缺的不是基础，是高质量反馈

"基础知识"压根不存在，这位的立场够激进，被驳的是那条常见的进组焦虑。 第一层先拆概念。所谓打基础，真面目是一种看问题的视角和默会的判断力，拿 C++ 的 ranges、optional、expected、variant 举例，能迁移到别的语言，是因为背后都在用类型系统约束领域逻辑。它跟写过多少代码、干过多少基础工作关系不大，取决的是信息环境，不是吃得有多苦，标准也在反馈里长出来。 第二层讲现实的学法。现实里的打基础其实是打杂，也就是共同体的边缘参与，新人先接低风险的活，慢慢摸到这个圈子的知识，再碰高风险的复杂任务。学徒制在学界和业界都极广，学者因此有了把知识传下去的使命。 第三层落到选择上。进组总比课程好，因为学术水平真正稀缺的是高质量反馈。课程的反馈只有做题和考试，分数给出的信息量极低，远不如同行评议来得有用。这一点我认，跟前面参考图那篇的偏好对上，结构化的对照比单一分数有用。 第四层补了个当下最好用的来源。ChatGPT 的上限有限，下限却不错，因为高水平学者的注意力永远稀缺，这个工具用好了不可轻视。 最后那句关于工资的观点也照录，学到知识拿工资站不住脚，因为接下的是传承的责任，薪水报的是干低风险任务那部分。 我留的疑问有两处。进组的反馈质量全看导师和组风，光进不练照样白搭；ChatGPT 当反馈源的下限究竟在哪，作者没给验证方式。 想验证的挑一门最怕的课退掉，换成找一位同行每周对一次作业，三周后自己比。