学习全程均使用智谱的 GLM Coding 套餐，我这边的优惠链接：https://www.bigmodel.cn/glm-coding?ic=7BOQ2IYRXS
点击上面的链接，注册登录成功后，下单立减 10% 金额，而我可立即获得30%实付金额的赠金奖励（跨年限时活动：12月8日-1月15日）
- 完全个性化，每个人的知识储备、背景、思考方式等都不一样，所以必须是个性化的。
- 至上而下，从宏观到微观。能从表面一路深入到底层，而且学到的全是关键必要知识，没有冗余。
- 即使还没有真正写代码，光宏观上的认识就能给到人启发和信心。
- 在 AI 时代，这个学习方法对开发者至关重要，可以增长眼界，快速积累非冗余的实用经验。
“递归式填补知识空白”是一种 自上而下（Top-Down） 的高效学习方法，旨在通过 AI 工具快速掌握核心技能。其核心逻辑是颠覆传统的“先打基础再应用”的顺序，改为“从目标出发，倒推补齐知识”。
具体解释如下：
1. 核心理念：从结果倒推原理 传统学习通常是线性的（如：数学基础 → 编程语法 → 算法理论 → 实际项目），耗时漫长且容易在基础阶段迷失。 而“递归式填补知识空白”则是直接从最终目标开始（如：直接让 AI 生成一段复杂的项目代码），然后针对不懂的地方逐层向下挖掘。
2. 具体执行步骤
- 设定目标：直接向 AI 索要最终结果（例如：“给我写一个视频生成模型的代码”）。
- 发现盲区：审视结果，找出自己无法理解的具体细节（例如：“这一行代码是做什么的？”）。
- 递归追问：
- 针对盲区提问，获得解释。
- 如果解释中出现了新的陌生概念（例如提到“扩散模型”），就继续针对这个新概念追问（“什么是扩散模型？请用生活案例解释”）。
- 像剥洋葱一样，从表层的应用层一路追问到底层的数学��逻辑原理。
- 闭环验证：学习完一个知识点后，向 AI 复述自己的理解（“我理解是这样……对吗？”），让 AI 纠正偏差。
3. 方法优势 这种方法能确保你所学的每一个知识点都是关键且必要的，剔除了传统体系中冗余的部分。它追求的是高频的“顿悟感”（即“哦，原来是这样”的时刻），能以极快的速度建立起解决实际问题所需的能力模型。
- 后续需要动手实践，将“顿悟”时刻真正运用起来。
- Zed：基于 RUST 的高性能、开源代码编辑器。
- opencode：优秀的开源 AI 编程代理，可运行在终端。也就是本项目的学习对象。
- Z Code：智谱推出的轻量级 AI 代码编辑器，可视化集成多款主流AI编程工具，通过自然语言交互降低开发门槛。
- 这种学习方法是非常个性化的，这份文档只适合我，不适合其他人。所以如果你也想学习某个优秀开源项目的源代码，需要亲自实践、亲自感受。
- 这个项目的文档，还在持续生成。