构挤兑否第5层为什么信任如此关键？保险的定价基础是大数法则与跨期承诺，一旦预期不稳定，新单消失、现金流断裂是（已到物理现实）

五层追问的使用守则

守则说明反例每层必须有证据，不能靠推测续接一旦出现“应该是……吧”，就停在这里回去查资料第3层开始靠想象编原因允许在任一层换方向追问是树不是线，一条走死就换分支死磕一条链到牵强附会触底的标志是“不可再追问的约束”通常是物理定律、合同约束、监管红线、人性常识把“公司战略”当成底层答案证伪优先先问“什么情况下这个结论不成立”，再问“有什么支持它”只收集支持性证据

模型四：简单性原则#

真理越说越简单，复杂解释往往是掩饰不理解
科学思维：承认不知道 = 知识的起点

一句话检验（举例）

概念复杂版（往往是没懂）简化版（一句话说清）IFRS 17基于履约现金流折现加上合同服务边际在责任期内摊销的计量模型保险公司先算“赔完要花多少钱”，再加利润，然后按年摊开认收入风险资本在给定置信水平下覆盖非预期损失所需的资本要求准备一笔钱，扛住“百年一遇”的坏年份RAG检索增强生成，通过外部知识库召回相关片段注入上下文提升生成质量开卷考试：先翻书找到相关段落，再照着作答

“承认不知道”的三档表达（避免假懂话术）

档位说法适用场景明确不知道这个机制我不清楚，需要查原始规则涉及事实与数字，宁缺毋滥部分知道我能讲清主流程，但边界条件不确定已有框架但缺校验有把握我能推演出它在陌生场景下的表现，并说出失效条件已通过类比检验与预测检验

新增内容（2026版）#

Step 2 新增思考维度（2026）：

达利欧原则2026年迭代：新增“AI时代风险管理”章节，将机器学习模型偏差纳入债务周期分析框架，应对大国博弈下的供应链重构风险
芒格多元思维模型2026更新：心理学误判倾向清单增加AI幻觉识别，新增“能力圈扩张”路径（从单一行业→跨学科→AI增强决策）
马斯克第一性原理2026实践：SpaceX星舰成本降至$500/kg（较2016年降98%），FSD V12全面取消高精度地图，Tesla Bot进入量产阶段
缠论2026年技术进化：chan.py v2.0支持AI自动笔识别准确率92%，缠论买卖点与量化CTA策略融合，2025-2026年A股牛市/熊市完整案例库
DeepSeek/通义千问/智谱GLM最新应用案例：将国产大模型思维链(Chain-of-Thought)与传统思想融合，探索东方哲学×AI的新思维范式

Step 2 再新增思考维度（2026-09补充）：

“向AI提问”的费曼化：把你要理解的概念先写成“给12岁孩子的解释”，再让AI挑错，比直接问AI“这个概念是什么”有效得多——前者暴露你的盲点，后者只给你一份看起来完整的材料
“让AI扮演费曼”的三种提示结构：① 让它扮演12岁孩子不断追问“为什么”；② 让它扮演苛刻审稿人只找你解释里的逻辑断层；③ 让它只准用类比、不准用术语重述一遍
AI时代的新盲点：能复述AI给出的答案 ≠ 理解。判断标准只有一条——明天再让你讲一遍，离开AI你还能讲出多少
AI幻觉的费曼式防线：凡是AI给出的数字、条款、日期，一律要求它标注出处，并追问“如果这条是错的，我的结论会怎么变”

When to Use#

"这个概念我好像懂了，但又说不太清楚"
"学了很多但感觉没有真正记住"
"怎么快速判断自己是真的懂还是假的懂？"
“这个行业的底层逻辑是什么？”
“我给别人讲了一遍，但对方没听懂，是我讲错了还是我自己没懂？”

不适用（请用其他技能）

你的真实需求应该转向要一个投资标的的买卖结论投研/投顾类技能，本技能只帮你把问题问清楚要一份事实性数据或最新报价行情/数据类技能，本技能不提供实时数据要心理疏导或情绪支持专业咨询服务，本技能不做情绪干预要代写正式报告并直接对外发布文档类技能，本技能输出的是思考过程草稿

投资思维最新动态 [2026-09-21更新]#

动态类型内容摘要发布时间影响范围用费曼法怎么拆宏观框架达利欧2026年6月最新发声：2026-2028年将是全球金融体系最脆弱窗口期，债务/地缘/AI三重危机共振2026-06投资思维与宏观判断框架第一性拆解：债务是“承诺”，地缘是“约束”，AI是“生产率变量”，三者不能混为一谈AI治理银行业保险业AI安全开发应用指导意见发布，AI Agent治理从“指导意见”走向“刚性规章”2026-06-18AI投资与企业治理思维追问：谁能对模型的输出负责？答不上来的机构，AI投入越大风险敞口越大长端利率长端利率与利差损议题持续成为保险股定价的核心变量，负债端成本刚性被反复定价2026-Q3保险/银行股分析框架类比检验：把保险公司想成一个“借短投长”的杠杆账户，利率下行时谁先受伤？算力与资本开支AI算力资本开支进入兑现阶段，市场从“讲故事”转向“看折旧与回报率”2026-Q3科技股与AI基础设施投资追问第2层：这些芯片三年后还值多少钱？折旧假设一变，利润就变

数据截止: 2026-09-21 | 来源：国家金融监督管理总局、公开研究报告、行业公开信息声明: 以上动态供参考，具体以官方最新发布为准

Workflow#

text


【费曼分析】

Step 1 - 现状盘点：你现在能一句话解释核心吗？

Step 2 - 费曼测试：写给12岁孩子的解释，卡在哪了？

Step 3 - 填补缺口：回到原始资料，重新研究盲点

Step 4 - 简化类比：用一个生活类比说明

完整走一遍的示例（主题：搞懂“什么是RAG”）

环节输出示例费曼法在这里起什么作用Step 1 现状盘点“RAG就是先从资料库里找相关内容，再交给大模型生成答案”暴露：说不出“找”用的是什么方法Step 2 费曼测试卡在“为什么不全丢进去，非要找”定位真盲点：上下文长度与噪声干扰Step 3 填补缺口回去搞清：上下文窗口有限、无关内容会干扰注意力、成本按token计从“知道名字”到“知道代价”Step 4 简化类比“开卷考试：不是把整本书背下来，而是先翻到相关页再答”类比成立，且能预测陌生场景（资料库质量差→答案差）

输出前的自检（保存/外发前必做）

自检项不通过的表现处理动作关键数字有无出处出现没有来源的百分比、金额、日期标注来源或删除；无法核实的一律写“以官方最新发布为准”是否夹带未脱敏信息出现真实客户名、身份证号、保单号、未公开经营数据先脱敏再保存或外发结论是否被当成事实把推演写成“确定会……”改写为“在……假设下可能……”是否经过用户确认未经确认就写入文件或对外发送先预览给用户，确认后再落盘/发送

Reference Quotes#

“如果你不能向一个12岁的孩子解释清楚某个概念，你就没有真正理解它”
“知识有两种类型：第一类知道名称，第二类真正了解事物，这不是一回事”
“我宁愿有无法回答的问题，也不愿有无法质疑的答案”
“真理应该越说越简单，越说越复杂说明你没理解”
“科学是相信专家也会无知的学问”（对权威保持可质疑，是理解的前提）

费曼理解度自评表（新增）#

检验维度具体问法通过标准常见失败表现补救动作复述合上资料，用自己的话讲一遍不卡顿、不回看讲两句就翻材料回到原文重读关键定义简化讲给12岁孩子听全程不用术语一解释就冒专业词强迫自己做一次类比替换类比找一个生活类比类比能推出陌生场景的结论类比只好看、不能推理换一个类比，直到能预测预测换个场景，它会怎样？能说出方向甚至大致量级只能重复原话做一次反事实推演证伪什么情况下这个说法不成立？至少说出2个失效条件想不出任何反例主动去找反例材料溯源这个数字/条款从哪来？能指出出处与时效“大概是……听说……”回到一手来源核实教学让对方复述并提问对方能提出有质量的问题对方只会点头请对方扮演12岁孩子追问

评分口径（供自检，非能力评价）：7项中通过≥6项可视为“真理解”；4-5项为“框架清楚、细节待补”；≤3项建议回到 Step 1 重来。