直截了當
Scott Young 提出的第二條超速學習法則——你想學什麼，就在最接近真實應用的情境裡練，不要在間接情境中繞路。學寫作就寫發表、學口說就直接對話、學程式就做真實專案
「學習最直接的方式，就是花時間做你想要能做的事情。」— Scott H. Young
核心洞察
直截了當（directness）是 Scott Young 在《超速學習》中把認知科學「情境學習」研究翻譯成的一句大白話：你在哪裡練、在哪裡會；不在那裡練，就不會。
傳統教育最大的失敗就是練習情境和應用情境之間的那道鴻溝——學了十年英語單字但開不了口、看了三十本寫作書但寫不出一篇能發表的文章、上完所有程式課但蓋不出一個真的跑得起來的專案。這些不是「基礎還不夠」的問題，是從來沒有在真實情境裡練過的問題。
Young 給的解法粗暴而有效：跳過所有間接練習，直接去做那件事。想學口說就去找人對話（卡住再查單字）、想學寫作就每週固定公開發表（被讀者打臉再修）、想學程式就做一個真的有人要用的東西（壞了再 debug）。這不是叫你跳過基礎，是叫你把基礎放在真實任務的情境裡學。
《學習的藝術》的 Josh Waitzkin 從高手視角補上最尖銳的版本：他從輸球學到的，比贏球多十倍——因為比賽才會逼你暴露在「我不會」的邊界，日常練習場上你只會練「已經會的」。這跟《超牢記憶法》強調的「提取練習」剛好互補：一個回答「怎麼記住」，一個回答「怎麼用出來」。
實際應用
檢驗你的學習夠不夠「直接」，問自己這個問題：你現在花時間做的事情，跟你最終想能做的事情，相似度有多高？
- 看寫作書的相似度 ≈ 10%，自己寫一篇待發表文章的相似度 ≈ 80%
- 聽英語 podcast 的相似度 ≈ 30%，跟陌生人即時對話的相似度 ≈ 90%
- 讀程式教科書的相似度 ≈ 20%，用新語言做一個真專案的相似度 ≈ 85%
愈接近真實任務，學習效率愈高。這不是說間接練習沒用，而是愈早進入直接練習，學習曲線愈陡。
AI 時代的警訊：用 AI 生成的完美對話腳本反覆背誦、讓 AI 改你的作文、讓 AI 陪你模擬面試——這些都是假的直接性。AI 給你的是無痛的模擬情境，但真實世界有真實觀眾、真實後果、真實壓力。AI 時代反而更需要刻意保留「直接面對真人」的練習，不然你學會的只是「跟 AI 互動的能力」，不是你真正想要的那個能力。
