🤯 48 小時從「完全不懂」到考試滿分

一位學生用 Claude + NotebookLM 做到的事

最近看到一個讓人非常震撼的案例。

有位大學生，面臨一門完全沒讀過的科目期末考。
時間只剩 48 小時。
他對這門課 零基礎、零背景知識。

結果呢？

他最後拿了滿分。

而他用的方法只有兩個工具：

NotebookLM + Claude

看完他的流程後，我才意識到一件事：

這已經不是「讀書技巧」，
而是用 AI 重建一個完整學科的學習系統。

下面是他的完整流程。

---

第一步：把所有資料「餵給 AI」

首先，他沒有急著問問題。

他做的第一件事是：

把所有相關資料全部上傳到 NotebookLM

例如：

• 課堂投影片

• 教科書

• 歷屆考題

• 學術論文

• YouTube 影片逐字稿

• 任何相關資料

原則只有一個：

資料越完整，AI 的理解就越強。

因為 NotebookLM 的能力，本質是：

在你提供的資料中建立知識網路。

輸入品質，決定輸出品質。

---

第二步：用一個問題，畫出整個學科地圖

接著，他只問了一個問題：

Prompt：

「這個學科中，專家在學習任何內容之前，
必須先理解的 5 個核心概念是什麼？

請用白話解釋每個概念，
並說明它為什麼重要，以及它與其他概念如何連結。」

結果是什麼？

NotebookLM 幾分鐘內就產生了：

整門學科的「知識骨架」。

原本需要幾週建立的理解框架，
幾分鐘就完成。

---

第三步：找出考試最愛考的「理解陷阱」

接下來，他問了第二個關鍵問題：

Prompt：

「在這門學科中，學生最常出現 理解錯誤或理解膚淺 的三個領域是什麼？

請說明：

• 什麼是表面理解

• 什麼是深度理解」

這一步非常關鍵。

因為考試最常測試的不是「記憶」。

而是：

你是否真的理解。

這一步直接找出：

考官最愛抓的盲點。

---

第四步：讓 Claude 扮演「20 年資深教授」

接著，他把 NotebookLM 的結果全部丟進 Claude。

然後給 Claude 這個 prompt：

「你是一位教授，已經考了這門課 20 年。

根據以下知識地圖，請生成 20 題考試題目。

題目要測試理解能力而不是死記。

每一題請告訴我：

• 完美答案長什麼樣

• 不及格答案長什麼樣」

這一步的結果是：

一整套模擬考題 + 評分標準。

換句話說：

他直接把 AI 變成了
「出題教授」。

---

第五步：用 AI 批改自己的答案

接下來，他開始自測。

規則很簡單：

1️⃣ 不看筆記回答問題
2️⃣ 把答案貼回 Claude

然後給這個 prompt：

「請誠實評分我的答案。

對每個錯誤請說明：

• 我理解錯在哪裡

• 正確思路是什麼

• 應該回去看哪個資料修正」

於是 AI 變成了：

24 小時待命的私人教授。

他只做一件事：

補齊所有理解漏洞。

直到每一題都答對。

---

第六步：考試前 24 小時的最終模擬

考試前一天，他做最後一步。

把所有筆記與答案再次丟進 Claude。

然後問：

「假設你就是我的考試教授。

我只剩 24 小時準備。

請給我一份 最接近真實考試的模擬試卷。

並在我回答後告訴我：

明天考試前，我還必須補強的三件事是什麼。」

這就等於：

在考試前一天

直接和考官模擬考試。

---

這整套方法的核心其實只有一句話

很多人以為 AI 是用來：

• 查資料

• 寫作業

• 做摘要

但這個案例展示的是另一件事：

AI 可以模擬整個「學習系統」。

你不再只是看書。

而是：

1️⃣ AI 幫你建構知識結構
2️⃣ AI 幫你設計考題
3️⃣ AI 幫你評分
4️⃣ AI 幫你補漏洞

最後形成一個循環：

理解 → 測試 → 修正 → 再理解

---

這不是作弊

這其實更接近一件事：

專家級學習方式。

真正的專家學習不是背資料。

而是：

• 找出核心概念

• 建立知識結構

• 持續測試理解

• 不斷修正錯誤

AI 只是把這個過程：

從幾個月壓縮到幾十小時。

---

如果未來的學生都開始這樣學習，

那麼真正的差距可能就不再是：

「誰讀書比較久」

而是：

誰比較會使用 AI 思考。