相信不少同学都有过这样的经历收藏夹里堆满了各种教程从“XX 从入门到精通”到“三天学会 XX 框架”但真正学完并记住的内容少之又少。很多时候并不是我们不够努力而是学习方式本身太被动了——看视频、读文档、复制代码大脑一直处于“接收信息”的状态根本没有真正参与进去。今天想和大家分享一套我自己在用的互动学习法我习惯叫它/teach学习法。它不是某个具体的软件也不是一门课程而是一套把“输出倒逼输入”落到实处的学习方法论配合一个可以自己动手搭建的轻量级学习工具。用这套方法可以告别“眼睛会了脑子不会”的困境尤其适合学编程、学框架、学数据库时使用。本文会从方法论讲起然后带大家从零实现一个命令行版的互动学习工具基于 Python 和 SQLite包含完整代码和运行演示。无论你是刚入门的新手还是想搭建内部学习系统的开发者都能从里面找到可以直接上手的内容。1. 什么是/teach互动学习法1.1 学习效率低下的根源先来看一个很常见的场景学习 Spring Boot 时跟着教程把 Controller、Service、Mapper 都敲了一遍项目也跑起来了但过两周再让你独立写一个接口却卡在了如何配置application.yml上。这是因为传统的“看教程 抄代码”模式本质上是被动学习。根据学习金字塔理论听讲、阅读、视听等被动学习方式的平均知识留存率只有 5% 到 30%而讨论、实践、教给他人等主动学习方式留存率可以达到 50% 到 90%。换句话说如果你只是“看过”一个知识点大概率会忘如果你能“讲出来”或者“教给别人”这个知识点才真正属于你。1.2/teach学习法的核心理念/teach这个名字来源于一个很简单的想法把每一次学习都变成一次“准备教别人”的过程。具体来说这套学习法把学习拆成四个步骤Teach 教学准备针对一个主题假设你要给一个零基础的人讲课先列出大纲。Extract 要点提取把核心概念、易错点、代码片段提取成一张张“知识卡片”。Ask 提问自测不看资料回答自己提前准备好的问题检验真实掌握程度。Check 检查反馈对照资料检查答案把没答上来的内容重新学习并标记为“待复习”。这四步的首字母连起来正好是TEAC配合反复迭代的节奏就成了/teach。1.3 为什么它比“多做笔记”更有效很多人记笔记时容易陷入“摘抄原文”的误区。笔记抄得工工整整但大脑并没有参与加工。而/teach学习法强制要求你做三件笔记法不一定做的事以教代学同样的知识点用“给别人讲明白”的标准去学理解深度完全不同。主动回忆通过“自问自答”而不是“重新阅读”来检验掌握程度这能显著强化记忆。间隔重复通过错题标记和定时回顾让知识在遗忘之前被重新激活。所以/teach学习法不是让你“多做一套笔记”而是从源头上改变了知识进入大脑的方式。2. 从方法到工具需求分析2.1 为什么需要一个小工具方法再好如果执行起来太麻烦也很难坚持。比如你决定以后每学一个知识点都“模拟讲课”但每次都要手动整理大纲、翻笔记找问题坚持不了三天就会放弃。这时候一个轻量级的命令行工具就很有价值。它可以帮你完成这些事集中管理知识点每个知识点可以关联教程链接、代码片段、自己的总结。自动生成提问清单根据你录入的知识点生成用于自测的问题列表。记录掌握程度给每个知识点打上“已掌握 / 模糊 / 未掌握”的标记方便后续复习。互动练习模式像刷题一样随机抽题自己回答后对照答案打分。相比于用 Notion、Excel 管理学习记录命令行工具的好处是启动快、数据本地存储、不依赖网络而且可以通过脚本批量导入导出。2.2 核心功能设计为了让工具既能满足学习需求又不至于复杂到没法在一个上午写完我把它定位为“单文件命令行程序”核心功能如下add添加新的知识点主题、详情、代码片段或链接。list查看所有知识点及其掌握状态。ask进入互动自测模式随机从题库中抽题回答后自行对照并评分。review查看所有标记为“待复习”的知识点适合第二天或一周后回顾。export把当前知识点导出为 Markdown 文件方便分享或备份。2.3 用到的技术栈工具本身用 Python 编写只依赖 Python 标准库不要求额外安装第三方包argparse解析命令行参数。sqlite3本地持久化存储。datetime记录创建时间和复习时间。这样的选型有几个好处环境要求低只要装了 Python 3.6 就能跑代码容易看懂也方便读者按自己的需求扩展。3. 环境准备与项目结构3.1 运行环境本文示例以常见环境为例重点演示配置和实现思路。你需要提前准备Python 3.6 或更高版本建议 3.8。一个终端Windows 可使用 CMD / PowerShellmacOS / Linux 使用 Terminal。文本编辑器或 IDEVS Code、PyCharm 均可。可以使用下面的命令检查 Python 环境python --version如果输出类似Python 3.9.7说明环境正常。如果你的机器上python命令不是 Python 3可以尝试python3 --version。3.2 项目目录结构建议新建一个文件夹用于存放工具代码learn-tool/ └── teach_cli.py后续所有代码都放在teach_cli.py文件中。SQLite 数据库文件会在首次运行时自动生成不需要手动创建。3.3 数据库设计这里用 SQLite 存储知识点表结构非常简单CREATE TABLE IF NOT EXISTS knowledge ( id INTEGER PRIMARY KEY AUTOINCREMENT, topic TEXT NOT NULL, -- 主题 detail TEXT, -- 详细内容 / 自己的讲解 code_snippet TEXT, -- 可选的代码片段 status TEXT DEFAULT unlearned, -- learned / fuzzy / unlearned created_at TEXT DEFAULT (datetime(now, localtime)), next_review_at TEXT -- 下次复习时间简单实现 );字段解释topic知识点标题例如“Spring Bean 生命周期”。detail用你自己的话写出来的讲解内容这是/teach学习法最重要的产出。code_snippet关联的代码片段方便复习时快速回忆上下文。status掌握状态unlearned未掌握、fuzzy模糊、learned已掌握。created_at创建时间。next_review_at下次复习时间用于简单模拟间隔重复。4. 完整实战实现/teach互动学习工具下面我们开始写代码。这个工具采用单文件实现思路是“尽量简单、功能完整、方便扩展”。4.1 创建项目文件先在learn-tool目录下创建teach_cli.py文件mkdir learn-tool cd learn-tool touch teach_cli.pyWindows 用户可以手动新建文件夹和teach_cli.py文件。4.2 编写命令行入口和数据库初始化我们把程序入口和数据库初始化写在一起作为整个工具的地基。# 文件路径learn-tool/teach_cli.py import argparse import os import sqlite3 import sys from datetime import datetime, timedelta DB_FILE os.path.join(os.path.dirname(os.path.abspath(__file__)), learn.db) def get_connection(): 获取数据库连接并初始化表结构。 conn sqlite3.connect(DB_FILE) conn.execute( CREATE TABLE IF NOT EXISTS knowledge ( id INTEGER PRIMARY KEY AUTOINCREMENT, topic TEXT NOT NULL, detail TEXT, code_snippet TEXT, status TEXT DEFAULT unlearned, created_at TEXT DEFAULT (datetime(now, localtime)), next_review_at TEXT ) ) return conn def init_db(): 确保数据库文件存在表结构已经创建。 conn get_connection() conn.close() def main(): parser argparse.ArgumentParser( description/teach 互动学习工具通过教、问、查的方式巩固知识 ) subparsers parser.add_subparsers(destcommand) # add 子命令 add_parser subparsers.add_parser(add, help添加知识点) add_parser.add_argument(--topic, requiredTrue, help知识点主题) add_parser.add_argument(--detail, default, help自己的讲解内容) add_parser.add_argument(--code, default, help关联代码片段) # list 子命令 subparsers.add_parser(list, help查看所有知识点) # ask 子命令 ask_parser subparsers.add_parser(ask, help进入互动自测模式) ask_parser.add_argument(--topic-filter, default, help按主题关键词筛选) # review 子命令 subparsers.add_parser(review, help查看待复习知识点) # export 子命令 subparsers.add_parser(export, help导出为 Markdown 文件) args parser.parse_args() init_db() if args.command add: cmd_add(args) elif args.command list: cmd_list() elif args.command ask: cmd_ask(args) elif args.command review: cmd_review() elif args.command export: cmd_export() else: parser.print_help() if __name__ __main__: main()这段代码把子命令全部注册好后续只需要实现对应的cmd_*函数即可。使用argparse的好处是以后新增命令时不需要手动解析参数。4.3 实现添加知识点功能add命令的核心思路是把用户输入的内容插入到knowledge表中。为了让“讲解内容”更符合/teach学习法我们在终端提示用户输入时特意强调“用自己的话描述”。def cmd_add(args): 添加一个知识点。 topic args.topic.strip() if not topic: print(❌ 知识点主题不能为空) return detail args.detail.strip() if not detail: detail input(请输入你自己对这个知识点的讲解用自己的话描述尽量像在教别人: ).strip() code_snippet args.code.strip() if not code_snippet: has_code input(是否添加代码片段(y/N): ).strip().lower() if has_code in (y, yes): print(请输入代码片段输入 END 单独一行结束) code_lines [] while True: line input() if line END: break code_lines.append(line) code_snippet \n.join(code_lines) conn get_connection() conn.execute( INSERT INTO knowledge (topic, detail, code_snippet, status, next_review_at) VALUES (?, ?, ?, unlearned, ?), (topic, detail, code_snippet, (datetime.now() timedelta(days1)).strftime(%Y-%m-%d %H:%M)), ) conn.commit() conn.close() print(f✅ 已添加知识点{topic})这里有几个细节值得注意如果命令行没有传入--detail会交互式地询问相当于我们在执行工具的过程中强制自己先写一遍“教学讲稿”。如果没有传入--code可以按提示输入代码片段以单独一行的END作为结束标记。next_review_at默认设置为明天让新知识点尽快进入第一次复习流程。4.4 实现查看列表功能list命令用来查看当前所有知识点以及它们的掌握状态。为了让输出更直观我们用带颜色的状态标记终端不支持颜色时也会正常显示STATUS_LABEL { unlearned: 未掌握, fuzzy: 模糊, learned: 已掌握, } def cmd_list(): 查看所有知识点。 conn get_connection() rows conn.execute( SELECT id, topic, status, next_review_at, created_at FROM knowledge ORDER BY id DESC ).fetchall() conn.close() if not rows: print( 还没有知识点先用 add 命令添加一个吧。) return print(f{ID:4} {主题:30} {状态:6} {下次复习:18} {创建时间:18}) print(- * 80) for row in rows: id_, topic, status, next_review, created row print(f{id_:4} {topic:30} {STATUS_LABEL.get(status, status):6} {next_review:18} {created:18})这段代码使用 SQL 查询所有记录然后按固定宽度格式化输出。如果之后数据量变大可以加LIMIT和分页参数这里为了保持简单先不做。4.5 实现互动自测模式这是整个工具的核心。ask命令会从数据库中随机抽取知识点在终端中显示主题然后让你先在心里或者纸上讲一遍最后再对照详细的“参考答案”也就是你之前写的detail和代码片段进行自评。def cmd_ask(args): 互动自测显示主题 - 回忆讲解 - 对照答案 - 自我评分。 conn get_connection() topic_filter args.topic_filter.strip() if topic_filter: rows conn.execute( SELECT id, topic, detail, code_snippet, status FROM knowledge WHERE topic LIKE ? ORDER BY RANDOM(), (f%{topic_filter}%,), ).fetchall() else: rows conn.execute( SELECT id, topic, detail, code_snippet, status FROM knowledge ORDER BY RANDOM() ).fetchall() if not rows: print( 没有符合条件的知识点先添加一些再来自测吧。) conn.close() return for row in rows: id_, topic, detail, code_snippet, status row print(\n * 60) print(f 主题{topic}) print(请先暂停 1~2 分钟在心里/纸上完整地讲一遍这个知识点。) input(准备好后按回车键查看参考答案...) print(\n--- 参考答案你自己的讲解 ---) print(detail if detail else (未填写讲解内容)) if code_snippet: print(\n--- 关联代码片段 ---) print(code_snippet) # 自我评分 print(\n请根据回忆情况打分) print( 1 完全没想起来) print( 2 想起了一部分) print( 3 基本能讲清楚) print( 4 可以流畅地教给别人) score input(请输入 1-4 的数字).strip() if score 1: new_status unlearned review_days 1 elif score 2: new_status unlearned review_days 1 elif score 3: new_status fuzzy review_days 3 else: new_status learned review_days 7 review_time (datetime.now() timedelta(daysreview_days)).strftime(%Y-%m-%d %H:%M) conn.execute( UPDATE knowledge SET status ?, next_review_at ? WHERE id ?, (new_status, review_time, id_), ) conn.commit() print(f✅ 已更新状态{STATUS_LABEL.get(new_status, new_status)}下次复习时间{review_time}) conn.close() print(\n 本轮自测完成)这个模式最大的价值在于在按下回车查看答案之前大脑必须主动回忆一遍。这个动作越痛苦学习效果反而越好。4.6 实现待复习列表和导出功能review命令用于查看已经到期或即将到期的知识点它是间隔重复策略的核心入口def cmd_review(): 查看待复习知识点已到复习时间或状态为未掌握。 today datetime.now().strftime(%Y-%m-%d %H:%M) conn get_connection() rows conn.execute( SELECT id, topic, status, next_review_at, detail FROM knowledge WHERE status ! learned OR next_review_at ? ORDER BY next_review_at, (today,), ).fetchall() conn.close() if not rows: print( 当前没有待复习知识点继续保持) return print(f 待复习知识点共 {len(rows)} 个\n) for id_, topic, status, next_review, detail in rows: print(f[ID: {id_}] {topic} | 状态{STATUS_LABEL.get(status, status)} | 下次复习{next_review}) print(f 讲解摘要{(detail or (未填写))[:50]})export命令可以把整个知识库导出为 Markdown 格式方便写成学习笔记发布到博客或分享给同事def cmd_export(): 导出所有知识点为 Markdown 文件。 conn get_connection() rows conn.execute( SELECT topic, detail, code_snippet, status, created_at FROM knowledge ORDER BY id ).fetchall() conn.close() if not rows: print( 没有可导出的知识点。) return md_lines [# /teach 学习笔记\n] for topic, detail, code_snippet, status, created_at in rows: md_lines.append(f## {topic}\n) md_lines.append(f- 状态{STATUS_LABEL.get(status, status)}) md_lines.append(f- 创建时间{created_at}\n) md_lines.append(### 我的讲解) md_lines.append(detail if detail else (未填写)) if code_snippet: md_lines.append(\n### 代码片段) md_lines.append(text) md_lines.append(code_snippet) md_lines.append() md_lines.append(\n---\n) export_path os.path.join(os.path.dirname(os.path.abspath(__file__)), teach_notes.md) with open(export_path, w, encodingutf-8) as f: f.write(\n.join(md_lines)) print(f✅ 已导出到 {export_path})这里代码片段用了text代码块是为了防止导出内容里的代码语言标记破坏 Markdown 文件结构。读者可以按自己的需要改成具体语言。5. 运行与验证5.1 添加知识点假设我们要学习“Spring Bean 的生命周期”先添加一个知识点python teach_cli.py add --topic Spring Bean 生命周期 --detail Bean 的完整生命周期包括实例化 - 属性填充 - Aware 接口回调 - BeanPostProcessor 前置处理 - init 方法 - BeanPostProcessor 后置处理 - 使用 - 销毁。 --code Bean(initMethod \init\, destroyMethod \destroy\)\npublic DemoBean demoBean() {\n return new DemoBean();\n}如果不想在命令行中传大段文字也可以只传--topic然后按提示交互式输入python teach_cli.py add --topic Python 装饰器这时终端会提示你输入讲解内容和代码片段。5.2 查看列表python teach_cli.py list预期输出类似ID 主题 状态 下次复习 创建时间 -------------------------------------------------------------------------------- 2 Python 装饰器 未掌握 2025-01-16 14:30 2025-01-15 14:30 1 Spring Bean 生命周期 未掌握 2025-01-16 14:28 2025-01-15 14:285.3 互动自测python teach_cli.py ask --topic-filter Spring终端会先显示题目 主题Spring Bean 生命周期 请先暂停 1~2 分钟在心里/纸上完整地讲一遍这个知识点。 准备好后按回车键查看参考答案...按回车后显示参考答案并进入评分流程。这个模拟“先回忆再核对”的过程是整个学习法最关键的一环。5.4 查看待复习列表与导出python teach_cli.py review python teach_cli.py exportexport之后在learn-tool目录下会生成teach_notes.md可以直接用 Typora 或其他 Markdown 编辑器打开。6. 常见问题与排查思路6.1 问题排查表格问题现象常见原因解决思路运行python teach_cli.py没有任何反应没有输入子命令执行python teach_cli.py --help查看命令帮助添加知识点时显示“❌ 知识点主题不能为空”使用了--topic但值为空字符串检查命令中--topic参数是否漏写或包含空格sqlite3.OperationalError: no such table: knowledge表结构初始化失败删除learn.db文件后重新运行命令程序会自动重建表输入中文后终端乱码Windows 终端默认编码不是 UTF-8在 Python 文件顶部加入# -*- coding: utf-8 -*-或调整终端代码页为 UTF-8在ask模式下连续自测多个知识点感觉疲劳一次抽题太多目前实现是遍历所有匹配结果你可以自行加一个--limit N参数每次只测 N 道题想清空所有数据重新开始需要删除数据库直接删除learn.db文件即可这是本地 SQLite 数据库不会影响代码6.2 如何避免数据丢失这个工具把数据存在单机 SQLite 文件里平时用没问题但如果电脑重装系统或误删文件数据可能丢失。建议定期使用python teach_cli.py export导出 Markdown 备份。把learn.db和导出的 Markdown 文件同步到自己的私有仓库或云盘。如果数据量很大可以考虑增加backup子命令把learn.db复制到带时间戳的备份目录。6.3 如何在团队中使用如果你想把/teach学习法用在团队内部培训中可以把learn.db上传到共享目录或者让每个人各自维护一份题库再把精选题目通过export合并到团队知识库。注意不要直接在多人同时写同一个 SQLite 文件SQLite 在多进程并发写场景下会锁库更适合单人使用。7. 最佳实践与工程建议7.1 学习层面的最佳实践工具只是辅助真正让学习效果提升的是背后这套方法。结合我用下来的经验总结几条学习层面的建议先写讲稿再存代码add命令里的detail字段不要直接复制教程原文。用自己的话重写一遍哪怕是“我理解的 BeanPostProcessor 是后置处理器它可以在 Bean 初始化前后做增强”这种大白话也比抄原文有用。自测时离开屏幕按回车看答案之前尽量离开电脑屏幕在纸上画出知识结构或者口头讲出来。只有脱离提示大脑才会真正调用记忆。设置固定的复习节奏每天用 10 分钟跑一次ask和review比周末花一小时集中学更有效。间隔重复的精髓就在于“少量多次”。不要追求数量每天添加 2~3 个高质量知识点胜过一次性录入 20 个“看起来懂”的笔记。7.2 代码层面的工程建议从工具源码的角度也有几个值得改进的地方数据模型扩展目前表结构里没有“标签”字段不利于按技术栈分类。你可以增加tags字段并在ask命令中支持按标签过滤。自评标准细化当前的 1~4 分评分比较粗糙建议改成更细的“完全不会、见过但不熟、能复述、能举例、能教学”五档评分让复习间隔更精确。增加导入功能可以支持从 CSV 或 Markdown 文件批量导入知识点方便把之前积累的学习笔记迁移进来。保证代码风格一致命令行工具虽然小但建议遵循函数的单一职责原则每个cmd_*只做一类事情后续扩展时才不会乱。注意输入校验目前对score参数没有做严格校验如果用户输入非数字字符程序会进入异常分支。你可以用try-except或者if score not in (1, 2, 3, 4)来约束合法输入。7.3 学习型项目的持续迭代把学习工具当做一个“自己的项目”来维护也是一种很好的工程练习。你可以在这个工具上不断加功能比如用rich库做更美观的终端输出。用click库替代argparse让子命令的编写更简洁。增加统计仪表盘展示每天添加了多少知识点、复习完成率是多少。把数据库换成 SQLite 之外的 PostgreSQL做成多人协作版。每一次加功能都会让你对命令行工具开发、数据库操作、依赖管理的理解更深一层。这也是一个真正的“学习项目”你在用这套方法学习编程又在通过编程改进你的学习方法。8. 总结与下一步这篇文章从“为什么看教程记不住”的问题出发引入了/teach互动学习法并带你从零实现了一个命令行版本的互动学习工具。核心收获可以归纳为三点方法层面以教代学、主动回忆、间隔重复是告别被动学习的三个关键动作。工具层面通过add、list、ask、review、export五个命令可以把学习过程标准化、可追踪。实践层面任何学习工具的价值都取决于你是否愿意在“回忆”和“复述”上花时间代码只是辅助。如果你最近也在学 Spring Security、Apollo、Oracle 这类重概念、重配置的技术不妨把每个核心知识点都录入到这个工具里每天花十几分钟自测一遍。坚持两周后你会发现自己在谈到这些框架时思路会比以前清晰很多。下一步你可以根据自己的习惯扩展这个工具加上标签分类、增加复习统计、或者把它改造成 Web 界面。如果你在运行过程中遇到问题欢迎在评论区留言交流。觉得这个思路有用的话可以收藏备用方便以后搭自己的学习系统。 用 /teach 互动学习法打造 Python+SQLite 命令行学习工具
相信不少同学都有过这样的经历收藏夹里堆满了各种教程从“XX 从入门到精通”到“三天学会 XX 框架”但真正学完并记住的内容少之又少。很多时候并不是我们不够努力而是学习方式本身太被动了——看视频、读文档、复制代码大脑一直处于“接收信息”的状态根本没有真正参与进去。今天想和大家分享一套我自己在用的互动学习法我习惯叫它/teach学习法。它不是某个具体的软件也不是一门课程而是一套把“输出倒逼输入”落到实处的学习方法论配合一个可以自己动手搭建的轻量级学习工具。用这套方法可以告别“眼睛会了脑子不会”的困境尤其适合学编程、学框架、学数据库时使用。本文会从方法论讲起然后带大家从零实现一个命令行版的互动学习工具基于 Python 和 SQLite包含完整代码和运行演示。无论你是刚入门的新手还是想搭建内部学习系统的开发者都能从里面找到可以直接上手的内容。1. 什么是/teach互动学习法1.1 学习效率低下的根源先来看一个很常见的场景学习 Spring Boot 时跟着教程把 Controller、Service、Mapper 都敲了一遍项目也跑起来了但过两周再让你独立写一个接口却卡在了如何配置application.yml上。这是因为传统的“看教程 抄代码”模式本质上是被动学习。根据学习金字塔理论听讲、阅读、视听等被动学习方式的平均知识留存率只有 5% 到 30%而讨论、实践、教给他人等主动学习方式留存率可以达到 50% 到 90%。换句话说如果你只是“看过”一个知识点大概率会忘如果你能“讲出来”或者“教给别人”这个知识点才真正属于你。1.2/teach学习法的核心理念/teach这个名字来源于一个很简单的想法把每一次学习都变成一次“准备教别人”的过程。具体来说这套学习法把学习拆成四个步骤Teach 教学准备针对一个主题假设你要给一个零基础的人讲课先列出大纲。Extract 要点提取把核心概念、易错点、代码片段提取成一张张“知识卡片”。Ask 提问自测不看资料回答自己提前准备好的问题检验真实掌握程度。Check 检查反馈对照资料检查答案把没答上来的内容重新学习并标记为“待复习”。这四步的首字母连起来正好是TEAC配合反复迭代的节奏就成了/teach。1.3 为什么它比“多做笔记”更有效很多人记笔记时容易陷入“摘抄原文”的误区。笔记抄得工工整整但大脑并没有参与加工。而/teach学习法强制要求你做三件笔记法不一定做的事以教代学同样的知识点用“给别人讲明白”的标准去学理解深度完全不同。主动回忆通过“自问自答”而不是“重新阅读”来检验掌握程度这能显著强化记忆。间隔重复通过错题标记和定时回顾让知识在遗忘之前被重新激活。所以/teach学习法不是让你“多做一套笔记”而是从源头上改变了知识进入大脑的方式。2. 从方法到工具需求分析2.1 为什么需要一个小工具方法再好如果执行起来太麻烦也很难坚持。比如你决定以后每学一个知识点都“模拟讲课”但每次都要手动整理大纲、翻笔记找问题坚持不了三天就会放弃。这时候一个轻量级的命令行工具就很有价值。它可以帮你完成这些事集中管理知识点每个知识点可以关联教程链接、代码片段、自己的总结。自动生成提问清单根据你录入的知识点生成用于自测的问题列表。记录掌握程度给每个知识点打上“已掌握 / 模糊 / 未掌握”的标记方便后续复习。互动练习模式像刷题一样随机抽题自己回答后对照答案打分。相比于用 Notion、Excel 管理学习记录命令行工具的好处是启动快、数据本地存储、不依赖网络而且可以通过脚本批量导入导出。2.2 核心功能设计为了让工具既能满足学习需求又不至于复杂到没法在一个上午写完我把它定位为“单文件命令行程序”核心功能如下add添加新的知识点主题、详情、代码片段或链接。list查看所有知识点及其掌握状态。ask进入互动自测模式随机从题库中抽题回答后自行对照并评分。review查看所有标记为“待复习”的知识点适合第二天或一周后回顾。export把当前知识点导出为 Markdown 文件方便分享或备份。2.3 用到的技术栈工具本身用 Python 编写只依赖 Python 标准库不要求额外安装第三方包argparse解析命令行参数。sqlite3本地持久化存储。datetime记录创建时间和复习时间。这样的选型有几个好处环境要求低只要装了 Python 3.6 就能跑代码容易看懂也方便读者按自己的需求扩展。3. 环境准备与项目结构3.1 运行环境本文示例以常见环境为例重点演示配置和实现思路。你需要提前准备Python 3.6 或更高版本建议 3.8。一个终端Windows 可使用 CMD / PowerShellmacOS / Linux 使用 Terminal。文本编辑器或 IDEVS Code、PyCharm 均可。可以使用下面的命令检查 Python 环境python --version如果输出类似Python 3.9.7说明环境正常。如果你的机器上python命令不是 Python 3可以尝试python3 --version。3.2 项目目录结构建议新建一个文件夹用于存放工具代码learn-tool/ └── teach_cli.py后续所有代码都放在teach_cli.py文件中。SQLite 数据库文件会在首次运行时自动生成不需要手动创建。3.3 数据库设计这里用 SQLite 存储知识点表结构非常简单CREATE TABLE IF NOT EXISTS knowledge ( id INTEGER PRIMARY KEY AUTOINCREMENT, topic TEXT NOT NULL, -- 主题 detail TEXT, -- 详细内容 / 自己的讲解 code_snippet TEXT, -- 可选的代码片段 status TEXT DEFAULT unlearned, -- learned / fuzzy / unlearned created_at TEXT DEFAULT (datetime(now, localtime)), next_review_at TEXT -- 下次复习时间简单实现 );字段解释topic知识点标题例如“Spring Bean 生命周期”。detail用你自己的话写出来的讲解内容这是/teach学习法最重要的产出。code_snippet关联的代码片段方便复习时快速回忆上下文。status掌握状态unlearned未掌握、fuzzy模糊、learned已掌握。created_at创建时间。next_review_at下次复习时间用于简单模拟间隔重复。4. 完整实战实现/teach互动学习工具下面我们开始写代码。这个工具采用单文件实现思路是“尽量简单、功能完整、方便扩展”。4.1 创建项目文件先在learn-tool目录下创建teach_cli.py文件mkdir learn-tool cd learn-tool touch teach_cli.pyWindows 用户可以手动新建文件夹和teach_cli.py文件。4.2 编写命令行入口和数据库初始化我们把程序入口和数据库初始化写在一起作为整个工具的地基。# 文件路径learn-tool/teach_cli.py import argparse import os import sqlite3 import sys from datetime import datetime, timedelta DB_FILE os.path.join(os.path.dirname(os.path.abspath(__file__)), learn.db) def get_connection(): 获取数据库连接并初始化表结构。 conn sqlite3.connect(DB_FILE) conn.execute( CREATE TABLE IF NOT EXISTS knowledge ( id INTEGER PRIMARY KEY AUTOINCREMENT, topic TEXT NOT NULL, detail TEXT, code_snippet TEXT, status TEXT DEFAULT unlearned, created_at TEXT DEFAULT (datetime(now, localtime)), next_review_at TEXT ) ) return conn def init_db(): 确保数据库文件存在表结构已经创建。 conn get_connection() conn.close() def main(): parser argparse.ArgumentParser( description/teach 互动学习工具通过教、问、查的方式巩固知识 ) subparsers parser.add_subparsers(destcommand) # add 子命令 add_parser subparsers.add_parser(add, help添加知识点) add_parser.add_argument(--topic, requiredTrue, help知识点主题) add_parser.add_argument(--detail, default, help自己的讲解内容) add_parser.add_argument(--code, default, help关联代码片段) # list 子命令 subparsers.add_parser(list, help查看所有知识点) # ask 子命令 ask_parser subparsers.add_parser(ask, help进入互动自测模式) ask_parser.add_argument(--topic-filter, default, help按主题关键词筛选) # review 子命令 subparsers.add_parser(review, help查看待复习知识点) # export 子命令 subparsers.add_parser(export, help导出为 Markdown 文件) args parser.parse_args() init_db() if args.command add: cmd_add(args) elif args.command list: cmd_list() elif args.command ask: cmd_ask(args) elif args.command review: cmd_review() elif args.command export: cmd_export() else: parser.print_help() if __name__ __main__: main()这段代码把子命令全部注册好后续只需要实现对应的cmd_*函数即可。使用argparse的好处是以后新增命令时不需要手动解析参数。4.3 实现添加知识点功能add命令的核心思路是把用户输入的内容插入到knowledge表中。为了让“讲解内容”更符合/teach学习法我们在终端提示用户输入时特意强调“用自己的话描述”。def cmd_add(args): 添加一个知识点。 topic args.topic.strip() if not topic: print(❌ 知识点主题不能为空) return detail args.detail.strip() if not detail: detail input(请输入你自己对这个知识点的讲解用自己的话描述尽量像在教别人: ).strip() code_snippet args.code.strip() if not code_snippet: has_code input(是否添加代码片段(y/N): ).strip().lower() if has_code in (y, yes): print(请输入代码片段输入 END 单独一行结束) code_lines [] while True: line input() if line END: break code_lines.append(line) code_snippet \n.join(code_lines) conn get_connection() conn.execute( INSERT INTO knowledge (topic, detail, code_snippet, status, next_review_at) VALUES (?, ?, ?, unlearned, ?), (topic, detail, code_snippet, (datetime.now() timedelta(days1)).strftime(%Y-%m-%d %H:%M)), ) conn.commit() conn.close() print(f✅ 已添加知识点{topic})这里有几个细节值得注意如果命令行没有传入--detail会交互式地询问相当于我们在执行工具的过程中强制自己先写一遍“教学讲稿”。如果没有传入--code可以按提示输入代码片段以单独一行的END作为结束标记。next_review_at默认设置为明天让新知识点尽快进入第一次复习流程。4.4 实现查看列表功能list命令用来查看当前所有知识点以及它们的掌握状态。为了让输出更直观我们用带颜色的状态标记终端不支持颜色时也会正常显示STATUS_LABEL { unlearned: 未掌握, fuzzy: 模糊, learned: 已掌握, } def cmd_list(): 查看所有知识点。 conn get_connection() rows conn.execute( SELECT id, topic, status, next_review_at, created_at FROM knowledge ORDER BY id DESC ).fetchall() conn.close() if not rows: print( 还没有知识点先用 add 命令添加一个吧。) return print(f{ID:4} {主题:30} {状态:6} {下次复习:18} {创建时间:18}) print(- * 80) for row in rows: id_, topic, status, next_review, created row print(f{id_:4} {topic:30} {STATUS_LABEL.get(status, status):6} {next_review:18} {created:18})这段代码使用 SQL 查询所有记录然后按固定宽度格式化输出。如果之后数据量变大可以加LIMIT和分页参数这里为了保持简单先不做。4.5 实现互动自测模式这是整个工具的核心。ask命令会从数据库中随机抽取知识点在终端中显示主题然后让你先在心里或者纸上讲一遍最后再对照详细的“参考答案”也就是你之前写的detail和代码片段进行自评。def cmd_ask(args): 互动自测显示主题 - 回忆讲解 - 对照答案 - 自我评分。 conn get_connection() topic_filter args.topic_filter.strip() if topic_filter: rows conn.execute( SELECT id, topic, detail, code_snippet, status FROM knowledge WHERE topic LIKE ? ORDER BY RANDOM(), (f%{topic_filter}%,), ).fetchall() else: rows conn.execute( SELECT id, topic, detail, code_snippet, status FROM knowledge ORDER BY RANDOM() ).fetchall() if not rows: print( 没有符合条件的知识点先添加一些再来自测吧。) conn.close() return for row in rows: id_, topic, detail, code_snippet, status row print(\n * 60) print(f 主题{topic}) print(请先暂停 1~2 分钟在心里/纸上完整地讲一遍这个知识点。) input(准备好后按回车键查看参考答案...) print(\n--- 参考答案你自己的讲解 ---) print(detail if detail else (未填写讲解内容)) if code_snippet: print(\n--- 关联代码片段 ---) print(code_snippet) # 自我评分 print(\n请根据回忆情况打分) print( 1 完全没想起来) print( 2 想起了一部分) print( 3 基本能讲清楚) print( 4 可以流畅地教给别人) score input(请输入 1-4 的数字).strip() if score 1: new_status unlearned review_days 1 elif score 2: new_status unlearned review_days 1 elif score 3: new_status fuzzy review_days 3 else: new_status learned review_days 7 review_time (datetime.now() timedelta(daysreview_days)).strftime(%Y-%m-%d %H:%M) conn.execute( UPDATE knowledge SET status ?, next_review_at ? WHERE id ?, (new_status, review_time, id_), ) conn.commit() print(f✅ 已更新状态{STATUS_LABEL.get(new_status, new_status)}下次复习时间{review_time}) conn.close() print(\n 本轮自测完成)这个模式最大的价值在于在按下回车查看答案之前大脑必须主动回忆一遍。这个动作越痛苦学习效果反而越好。4.6 实现待复习列表和导出功能review命令用于查看已经到期或即将到期的知识点它是间隔重复策略的核心入口def cmd_review(): 查看待复习知识点已到复习时间或状态为未掌握。 today datetime.now().strftime(%Y-%m-%d %H:%M) conn get_connection() rows conn.execute( SELECT id, topic, status, next_review_at, detail FROM knowledge WHERE status ! learned OR next_review_at ? ORDER BY next_review_at, (today,), ).fetchall() conn.close() if not rows: print( 当前没有待复习知识点继续保持) return print(f 待复习知识点共 {len(rows)} 个\n) for id_, topic, status, next_review, detail in rows: print(f[ID: {id_}] {topic} | 状态{STATUS_LABEL.get(status, status)} | 下次复习{next_review}) print(f 讲解摘要{(detail or (未填写))[:50]})export命令可以把整个知识库导出为 Markdown 格式方便写成学习笔记发布到博客或分享给同事def cmd_export(): 导出所有知识点为 Markdown 文件。 conn get_connection() rows conn.execute( SELECT topic, detail, code_snippet, status, created_at FROM knowledge ORDER BY id ).fetchall() conn.close() if not rows: print( 没有可导出的知识点。) return md_lines [# /teach 学习笔记\n] for topic, detail, code_snippet, status, created_at in rows: md_lines.append(f## {topic}\n) md_lines.append(f- 状态{STATUS_LABEL.get(status, status)}) md_lines.append(f- 创建时间{created_at}\n) md_lines.append(### 我的讲解) md_lines.append(detail if detail else (未填写)) if code_snippet: md_lines.append(\n### 代码片段) md_lines.append(text) md_lines.append(code_snippet) md_lines.append() md_lines.append(\n---\n) export_path os.path.join(os.path.dirname(os.path.abspath(__file__)), teach_notes.md) with open(export_path, w, encodingutf-8) as f: f.write(\n.join(md_lines)) print(f✅ 已导出到 {export_path})这里代码片段用了text代码块是为了防止导出内容里的代码语言标记破坏 Markdown 文件结构。读者可以按自己的需要改成具体语言。5. 运行与验证5.1 添加知识点假设我们要学习“Spring Bean 的生命周期”先添加一个知识点python teach_cli.py add --topic Spring Bean 生命周期 --detail Bean 的完整生命周期包括实例化 - 属性填充 - Aware 接口回调 - BeanPostProcessor 前置处理 - init 方法 - BeanPostProcessor 后置处理 - 使用 - 销毁。 --code Bean(initMethod \init\, destroyMethod \destroy\)\npublic DemoBean demoBean() {\n return new DemoBean();\n}如果不想在命令行中传大段文字也可以只传--topic然后按提示交互式输入python teach_cli.py add --topic Python 装饰器这时终端会提示你输入讲解内容和代码片段。5.2 查看列表python teach_cli.py list预期输出类似ID 主题 状态 下次复习 创建时间 -------------------------------------------------------------------------------- 2 Python 装饰器 未掌握 2025-01-16 14:30 2025-01-15 14:30 1 Spring Bean 生命周期 未掌握 2025-01-16 14:28 2025-01-15 14:285.3 互动自测python teach_cli.py ask --topic-filter Spring终端会先显示题目 主题Spring Bean 生命周期 请先暂停 1~2 分钟在心里/纸上完整地讲一遍这个知识点。 准备好后按回车键查看参考答案...按回车后显示参考答案并进入评分流程。这个模拟“先回忆再核对”的过程是整个学习法最关键的一环。5.4 查看待复习列表与导出python teach_cli.py review python teach_cli.py exportexport之后在learn-tool目录下会生成teach_notes.md可以直接用 Typora 或其他 Markdown 编辑器打开。6. 常见问题与排查思路6.1 问题排查表格问题现象常见原因解决思路运行python teach_cli.py没有任何反应没有输入子命令执行python teach_cli.py --help查看命令帮助添加知识点时显示“❌ 知识点主题不能为空”使用了--topic但值为空字符串检查命令中--topic参数是否漏写或包含空格sqlite3.OperationalError: no such table: knowledge表结构初始化失败删除learn.db文件后重新运行命令程序会自动重建表输入中文后终端乱码Windows 终端默认编码不是 UTF-8在 Python 文件顶部加入# -*- coding: utf-8 -*-或调整终端代码页为 UTF-8在ask模式下连续自测多个知识点感觉疲劳一次抽题太多目前实现是遍历所有匹配结果你可以自行加一个--limit N参数每次只测 N 道题想清空所有数据重新开始需要删除数据库直接删除learn.db文件即可这是本地 SQLite 数据库不会影响代码6.2 如何避免数据丢失这个工具把数据存在单机 SQLite 文件里平时用没问题但如果电脑重装系统或误删文件数据可能丢失。建议定期使用python teach_cli.py export导出 Markdown 备份。把learn.db和导出的 Markdown 文件同步到自己的私有仓库或云盘。如果数据量很大可以考虑增加backup子命令把learn.db复制到带时间戳的备份目录。6.3 如何在团队中使用如果你想把/teach学习法用在团队内部培训中可以把learn.db上传到共享目录或者让每个人各自维护一份题库再把精选题目通过export合并到团队知识库。注意不要直接在多人同时写同一个 SQLite 文件SQLite 在多进程并发写场景下会锁库更适合单人使用。7. 最佳实践与工程建议7.1 学习层面的最佳实践工具只是辅助真正让学习效果提升的是背后这套方法。结合我用下来的经验总结几条学习层面的建议先写讲稿再存代码add命令里的detail字段不要直接复制教程原文。用自己的话重写一遍哪怕是“我理解的 BeanPostProcessor 是后置处理器它可以在 Bean 初始化前后做增强”这种大白话也比抄原文有用。自测时离开屏幕按回车看答案之前尽量离开电脑屏幕在纸上画出知识结构或者口头讲出来。只有脱离提示大脑才会真正调用记忆。设置固定的复习节奏每天用 10 分钟跑一次ask和review比周末花一小时集中学更有效。间隔重复的精髓就在于“少量多次”。不要追求数量每天添加 2~3 个高质量知识点胜过一次性录入 20 个“看起来懂”的笔记。7.2 代码层面的工程建议从工具源码的角度也有几个值得改进的地方数据模型扩展目前表结构里没有“标签”字段不利于按技术栈分类。你可以增加tags字段并在ask命令中支持按标签过滤。自评标准细化当前的 1~4 分评分比较粗糙建议改成更细的“完全不会、见过但不熟、能复述、能举例、能教学”五档评分让复习间隔更精确。增加导入功能可以支持从 CSV 或 Markdown 文件批量导入知识点方便把之前积累的学习笔记迁移进来。保证代码风格一致命令行工具虽然小但建议遵循函数的单一职责原则每个cmd_*只做一类事情后续扩展时才不会乱。注意输入校验目前对score参数没有做严格校验如果用户输入非数字字符程序会进入异常分支。你可以用try-except或者if score not in (1, 2, 3, 4)来约束合法输入。7.3 学习型项目的持续迭代把学习工具当做一个“自己的项目”来维护也是一种很好的工程练习。你可以在这个工具上不断加功能比如用rich库做更美观的终端输出。用click库替代argparse让子命令的编写更简洁。增加统计仪表盘展示每天添加了多少知识点、复习完成率是多少。把数据库换成 SQLite 之外的 PostgreSQL做成多人协作版。每一次加功能都会让你对命令行工具开发、数据库操作、依赖管理的理解更深一层。这也是一个真正的“学习项目”你在用这套方法学习编程又在通过编程改进你的学习方法。8. 总结与下一步这篇文章从“为什么看教程记不住”的问题出发引入了/teach互动学习法并带你从零实现了一个命令行版本的互动学习工具。核心收获可以归纳为三点方法层面以教代学、主动回忆、间隔重复是告别被动学习的三个关键动作。工具层面通过add、list、ask、review、export五个命令可以把学习过程标准化、可追踪。实践层面任何学习工具的价值都取决于你是否愿意在“回忆”和“复述”上花时间代码只是辅助。如果你最近也在学 Spring Security、Apollo、Oracle 这类重概念、重配置的技术不妨把每个核心知识点都录入到这个工具里每天花十几分钟自测一遍。坚持两周后你会发现自己在谈到这些框架时思路会比以前清晰很多。下一步你可以根据自己的习惯扩展这个工具加上标签分类、增加复习统计、或者把它改造成 Web 界面。如果你在运行过程中遇到问题欢迎在评论区留言交流。觉得这个思路有用的话可以收藏备用方便以后搭自己的学习系统。