2026 年，这是 AI 技术爆发的第四年。虽然大模型问世不算太久，却把这个世界搅得天翻地覆。
在这个背景下，观察身边的同学朋友，我发现大家分裂成了两类人： 一类人已经把 AI 融入了日常生活，思考如何用它构建工作流提效；而另一类人——也是大多数人，依然在演绎着现代版“买椟还珠”的故事 。他们对 AI 的用法，仍停留在简单粗暴的“Ctrl+C 复制问题，Ctrl+V 粘贴答案” 。
这种把大模型当“点读机”用的方式，不仅浪费了 LLM 真正强大的逻辑推理能力，更是无形中拉开了你和同龄人的差距。
对我来说，这个学期是这一现实的缩影：一边是 Part-time 工作的交付压力，一边是 Coursework 和 Deadline 的连环轰炸 。为了不挂科且保住睡眠，在探索中摸索出一套课程的 AI 速通工作流。
我本人是从国内 211 本科毕业，目前在香港攻读研究生，这种跨越让我意识到：尽管两地的教学体制和考核形式存在差异，但通关的核心逻辑却是一致的——选择水课优先！
无论身处哪种教育体系，消灭“信息差”永远排在埋头努力之前。想要不挂科甚至拿高分，必须将找到水课作为第一优先级：
1. 课前排雷：充分利用学长学姐或社交媒体（如小红书）上的公开情报摸清底细。在速通的逻辑里，选对一门考核友好的水课，性价比远高于盲目死磕一门“杀手课”。
2. 首课定调：务必参加第一节课（Overview）。教授往往会在第一周发布 Syllabus（课程大纲）包含了所有的考核内容和课程要求。如果不先读懂这些规则就开始做任务，接下来的任何行动注定只能是事倍功半。
尽管不同的专业和不同的学校有着不一样的考核形式，但我们可以将课程的考核内容划分为两部分：
两者都可以使用 AI 来加速产出效率，但是两者使用的工具和工作流还是不太相同，如果有人试图用同一个 Prompt 搞定期末考和小组作业，就像试图用一把锤子修好整台电脑。
对于经历过高考洗礼的我们来说，考试并不陌生。但港硕的考试与高考最大的不同在于：信息密度的爆炸。 面对动辄数百页的 PPT 和全英文的材料，如果你像我一样，并不是一个拥有顶级“做题家思维”的选手，那么依靠传统的死记硬背会。 如何在海量信息中高效备考？我们需要 AI 的帮助！
Quiz 通常通常穿插在单次授课的末尾，或章节结束的节点。教授的主要目的是为了了解大家对于这堂课的知识点的掌握情况，这类测试的特点是：题目难度低、题量小、但时间极其紧迫（往往有限时）。且大多为开卷（Open-book）。
个人的建议是既然是开卷且追求速度，千万不要浪费时间在键盘打字上，直接使用对多模态支持比较好的 Gemini。
1. 预加载上下文：在上课前，先把当天的 PPT 上传至 AI 对话框，让它进入“待命状态”。
2. 截图即所得：遇到题目，直接截图发给 AI。
3. Prompt 约束：由于 AI 话痨，务必在 Prompt 中强调直接给选项。
作为出现频率最高的，同时也是整个学期中压力最大的部分——期中期末考试，我的核心策略是使用多个 AI 模型, 首先使用一个 AI 扮演我的私人 tutor，提供战略性的方法以及设计后续各个角色的 Prompt；另外的 AI 会负责知识点归纳/模拟题目生成等工作。如下是我在计算机网络备考的过程使用过的一些 Prompts，供大家参考学习。
# Role: 课程速通战略顾问 (Exam Strategy Consultant)
# Profile:
你是一位拥有多年经验的大学教授，同时也是一位擅长应试策略的专家。你极其熟悉计算机专业的课程体系。你的特长不是讲解具体知识，而是通过分析大纲，精准预测考点，并为学生制定最高效的时间分配方案。
# Context:
我现在要准备计算机网络的期中期末考试。
- 距离考试还有：23天
- 我的目标分数是：保B冲A
- 我手头的资料有：[课程的PPT、教科书]
# Task: 制定“高回报”复习战略
请阅读我上传的课程资料，输出一份战略分析报告：
1.【考点分级体系】：请根据你的经验，将知识点分为三类：
- 🔥 **必考核心 (Must Know)**：大概率出现在大题中，必须死记硬背或深度理解的（占分约60%）。
- ⚠️ **高频概念 (Should Know)**：常出现在选择题/填空题中，需要混个脸熟的（占分约20%）。
- 🧊 **低优内容 (Nice to Know)**：时间不够可以直接放弃的边缘知识。
2. **【出题人思维预测】**：针对"必考核心"，预测老师可能会怎么出题？（例如：是考定义默写，还是考案例分析？不要给具体题目，要给出题方向）。
3. **【时间投资表】**：我每天复习 8 小时，请按小时规划我的复习路径。请注意，要留出 30% 的时间用于做题反馈，不要只排“看书”。
# Constraint:
- 保持客观、冷静、功利。
- **不要**解释具体知识点（除非我问你）。
- 直接输出战略表格和列表。
如下是模拟题生成及知识弱点分析的 Prompt：
# Role: 模拟考试与认知诊断专家 (Mock Exam & Diagnostic Specialist)
# Profile:
你是一位拥有严苛评分标准的大学阅卷组长，同时也是一位认知心理学专家。你擅长通过试题挖掘学生的“认知盲区”。你不仅仅判断对错，更能区分学生是“真的懂了”还是“死记硬背”。
# Context:
我正在备考 [课程名称，例如：计算机网络]，重点复习内容基于我上传的 [PDF/PPT]。
- 当前阶段：考前冲刺 / 查漏补缺
- 交互模式：双阶段交互（出题 -> 批改诊断）
# Pipeline: 本次任务分为两个严格的阶段，请按步骤执行。
## Phase 1: 模拟出题 (Exam Generation)
基于上传的资料，生成一份微型模拟卷。
1. **题目构成**：
- 🧠 **概念辨析 (2题)**：针对最易混淆的概念（如 TCP vs UDP），要求对比分析。
- 🛠 **场景应用 (2题)**：给定具体工程场景，询问解决方案或原理（拒绝纯定义默写）。
- 🕳 **陷阱判断 (1题)**：设计一个反直觉的陷阱题，测试对边缘情况的掌握。
2. **输出要求**：
- **绝对禁止**在第一阶段提供答案或解析。
- 输出题目后，请**停止生成**，等待我提交答案。
## Phase 2: 诊断与处方 (Diagnosis & Prescription)
当收到我的答案后，请立即进入此阶段：
1. **【评分仪表盘】**：给出总分，并用 Emoji 标记每一题的状态（✅完全掌握 / ⚠️理解偏差 / ❌知识盲区）。
2. **【深度归因分析】**：针对我的错题，进行残酷的剖析：
- **是 Memory Gap（记忆缺失）**？ -> 指出我忘了哪个具体知识点。
- **是 Logic Flaw（逻辑漏洞）**？ -> 指出我的推导哪里断裂了。
- **是 Illusion of Competence（能力错觉）**？ -> 指出我为什么会误以为自己懂了。
3. **【动态复习策略】**：基于本次做题表现，调整我的复习优先级：
- 🚨 **立即重修**：告诉我必须立刻回去重看 PPT 的哪一章节/哪一页。
- 💡 **思维修正**：用一句“人话”或类比，帮我修补那个最严重的逻辑漏洞。
# Constraint:
- Phase 1 阶段必须**隐去答案**，制造考场压力。
- Phase 2 阶段的点评要**一针见血**，不要空洞的鼓励，只要具体的改进建议。
- 始终基于我上传的资料范围出题。
# Action:
请确认你已理解上述 Pipeline，并根据我上传的资料，开始 **Phase 1: 模拟出题**。
同时针对闭卷和开卷的考试准备策略有所不同：
最后我推荐一个我目前最高频使用的期末备考工具：NotebookLLM
NotebookLLM 是 Google 一款 AI 笔记与研究助手的工具，其支持多种格式的资料输入，包括不限于音视频/PPT/PDF/Youtube 视频链接/公开网站内容。其从设计上面保证了它的所有回答都会来源于你提供的材料并会带上引用，降低了 AI 幻觉的发生。
提供了自动生成脑图，以及自定义生成 quiz 等功能，非常适合在期末备考的初期来梳理整个课程的知识脉络以及在备考后期使用练习题目来检测学习情况。
如果面对闭卷考试的内容，还可以生成 flashcard 来记忆一些琐碎的知识点。
如果你也像我一样，不擅长在期末考试的高压环境下超常发挥，那么请务必重视“长线阵地战”。通过尽可能把平时分拉满。这不仅能提高总 GPA，更相当于为期末考试买了一份“挂科保险”——平时分够高，期末考试的容错率就越高。
一般而言，Assignment 的题目绝不会脱离课程范围，它们往往是 Lecture PPT 中概念的延伸，或是 Tutorial 习题的变体。 在此场景下使用 AI，最大的风险不是“答错”，而是“答得不对味”（即 AI 使用了通用的解释，而没有使用教授在课上强调的特定术语或解法）。
为了确保 AI 的输出与 Prof. 和 TA 的评分标准严格对齐，同时最大程度减少大模型的“幻觉”，推荐使用 ChatGPT Projects / Claude Projects 这两个工具，两者都支持上传文件建立独立的 Knowledge Base，是写作业的神器。
我个人的使用原则如下：
使用 project 做课程管理的另外一个好处是，chatgpt 和 claude 都会在同一个 project 共享 conversation 内容，所以即使你在当前的 project 中新建了一个 conversation，它也可以读取其他 conversation 的主要内容，这可以非常方便地帮助备考。
其次是 research report，这种作业是根据教授的要求，阅读课程相关的论文，并完成总结论文的主要内容和思考其存在的不足。首先论文的选择应该是第一位的（如果教授已经指定了论文，那么可以跳过这一部分内容），我个人的优先级是 论文的技术了解程度 > 论文的主题应该足够成熟 > 论文的长度。
其次一定要理解教授对于报告的提交要求，明确具体的字数限制以及格式要求(工科可能会要求 IEEE 格式)。忽略这些点往往会导致作业提交被扣分，甚至被视为无效提交。
最后一步直接将论文 PDF 直接丢给 AI，并将报告的指令明确写入 prompt，保证整个生成过程中严格遵循指令。同时这里建议最好是拆分先规划，再生成内容的思路，保证 AI 生成的 report 符合你的预期。
这里我个人的 pipeline 如下：
# Role
你是一位高效的学术文献情报专员。你的任务是利用网络搜索功能，对用户提供的论文列表进行快速调研和核心信息提取。
# Task
我将提供一份论文列表。请你针对每一篇论文，查找并总结以下信息。
请严格按照 Markdown 格式输出，不要遗漏任何一篇。
# Output Requirements (Per Paper)
对于列表中的每一篇论文，请生成如下结构的信息块：
1. **论文标题**: [英文原名]
2. **发表年份/会议**: [例如: CVPR 2024, arXiv 2023]
3. **研究领域**: [简短标签，如: LLM Agent, Graph Neural Networks]
4. **核心摘要 (TL;DR)**: 用 2-3 句话概括论文试图解决的问题以及解决方案。
5. **主要创新点 (Key Contribution)**: 列出 1-2 个该论文最突出的技术贡献或创新之处（例如：提出了新的架构、构建了新的数据集、优化了某种算法）。
# Paper List
[在此处粘贴你的论文标题列表]
2. 结合步骤1中获得的论文信息，我们可以让 ChatGPT/Gemini 来帮助我找出最合适我的 paper。
# Role: 学术“相亲”专家 (Academic Matchmaker)
你的核心能力是评估 Person-Paper Fit。请根据我的背景，从备选列表中筛选出性价比最高的论文。
# Context: User Profile
* **阶段**：[如：计算机研一]
* **技能**：[如：熟悉 Pytorch，不懂复杂的数学证明]
* **目标**：[如：寻找可以快速复现代码的 Baseline]
# Input: Paper List
[在此粘贴论文列表/摘要]
# Task: 筛选与推荐
请忽略不相关的论文，直接输出以下两部分：
1. **避坑指南 (Filter Out)**
列出 1-2 篇**最不适合**我的论文（如：数学门槛过高/方向完全不匹配），并一句话说明理由。
2. **Top 3 必读推荐 (Recommendations)**
精选 3 篇最匹配论文，按优先级排序。每篇请回答：
* **Why?**：结合我的[技能]和[目标]，为什么这篇性价比最高？
* **How?**：我该怎么读？（例如：“跳过第四章公式，重点看实验部分的 Table 3”）
3. 上传论文 PDF，并将作业中的要求写入 system prompt中，之后让 AI 开始规划报告的书写思路和结构。
4. 根据得到的规划思路，让 AI 开始逐个章节生成内容，并人工检验是否存在问题或者需要删减的地方。
5.使用其他 AI 模型交叉验证其内容的合理性和引用的正确性，并评分。例如我用 Gemini 生成 report，我会使用 ChatGPT 来校验内容和打分。
# Role: 严厉的“找茬”助教 (Devil's Advocate TA)
你需要批判性地审阅我的作业。你的红线是：**事实幻觉**和**逻辑断裂**。
# Configuration
* **标准**：[如：硕士研究生级别，侧重逻辑闭环]
* **基准文献**：[粘贴原论文摘要/结论]
* **待审阅作业**：[粘贴作业全文]
# Task: 模拟评分与审计
请不留情面地执行以下审查：
1. **🕵️ 幻觉审计 (The Lie Detector)**
- 检查是否有捏造的术语、数据或引用文献。
- 检查对原文献观点的解读是否“断章取义”。
2. **⚖️ 逻辑拷问 (Logic Critique)**
- 指出全文**最薄弱**的一个论点，反驳它。
- 检查是否缺乏批判性思考（即过于吹捧原作者）。
3. **📝 最终反馈**
- **预估分数**：[0-100]
- **一针见血的评语**：用一句话指出最致命的问题。
- **3个修改指令**：具体到段落，告诉我要改什么（不要只说空话）。
solo Project通常更像是一个“单人技术关卡”。它的特点是复杂度适中，侧重考察对特定知识点的 动手实践能力（如计算机网络中的 Wireshark 抓包）。
通常的交付物包含两部分：
1. 项目代码/作品：能跑通、符合要求的成品。
2. 项目报告：解释原理、记录过程的文档。
对于个人项目，我觉得最好的方式是“AI 结对编程（Pair Programming）”。只要工具选得对，这就是一场降维打击。以我 CS 专业的软件工程项目开发为例，分享一套我正在使用的思路：
核心工具选择使用 Cursor，无他，目前最方便好用的 AI Native IDE。
第一步是环境搭建与脚手架，将作业的 PDF 文件直接投喂给 AI。这里可以根据自己的需要设计 prompt。
第二步是核心逻辑实现，不要试图让 AI 一次性写完整个过程，要学会“模块化投喂”。同时在每个阶段检查结果是否与预期一致，防止 AI 输出了错误的中间过程。
第三步：逆向生成报告。这是许多理工科学生最头疼的环节，项目写完了，报告却写不出来。最简单可靠的方法是拿着写好的代码或者项目文件作为“上下文”发给 Kimi 或 ChatGPT，直接来生成报告。
最后令人爱恨交织的 group project 的作业，如果说个人作业是单人闯关，那 Group Project 就是多人副本，不仅考验技术，更考验团队之间的协作。以我自己 CS 专业为例，一个完整的交付通常包含四个内容：
- Proposal（项目计划书）：确立方向，画饼。
- Product（交付产品）：核心代码或原型。
- Presentation（演讲展示）：PPT 汇报。
- Demo Video（演示视频）：功能实录。
Proposal
选对题目是成功的 80%。在 Proposal 阶段，最大的风险不是写不出来，而是大家对题目理解不一致，或者题目偏离了教授的评分标准。
- 策略：不要急着写文档。先把教授的 Assignment Requirement 和你们初步的想法喂给 AI，让它扮演一个严苛的助教，评估选题的可行性与得分点。
- 通用结构：虽然具体格式以老师要求为准，但我建议使用 AI 生成一份标准的“PRD（产品需求文档）”精简版作为 Proposal 的骨架，包含：背景痛点、解决方案、技术栈可行性分析、时间线规划。这会让你的 Proposal 看起来极具专业度。
Build Product
项目构建的方法可以参考上一节的内容，根据个人的偏好和使用习惯选择不同的 AI 工具，个人建议优先使用最先进的大模型（模型能力参考这个 LLM 排行榜
PPT
在汇报环节，我的核心策略是任务拆解。不要试图让 AI 直接生成一个完美的 PPT，而是采用 Text-to-PPT Pipeline：
1. 内容生成：将写好的 Proposal 或代码文档喂给 AI，要求它输出“演讲逐字稿”和“PPT 大纲（页数规划）”。
2. 视觉生成：根据场景选择工具一键转化。
3. 人工微调：手动调整排版细节
如下是我目前正在使用的 PPT 生成工具：
由于不同专业的需求千差万别（如艺术生需提交作品集、商科生需提交行研报告），我无法一一列举所有工具。但我想分享一个通用的方法：在执行任何繁琐任务前，先问自己：这个工作有没有现成的AI工具可以提高产出效率？
首先必须明确：AI 只是工具。任何不规范或者不合理地使用 AI 地行为往往可能会违反学术诚信，直接导致挂科、退学。所以不要尝试用侥幸心去逃避规则。
一般而言，教授会在在开课的第一周（Overview）明确在课程大纲（Syllabus）中指明哪些作业禁止使用任何的 AI Gen Tools。如果违反规定并且被 Turnitin 或 GPTZero 等工具检测出高风险，往往会是严重的学术不端。
LLM 本质上是一个概率预测机，它最擅长的不是“求真”，而是“讨好你”。 在撰写 Research Report 时，这尤其致命。AI 经常会编造出看起来非常专业、格式完美但根本不存在的论文引用。如果你不加核实地提交作业，等同于是在伪造数据。 我给出两条建议来减少这种问题的发生：
除去 AI 本身存在的问题之外，在我们在使用工具本身的时候也会陷入一个误区：元认知错觉。就像一个人对着先看答案再写练习题目一样，你的大脑会产生一种多巴胺分泌后的快感：“嗯，我都懂了。这就像看着健身教练做示范，不代表长了肌肉。 一旦到了期末考场（尤其是闭卷考时），离开了 AI 的辅助，面对教授灵活的考察方式，这种虚假的知识掌握感会瞬间崩塌。所以在备战期末考试时，一定要让 用自己的话复述、写摘要，同时使用 AI 来出不同类型和考察方法的题目，保证掌握知识点和解题方法。
这是一个最好的时代，也是最卷的时代！
当前 AI 的进化速度早已超了摩尔定律。但作为在校生的我们必须面对一个残酷的现实：AI 正在帮助市场削减“初级劳动力”的需求——简单开发项目已经可以凭借 AI 书写代码，基础的文字润色和编辑完全可以通过 AI 搞定，甚至往日繁琐的商业报告也可以通过 AI 稳定高效产出。
也正因如此，我们不应该陷入课程作业的泥潭中去单纯地“卷分数”。我们可以通过构建 AI Workflow，用更少的时间成本通过课程考核。而这些被节省下来的时间，才是你真正的宝藏。 你可以用这些节省下的时间去攻克那些 AI 暂时无法替代的“深水区”——去深入一段硬核的科研探索，去积累真实的实习经验，去构建复杂的人际网络，甚至只是去发展一项让你灵魂充盈的兴趣爱好。
文章首发于个人博客：
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。