AI prompt(提示词)

server/2025/1/16 3:00:09/

# 好用的用于学习的AI提示词

## 费曼学习法
请使用费曼学习法,用简单的语言解释(量子力学)是什么,并提供一个简单的例子来说明它如何应用

## 帕累托法则(80/20原则)
将(量子力学)最具挑战的20%核心知识汇总,以涵盖80%的内容,并提供一个专注于掌握这些内容的学习计划

## 波莫多罗技术(番茄工作法)
结合番茄工作法,帮我梳理一个由浅入深的学习计划,学习主题是(量子力学)

## SQ3R方法(Survey-预览, Question-提问, Read-阅读, Recite(复述),Review(回顾))
我正在学习(量子力学),请结合SQ3R方法,整理成表格,以帮我快速掌握知识技能

## 艾宾浩斯遗忘曲线
我正在学习(量子力学),请结合艾宾浩斯遗忘曲线帮我制定学习计划,让我能过更长时间掌握这个知识技能

## 主题交叉法
创建一个学习计划,将(量子力学)中不同的主题或技能混合起来,帮我全面理解,并促进他们之间的联系

## 双编码理论(同时使用问题和视觉信息)
结合双编码理论,同时使用文字和视觉信息,例如图表、图像、地图等,帮我快速学习、记忆(量子力学)

## GROW模型(一个设定目标和解决问题的框架,Goal-目标, Reality-现状,Options-选择, Will-行动)
我正在学习(量子力学),请结合GROW模型,帮我制定一个符合我的学习计划

## 分块学习(大量信息分解成多个小块逐步学习)
结合分块学习法,将(量子力学)拆分成小块,并搭建知识树,帮我快速掌握

## 多感官学习法
为(量子力学)建议各种学习资源,例如视频,书籍、博客、互动练习等,以迎合不同的学习风格。

AI prompt(提示词) | Tim倪的技术博客 (timnf.github.io)


http://www.ppmy.cn/server/116432.html

相关文章

网络运维管理:确保企业网络系统稳定运行之道

在当今数字化时代,企业网络系统的稳定运行和高效管理是企业业务持续发展和创新的关键。网络运维管理的核心目标正是确保网络设备和服务的高可用性、优化网络性能、保护网络安全、快速解决网络故障以及有效管理网络配置。本文将深入探讨网络运维管理系统的关键组件、…

接口测试原理及Postman详解

接口测试定义 接口是前后端沟通的桥梁,是数据传输的通道,包括外部接口、内部接口。内部接口又包括:上层服 务与下层服务接口,同级接口 生活中常见接口:电脑上的键盘、USB接口,电梯按钮,KFC下单 接口测试…

计算机毕业设计选题推荐-农家乐综合服务系统-乡村游乐购系统-田园休闲生活系统-Java/Python项目实战

✨作者主页:IT毕设梦工厂✨ 个人简介:曾从事计算机专业培训教学,擅长Java、Python、微信小程序、Golang、安卓Android等项目实战。接项目定制开发、代码讲解、答辩教学、文档编写、降重等。 ☑文末获取源码☑ 精彩专栏推荐⬇⬇⬇ Java项目 Py…

Qt 界面设计布局编辑

第1 部分 Qt 基础 (2) 双击dialog.ui 文件,打开Qt 的设计器,中间的空白视窗为一个Parent Widget, 需要建立一些Child Widget 。在左边的工具箱中找到所需要的Widget: 拖曳出一个Label、一个Line Edit(用于输入文字)、一个Horizo…

Redis进阶(六):缓存

1.缓存 速度快的设备可以作为速度慢的设备的缓存 缓存能够有意义:二八定律,20%的数据可以应对80%的请求 通常使用redis作为数据库的缓存(mysql) 数据库是非常重要的组件,mysql速度比较慢 因为mysql等数据库&#x…

【C++多线程编程】 线程安全与对象生命周期管理

目录 类的线程安全 实现线程安全 构造函数在多线程中的安全性 析构函数多线程环境的安全 智能指针实现多线程安全 shared_ptr 非完全线程安全 shared_ptr可能导致对象生命周期延长 const引用可以减少传递shared_ptr开销 shared_ptr 智能指针块模块的优点 析构所在线程…

用AI的智慧,传递感恩之心——GPT-4o助力教师节祝福

随着科技的飞速发展,人工智能在我们生活中的应用日益广泛。在这个教师节,不仅可以用传统的方式表达对老师的感恩之情,还可以借助OpenAI最新推出的GPT-4o模型,生成独特而温暖的祝福语和精美海报,让我们的感恩显得更加与…

How to implement custom environment in keras-rl / OpenAI GYM?

题意:如何在 Keras-RL / OpenAI GYM 中实现自定义环境? 问题背景: Im a complete newbie to Reinforcement Learning and have been searching for a framework/module to easily navigate this treacherous terrain. In my search Ive come…