我的學習引擎：先看完成品，再反推做法
盤點八個領域（高中前數學、基本電學／電子學、前端工程、開車、料理、訓狗 vs. 大學微積分／工程數學、後端 DB 規劃）之後，學得起來的那些都跑同一套三階段流程。
三階段
- 先看到完成品，再反推步驟 別人的實作影片、正確的食譜、別人停車的軌跡、教材往後翻的進階應用——要先有那個最終畫面，才能在腦中建模並反推出要哪些步驟。沒有終點就不知道怎麼起跑。
- 在容錯率高的環境裡高頻迭代 見 容錯率高的沙盒是高頻迭代的前提、學習效率取決於反饋迴圈多短。
- 累積到閾值後開始找共通規律，然後奪取主導權 重複實作到一定量才會開始舉一反三、找不同情境背後的共通邏輯與最佳實踐（追 Clean Code 是同一件事）。一旦接通規律就會產生強烈掌控慾——想通了直接打斷老師自己把剩下做完、主動往後翻教材，因為外部教學節奏已經跟不上腦內推演速度。
死穴：開放性且缺乏即時反饋的任務
從零規劃 DB、沒有題庫的大學工程數學都卡在同一點——找不到可以打的靶。兩條解法：
- 把題目的邊界借來或造出來 → 沒有標準答案時自己造一個可比對的基準點
- 承認自己要的是由下而上的案例 → 歸納型學習者碰到 Top-Down 教材會熄火
具體怎麼在新領域啟動：臨摹加疊圖比對是跨領域通用的入門路線。
還沒釐清的部分
第三階段的機制其實還是黑盒子：我的模式識別機制到底靠什麼，還不清楚。
另外，大學數學學差我自己的第一個猜想是「花比較少心思」，但這條在討論裡被環境歸因蓋過去、沒再被檢驗——所以上面這套診斷不該被當成唯一解釋。