直截了當

「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」。

各書的洞察

四本書按出版年序排列，可以看出「直截了當」這個概念是怎麼從不同角度被反覆驗證、最後由 Scott Young 整合成一條可執行法則的：

《學習的藝術》（Josh Waitzkin, 2007）— 競技就是最直接的情境。Waitzkin 是西洋棋與太極推手雙料世界冠軍，他從兩個截然不同的領域學到同一件事：日常練習場上你只會練「已經會的」，是真實對抗才會逼你暴露在「我不會」的邊界。他提出的「投入失敗」（investment in loss）就是直截了當的原型——刻意把自己丟進會輸的情境裡學，比贏一百場熟悉局面學得多。

《超牢記憶法》（Brown / Roediger / McDaniel, 2014）— 在使用情境裡提取。三位認知科學家把這件事翻譯成神經機制：知識在哪個情境被提取，記憶就在哪個情境被強化；脫離情境的死記只會把記憶綁死在「考試題目」這個情境裡。他們的實驗顯示：在分散、變化、近似真實任務的情境下練習的學生，雖然當下成績較差，但長期保留與遷移能力遠勝在抽象環境刷題的學生。這替直截了當補上了實證骨架。

《深度工作力》（Cal Newport, 2016）— 直接練習需要深度時間。Newport 點出一個被多數自學者忽略的前提：要做真實任務級別的練習，必須能不被打斷地專注數小時。如果你的學習時間都被通知、會議、社群媒體切碎，就算理論上採用 directness，實務上也只是碎片版的假直接練習。深度工作的時段管理，是讓直截了當得以發生的物理基礎。

《超速學習》（Scott Young, 2019）— 把前三本的洞察結晶成可執行法則。Young 的貢獻不是發明新觀念，而是把 Waitzkin 的競技直覺、Brown 等人的實驗結果、Newport 的時間管理整合成「九大法則」中的第二條，並給出可執行的測試問題：「我現在做的這件事，跟我最終想能做的那件事，相似度有多高？」 這一句話是這個概念真正的破壞性所在——它把模糊的「要實戰練習」轉成可以當場自我審查的問句。

為什麼重要

直截了當對我來說不是抽象的學習法則——這個部落格本身就是它的實證。寫《懶泥陳的閱讀書房》的這幾年我學到一件事：讀十本寫作書的進步遠不如寫十篇被讀者打臉的文章。前者是純粹的相似度 ≈ 10% 練習（看別人怎麼寫），後者是相似度 ≈ 80% 的直接練習（自己寫、自己排版、自己面對「為什麼這篇沒人看完」的數據）。我不是不買寫作書，但每買一本書我都會逼自己問：這一章學到的東西，下一篇文章要怎麼具體用到？沒有具體用法的章節，看了就是一種智力娛樂。

直截了當最反直覺的一點是：它要求你在還不夠好的時候就公開。寫部落格頭兩年我會反覆糾結「文筆還不到位、邏輯還不夠嚴謹、配圖還沒做完」——這些其實都是用「精修」當藉口逃避「面對真實讀者」。真正讓我寫作能力跳級的，是某次提早把一篇半成品丟出去後收到的具體 feedback；那一次學到的，比讀完三本寫作教學書都多。Waitzkin 講的「投入失敗」我直到那時才真的懂。

AI 時代讓直截了當的紀律比任何時候都更重要。Claude / ChatGPT 提供了一種前所未有的擬真度：你可以讓 AI 模擬讀者反應、模擬訪談對手、模擬程式碼 review。但這些都是無痛模擬——沒有真實觀眾的耐心成本、沒有真實後果（被討厭、被拒絕、業務丟掉）、沒有真實情緒（被質疑時的緊張、被打槍時的失落）。如果你的學習路徑變成「AI 陪我練到很好為止，再去面對真人」，你練的其實是跟 AI 互動的能力，不是你想學的那個能力。AI 時代的 directness 紀律是：用 AI 加速準備，但縮短「進入真實情境」的時間——而不是讓 AI 變成永遠的緩衝。

日常實例

寫作學習：訂一個固定發表頻率（每週一篇、每兩週一篇都行），把不完美的草稿丟到一個有真實讀者的平台（部落格、Medium、社內共筆）。看書的時間留下來，但用「我寫的這篇能不能用上這個技法」當篩選器——讀完寫不出來的章節就不要記筆記。我自己寫《懶泥陳的閱讀書房》就是這個邏輯。

程式學習：與其刷 LeetCode 或追新框架的 tutorial，找一個你或朋友真的會用的小痛點做一個能跑的工具。我有一陣子要學 Astro，最有效的方法不是讀官方文件而是直接把這個部落格從 WordPress 遷過來——做不出來的章節再回去查文件。教科書相似度 ≈ 20%，真專案相似度 ≈ 85%，差了一個數量級。

投資學習：模擬交易帳戶最大的問題是沒有情緒參與——錢沒真的虧過，市場暴跌時的恐懼、套牢時的鴕鳥心理、賺到時的貪心，全都模擬不出來。用一個你輸掉也不會影響生活的小金額（NT$10,000）開始實際投資一年，學到的東西比讀十本投資書多——因為你終於體驗到 Howard Marks 講的「市場先生」是怎麼在你腦袋裡走來走去的。

語言口說：背單字 app 的相似度 ≈ 15%。找線上家教當天就開始對話（哪怕你只會 50 個單字），相似度 ≈ 90%。卡住的單字會從「我不知道為什麼要記」變成「我剛才就想說這個但說不出來」——這個情緒記憶會讓單字記得遠比抽認卡牢。我學日文時試過兩條路，背 Anki 半年沒進步，找老師對話 1 個月後就能勉強訂餐廳。

實際應用

1. 建立你的相似度量表：花 5 分鐘列出你現在投入時間最多的 3 個學習活動（看書、上課、看影片、刷題……），然後對每一個問：「這個活動和我最終想能做的那件事相似度多少？」標出 % 數字後，把低於 50% 的活動時間砍一半，挪去做高於 70% 的活動

2. 找一個本週可以開始的「直接練習」：不要等到「準備好」——準備感本身就是直接性的反義詞。如果你想學寫作，就今天開一個部落格；想學程式，就今晚 fork 一個 repo 改一行；想學語言，就明天約一堂 25 分鐘的線上家教。把「進入真實情境的時間」從「幾個月後」壓到「48 小時內」

3. 設計 AI 時代的對沖機制：把 AI 用在前置準備（找資料、整理大綱、check 文法）而非當練習對手。在每個學習主題保留至少一個「AI 不能介入」的環節：寫作就是發表前不給 AI 看的最後一稿、程式就是親自上線後 debug、語言就是面對真人對話的那一小時。這個對沖環節是你學的東西真的有用、不只是「跟 AI 互動很順」的唯一證明