国外一位 25岁的年轻播客主，这两年把 OpenAI、Anthropic、DeepMind 这些顶级 AI 实验室的核心人物挨个访谈过一遍。Karpathy、Hassabis、Dario Amodei、Ilya Sutskever 这些圈内大佬都坐在他对面跟他聊过几个小时。他公开过自己每次访谈前「准备一周」的工作流，全程大量用 AI 辅助。这套工作流泛化出来，是一个普通人能用的东西：怎么用 AI 在一周之内深度搞懂一个完全陌生的主题。

我看了一下，也有很多值得我学习的地方，也想推荐给大家。

他靠这套方法把「准备一周」做到了「跟顶级专家对话不掉档」。这种深度以前只有学界博士生熬几年才能积累。

他叫 Dwarkesh Patel，2000年生在印度，8岁跟家人去了美国。本科在德州大学奥斯汀分校学计算机，2020年读书时开始做播客。这两年他迅速成为英文 AI 圈引用率最高的长访谈节目主持人，国外一家有名的财经周刊形容他「从无名变成了硅谷最爱的播客主」，Time 杂志2024年把他列进了「AI 100 人」。

他自己讲过很多次他的方法逻辑：「我没法问出好问题，除非我对这个领域有完整的心理模型。」每次准备的目标不是「列出能问的问题」，而是「在一周之内把自己变成半个内行」。

他每次准备的第一步是问自己一个问题：「我应该读哪些东西？哪些是绕不开的？谁是这个领域的关键人物？」这一步他交给 AI 做。把嘉宾的领域、核心概念、最新动态丢给 Claude（或者其他大模型），让它列出「该读哪5篇核心论文加哪两本书加哪几个人物的观点必看」。这一步看起来简单，但他强调，「在真正开始读之前先识别该读什么」是最容易省时间的一步。很多人一头扎进资料堆里，三天后才发现读错方向。

读资料的时候，他不是「读完就过」，是边读边在脑子里追踪：「我哪儿没懂？我以为懂了但没懂的是什么？」他举过一个具体例子。访谈强化学习领域的开山祖师 Richard Sutton 之前，他读了好几天才意识到，自己不懂「深度学习和强化学习怎么结合」这件事。他说，这种「以为懂了，结果没懂」的窟窿，越早发现越好。深度调研最怕的就是带着假理解去问问题。

具体到看不懂的地方怎么办，他直接把那段难懂的资料丢给 Claude，问「为什么」「这一段在说什么」「这个概念跟前面那个怎么连」。但他用 AI 不止在「读不懂时问」，更高一层的用法是让 AI 帮你「绘制全景图」。

比如他跟 Karpathy 聊之前，把 Karpathy 过去几年发过的所有公开内容（演讲、博文、长访谈逐字稿）全部丢给 Claude 做了一个项目，再问「Karpathy 在 X 这个观点上前后有没有变化？哪几条是他反复强调的？哪几条他后来明显改了立场？」这种问题靠人自己读完所有材料几乎不可能整理出来，AI 三十秒就能给你一份。这是他每次准备时最重的一招。

最重的另一招是「自己动手实现」。他原话讲：「让我真懂一个东西的最好方式，是把它从零做一遍。」访谈某个 AI 研究者之前，他会自己写代码实现那篇论文里的核心算法。访谈一位航天加电动车圈的国外科技大亨之前，他自己做过散热器和卫星轨道的电子表格模型。

这一步对普通读者门槛最高，但他说背后的逻辑是普世的：能「自己做出一个简化版」的领域，理解就一定是结构化的。如果不是技术领域，可以替换成「自己写一篇综述」「自己画一张全景图」「自己列一份提纲」。要有一个「我自己产出了点什么」的东西。

最后一招是心态。他在准备和访谈时一直在做一件事：「盯紧自己具体哪儿没懂，然后追问。」不下断言、不假装懂、不急着表达自己的看法。他有一句话特别形象——研究的大多数时间是在 confusion 里游泳，偶尔有一刻「哦，原来是这么回事」，那一刻就是上岸。

这套工作流泛化出来，对任何要「一周吃透一个陌生主题」的人都管用。把「访谈嘉宾」换成「调研一个新行业」「准备一次重要会议」「研究一个全新的产品方向」「啃一个完全陌生的学科」，每一步都对得上。

只是大部分人在做这些事的时候，没意识到自己漏了哪一步。要么没在动手前先想清楚「该读什么」，要么读完不追踪自己具体哪儿没懂，要么不去看「目标人物前后说法的矛盾点」，要么从头到尾只是「看过」，没有产出物。

补上这几步，普通人吃一个陌生主题的速度，可以快上一档。