手把手教你把AI改造成备考教练
上次说的那位硅谷的程序员朋友让 AI 辅助他学习，帮他考过了理财规划师（CFP），这几天找他连线录制了详细教程。你想系统学习任何一个全新领域的知识，都可以让 AI 来帮忙了！
视频中提到的系统提示词与开源模板库：github.com/chenran818/CFP-study
核心方法：用 Claude Code + CLAUDE.md 打造「苏格拉底式 AI 备考机」
很多人想用 ChatGPT 或 Claude 自学跨学科硬核证书（如 CFP 注册理财规划师、Series 65 投资顾问考试、EA 税务师等），但网页端聊天窗口存在两个致命痛点：
- 没有结构化的长期记忆：聊完即忘，明天打开新窗口，AI 根本不知道你昨天哪个知识点没搞懂、哪道题做错了。
- 单向灌输而非主动检验：网页版 AI 默认像百科全书一样直接端出标准答案，看的时候觉得“全懂了”，一上考场做案例题就错。
在这期连线实操中，陈然展示了如何用命令行里的 Claude Code（同样适用于 Cursor 或任何具备本地文件读写能力的 Agent 工具），仅靠一个本地文件夹和一份由 AI 自动生成的 CLAUDE.md 系统指令，把 AI 改造成有记忆、懂追问的私人备考教练：
- 角色设定与苏格拉底式教学法（Socratic Method）：通过
CLAUDE.md设定 AI 为专属备考导师。当你提出想学某个模块（例如退休账户或信托）时，AI 不会直接给答案，而是先提问试探你现有的知识边界（你知道哪些概念？混淆了哪些规则？），根据你的回答针对性地补齐漏洞，并在讲完后立刻出场景案例题反问，确认你真正吃透。 - 自动维护本地学习档案与错题本（
study-history/+progress.md）：每次对话与测验结束后，AI 会自动在本地目录创建或更新按日期归档的学习日志（study-history）以及全局掌握度总表（progress.md）。无需手动整理笔记，下次打开直接问“我今天该复习什么”，AI 就能精准调取薄弱项出题。 - 强制联网搜索与权威信源核验，压低幻觉：针对税务、法律、金融监管等每年更新且容错率极低的专业考试，在
CLAUDE.md中强制要求 AI 回答专业条款与数字前必须联网检索并引用 IRS 等官方权威来源。 - 不写复杂 Prompt，用一句话让 AI 自己写指令并跨学科迁移：整份几百行的
CLAUDE.md并非手写，而是直接告诉 AI：“我要备考 CFP，请用苏格拉底教学法辅导我，并帮我把每次的学习进度和错题记录成文件。”当从 CFP 切换到投资等其他考试时，同样只需一句话让 AI 自动抓取新考纲并改写CLAUDE.md。
视频时间线（11:17 小红书成片）
- 00:00 开场与背景：硅谷创业公司 CTO 如何用 Claude Code 备考并通过 CFP（注册理财规划师）
- 00:51 开源项目与
CLAUDE.md系统指令拆解：角色定位、苏格拉底式追问、自动归档与强制搜索权威信源 - 03:41 为什么不需要手写复杂 Prompt：把学习理念告诉 AI，让 AI 自己生成完整系统指令与权威信源清单
- 05:03 终端实操演示（退休账户 Traditional vs. Roth）：语音自然语言交互、AI 先反问基础再联网查证并出题检验
- 06:50 定位知识盲区：直接问 AI“我现在哪些方向学得最不好”，AI 自动读取历史进度指出商业税务折旧与遗产规划等薄弱项
- 07:40 展示本地持久化的两类核心文件：按日生成的学习日志（如 Social Security 养老金年龄与税务记录）与全局掌握度大表
- 09:19 跨学科迁移与工具普适性：一句话让 AI 将系统指令改写适配新考试，以及在 Cursor、ChatGPT、Gemini 等工具中的迁移对比
完整连线录音补充（36:58 未删减版）
公开发布的小红书视频（11:17）是从总长 36 分 58 秒的完整连线录音中剪辑而成的精华版。完整录音包含三个阶段，尤其是正式录屏前长达 14 分钟的英文 CFP 信托（Trust）现场实战教学，未包含在小红书成片中：
1. 录制前实操走查与 CFP 信托案例现场演示（00:00–14:01）
- 开源仓库的开箱即用方式（00:00–02:55）：别人拿到
CFP-study仓库后，只需删掉陈然个人的study-history/目录，在终端运行claude，AI 就会自动读取CLAUDE.md并初始化专属于新用户的progress.md掌握度大表。 - 语音输入工作流（02:55–07:20）：日常备考基本不敲键盘，直接用语音输入（简单对话用 macOS 自带听写，包含大量英文金融专业术语时用 ChatGPT 语音识别转文字）。
- CFP 遗产与信托（Trust）现场实战教学（06:02–14:01）：在正式录屏前，陈然先用英文向 Claude Code 发起真实学习请求，完整演示了一轮高难度的信托税务苏格拉底式互动：
- 慈善信托对比（CRAT vs. CRUT）：陈然先口述自己记得的框架，AI 肯定核心逻辑后精准指出遗漏细节——无论是固定年金的 CRAT 还是按资产净值浮动分配的 CRUT，IRS 要求每年最低分配率均不得低于 5%（且最高不超过 50%，慈善剩余现值需至少达到初始资产的 10%）。
- 设保人保留年金信托（GRAT）的三大省税机制：AI 引导梳理出 GRAT 在遗产规划中的三个核心考点：① 零化 GRAT（Zeroed-out GRAT） 通过设定年金现值等于转入资产价值，将赠与税应税额压低至接近零；② 配合家族有限合伙（FLP）等非上市股权结构可叠加 估值折扣（Valuation Discount，缺乏控制权与缺乏流动性折扣）；③ GRAT 属于 设保人信托（Grantor Trust），信托产生的所得税由设保人本人缴纳，相当于在不消耗终身赠与免税额的前提下，变相为受益人多做了一笔免税财富转移。
- 场景案例反问测验（11:36–14:01）：AI 现场出题——“一位高净值医生担心医疗事故诉讼风险，同时有年迈父母未来可能需要申请白卡（Medicaid）长期护理，应如何选择可撤销信托（Revocable Living Trust）与不可撤销信托（Irrevocable Trust）？”通过追问检验对债权人追索隔离及 Medicaid 5 年回溯期（5-Year Look-Back Period） 的理解，并在问答结束后自动把本次表现写入当日学习记录。
2. 正式连线访谈未删减片段（14:01–33:31）
- 对应小红书 11:17 成片的完整 19 分半钟录屏对话。除了成片保留的退休账户（Traditional vs. Roth）演示外，未删减版中还现场展示了刚刚在第一阶段生成的
2025-12-11信托学习日志，以及复制项目文件夹、在终端现场输入指令将 CFP 备考工具一键改写为 Series 65（投资顾问考试） 辅导工具的完整终端交互过程。
3. 录制后复盘与短视频节奏讨论（33:31–36:58）
- 正式录屏结束后，两人复盘了知识类短视频的剪辑逻辑：如何将 20 分钟的深度实操通过倍速与抽帧压缩到 10 分钟左右、做到“每一分钟都有一个信息爽点”，以及晓辉博士标志性开场白“哈喽，下班了”是如何作为高辨识度钩子沉淀下来的。
文字稿
根据音频重新转写并校对；陈然（Ran Chen）的发言以底色标出。说话人由声纹自动识别，文字与归属仍可能有误。
转写所用的音频来源 · 时间戳对应此版本，不同平台剪辑可能不同。
00:00 人物A：Hello，大家好。上次有在视频中跟大家分享我的一个硅谷的程序员朋友，靠 AI 帮助他考过了这个理财规划师的这么一个角色啊，我今天把他邀请过来，他就是陈然。
00:12 陈然 · Ran Chen：嗨，大家好，我叫陈然，我现在坐标是在旧金山，我是一个创业公司的 CTO，我过去十几年一直是一线写代码程序员，那同时我对于这个个人的理财、投资啊、规划啊非常感兴趣，所以也是花了很多时间学习这些东西。最近也是考过了叫 Certified Financial Planner，在个人财务规划里面可能是最困难和最复杂的一个考试之一了，所以也是非常开心能跟大家分享。因为之前小慧分享到说，我是用写代码的 Claude Code 这个环境来做我整个复习的，所以很多人会很好奇我是怎么做的。
00:48 人物B：对。
00:48 陈然 · Ran Chen：今天也是希望跟大家分享一下。
00:51 人物A：对，我们今天就实操一下，看陈然到底是怎么来实现这个过程的。我们直接来看一下，他现在有共享他的桌面。可能很多朋友说，不是来看 AI 教你学习的吗？为什么是 Claude Code？啊，因为 Claude Code 是一个 AI power 的一个交互的界面吧。对，就有点像你电脑里的那个 terminal 啊。很多非程序员朋友可能不太清楚，但是实际上是不难上手的。稍后陈然可以讲讲这个过程，其实非常简单。所以大家不要听到 Claude Code 或者什么，呃，写代码就退却。
01:19 陈然 · Ran Chen：对对，哈。它其实本质上跟你用比如 ChatGPT 用起来是一样的感觉啊。那这里来给大家展示是一个 GitHub，这是一个存代码的一个地方。那我也把我所有学习的这样一个东西公开了，所有人在 GitHub 上面都能看到这样一个文件，我是怎么用这个东西的，它也非常简单。那我们先可以看一下我写的这个系统指令，叫 Claude.md，这是一个它会去遵循的系统指令。它每一个跟我的交互都会去遵循这样一个系统指令。那为了这个方便国内的同学，我们就用一个自动的翻译。那这个东西就是用来指导它跟我交互的。所以我对它的定位，它是一个 CFP 考试的辅导老师。那它要采用苏格拉底的教学法。
02:05 陈然 · Ran Chen：什么意思呢？它不要给我立即提供答案，而是要先询问我都了解多少，再提供简明扼要的解释，以及解释了之后，要提出一两个问题，确保我能理解。比如说，他会问我问题，说你要去解释一下这个东西是怎么运作的，区别是什么，并且根据我的这样一个解释，再来反馈说，要不要继续深入地去教我更多的东西，或者说，如果我的理解不对，那么它就会应该去提供更多例子，帮助我理解啊。那这样就是它-它 AI 的一个角色。
02:43 陈然 · Ran Chen：你可以看到说它这个目的不是说教我，而是问我，以及根据我的个性化的反馈来不断地问我啊。这样子就使得我的学习会非常地有针对性。那以及在这个过程中呢，我们也定义了所有学习的这些知识，它都应该自动地进行一些存储，包括每天我们学的东西都要按日进行存储，以及需要一个总的一个大表来存我都学习了哪些东西。那这样子的话，这个 AI 就能完全知道我不懂什么东西，那这样子后面给我的建议都是比较针对性、个性化的。
03:19 陈然 · Ran Chen：那以及很多同学，我看对于这个问题都有些疑问，就说他到底说得准不准，所以我也会强制要求他说，对于技术上的问题，都要去引用更权威的一个来源，去进行一些搜索，不要猜测。所以这样一个系统性的这样一个指南，就帮助他跟我的交互过程中，就变成了我的一个导师这样子。
03:41 人物A：那我问一个问题啊，因为你这个提示词看起来非常的完善，而且非常丰富。那这个东西是怎么实现的？你要一条一条把它写出来吗？
03:51 陈然 · Ran Chen：这个问题也非常好。实际上这个提示词也不是我写的，这个提示词也是 AI 自动生成的。我只是让他说，我希望去考这样一个考试，我希望把我每天的学习的内容给存下来。我希望我们用这样一个教学的方法，你来不断地去验证我到底懂不懂，不是只试图教我。我把我希望怎么样是一个好的学习，这样一个理念告诉他，他自动生成的这样一个文件。其实他生成得很好，我-我也很开心，但是其实我自己让我手写，我可能写不出这么好的一个
04:24 人物B：嗯。
04:25 陈然 · Ran Chen：文档。
04:25 人物A：那有一个问题啊，关于刚才你讲到幻觉的问题，怎么控制的问题。
04:29 陈然 · Ran Chen：嗯。
04:29 人物A：那包括里面也给了一些网站，或者是你要让他搜索的地方，这个也是 AI 生成的吗？还是你要告诉他要控制？
04:37 陈然 · Ran Chen：这个也是 AI 生成的，我是告诉他最重要的规则，必须要强制去搜索，只引用权威的来源，这些东西都是他自己生成的。
04:47 人物A：OK，明白。那所以其实整个你就要把你的意图给他，让他帮你规划和给-给你一套给 AI 的提示词。
04:57 陈然 · Ran Chen：对，把它存在这个文件里面。
04:59 人物A：OK，可以展示一下你的这个最后是怎么使用的吗？
05:03 陈然 · Ran Chen：使用起来就是一个控制台哈，那非常简单。那我因为这是个英文考试哈，那平时都是用英文，但是我们今天作为展示，我们也可以尝试使用中文哈。我其实没有太使用过中文哈，我们可以试一下。我现在需要学习一下退休账户相关的知识。我记得有一些退休账户是免税的，有些退休账户是需要交税，但是退休取钱是-是不用交税的。一个是 Roth，一个是，是什么账户，我也不记得了。你教我一下。就非常简单地输入进去。好，好，它就读取了刚才我们提供的这个系统的指令。它就先问了我一些问题，说税前税后熟悉吗？比如工资在税前税后熟悉吗？你刚刚提的核心要点。OK，好，你看它就在问我问题，对吧？好，那我就告诉它呀。
05:47 陈然 · Ran Chen：我-我知道有两种退休账户，一种是叫 traditional 退休账户，一种是 Roth 退休账户。那这种传统的退休账户是按照税前的，我不用交税，但是取出的时候要交税。另外一种是我先要交税，但是我取出时候不用再交税。但是我不太记得它每年的额度是多少，以及它对应的年龄之类的，很多东西都不记得了。
06:12 人物A：你是语音输入文字，它自动识别，所以全程
06:15 陈然 · Ran Chen：啊，
06:15 人物A：是自然语言交互。
06:17 陈然 · Ran Chen：对对对对对。你可以看到他去网上，呃，去搜索这样的东西，他确保他教我的东西是正确的。
06:23 人物A：但这个时间有的时候需要等半天，是吧？
06:25 陈然 · Ran Chen：对，那因为他在网上搜索嘛，他在汇集很多的资料，他就会需要更长的时间。这个时候我也会有时候就会去看看别的什么东西。
06:35 人物A：嗯。
06:35 陈然 · Ran Chen：啊，好，你可以看他就会告诉我这是个什么东西，退休的不同账户的对比，关键的年龄点。他会再反问我一个问题，说这样子一个情况，他会选-选什么，他就会根据我的这样一个理解来再告诉我说我学的对不对。那我们可以再展示一下，说 OK，我现在，呃，哪些方向学的最不好。好，你可以看他，呃，我可以问他去哪些学的最不好，他就会去看我们之前的存下来的这样一个复习的进度，啊，他就会根据我们之前的复习的进度来给我可能更个性化的一些建议。
07:16 陈然 · Ran Chen：你可以看哈，根据我的进度，他会跟我说，啊，这个东西没有复习，有哪些是明显的知识差距的，说商业的税务和折旧有关的，啊，遗产的规划以及各种的，他就会，我就可以跟他说，OK，你来再教我这些东西，啊。
07:34 人物A：嗯。
07:34 陈然 · Ran Chen：因为我-我知识都存下来了，所以他其实是知道的。
07:38 人物A：OK。
07:38 陈然 · Ran Chen：啊，我们也可以看一下。对。
07:40 人物A：对，看存了哪些东西。
07:42 陈然 · Ran Chen：这里面可能存下来的东西有两大块儿，一大块儿是每天的我跟他交互的记录。那比如说这个大概有可能一两周的时间，我们随便打开，那它就是一天的一个记录下来了，今天我跟他都学了些什么东西。比如说这是一个退休的 Social Security，一个养老金的一个东西，有一堆年龄的东西，税务啊什么的。他会说，哦，我哪些问题是有问题的，没有学会，哪些问题是解决了，我今天都学了哪些东西，自信心是高还是中还是低，都学了哪些东西。好，他还有一个，每天他都会记录下来，他还有一个大的一个表。
08:20 陈然 · Ran Chen：好，这个大的表就是记录我整个学习的一个状态，哪些是没有学好的，哪些是学得非常好的，根据我们之前的历史记录，一共都学了哪些东西，你可以看这是个非常长的表。那这个表也不是我手动更新的，那完全是因为我们在这个里面定义了说，你需要把我们每次的会话的详情和每次总体的进度都要更新在这个文件里面，那它就会非常忠实地去根据你要求。
08:48 人物A：OK。
08:49 陈然 · Ran Chen：把我们学的东西都记录下来啊，这样子
08:52 人物B：嗯。
08:53 陈然 · Ran Chen：他就知道我到底学了什么。
08:55 人物A：明白，而且你还可以根据这个记录的内容去复习。
08:58 陈然 · Ran Chen：我可以自己去复习，我也可以让他去复习。我每次都是让他去帮我出题，对，帮我出几个，出-五个。我让他帮我出题目。
09:11 人物A：OK。
09:11 陈然 · Ran Chen：所以因为他知道我什么会，什么不会，都存下来了，所以他帮我出的题目一定是我最需要知道的题目。
09:19 人物A：OK，那就是假设，比如说你这是学的理财相关的知识，如果我想学投资相关的知识，那我是不是可以基于你的这个项目，我到时候去 GitHub 上下载下来，我把你这个 system prompt 改一下，对不对？
09:37 陈然 · Ran Chen：对，这个是完全没问题的。这个事情你也可以让 AI 帮你改。比如说你可以说，啊，我现在希望考-考另外一个考试。
09:47 人物B：嗯。
09:47 陈然 · Ran Chen：关于投资的，怎么更改来适应新的考试。这个东西也可以，你-你如果有些新的要求，你可以告诉他，你可以让他帮你去改这个文件，也是一样的。这就是有时候用 AI 最简单的方法就是让 AI 去帮你去做，啊，
10:04 人物A：OK。
10:04 人物B：你想要的事情，对。
10:05 人物A：它会问你是什么投资考试，是吧？
10:09 陈然 · Ran Chen：对。
10:09 人物A：怎么处理，怎么有有没有大纲知识点。OK，明白。对，所以这套方法其实还是非常简单易用的，可以用到很多场景的学习中，而且整个设置也没那么复杂，只是可能不太了解 Claude Code 去了解一下，或者是用其他的 IDE 啊什么都都可以实现。
10:28 陈然 · Ran Chen：对，呃，这套东西本质上没有任何复杂的地方。大家喜欢用的包括 Cursor，包括任何的都可以。只要你去指定它的系统的这个指令，用这样一个文件，你可以把这个文件复制到它的系统指令去也可以。
10:43 人物A：其实甚至是像 ChatGPT 或者 Gemini，或者是一些其他的对话机器人也可以实现。
10:49 陈然 · Ran Chen：对。
10:49 人物B：但是
10:50 陈然 · Ran Chen：他-但是他们
10:50 人物A：可能就没法写记忆，对，没法写
10:52 陈然 · Ran Chen：对，那他们的记忆就会比较短。
10:55 人物A：对。
10:55 陈然 · Ran Chen：这是唯一的问题。
10:56 人物A：OK。好的，谢谢，非常感谢陈然哈，就是这个
11:00 陈然 · Ran Chen：好的。
11:00 人物A：技巧非常实用，大家
11:01 陈然 · Ran Chen：啊。
11:02 人物A：也可以参考着学习一项你一直想学，但是可能一直也没有时间去学的东西。这个方法还是非常好用的，而他也是通过这个快速地就考过了他想拿到的证哈。
11:13 陈然 · Ran Chen：是。
11:14 人物A：好的，谢谢陈然。
11:16 陈然 · Ran Chen：好。
11:16 人物A：拜拜。
继续阅读
全部内容
什么重要，什么不重要：AI Coding 落地里的 Intellectual Honesty
最近跟一家公司的团队聊了快两个小时，主题是 AI coding 到底怎么在公司里落地。老板在，开发、测试、产品都在，我在 Pure Global 的搭档 DJ 中途也上来了。 老板开场就讲了他们的困惑：几个月前，几个人扑在上面，想用 AI 把一个内部的 CRM 重写一遍，做了几个月，最后也没上线。他觉得“哪个地方有点问...
AI 面前人人平等
每次我说“AI 面前人人平等”，最容易得到的反应，往往是一句怀疑。 你是工程师，在硅谷做了这么多年技术，现在又花很多时间用 AI，当然可以说人人平等。一个从没写过代码的人，怎么可能跟你站在同一条起跑线上？ 这个质疑很合理。我确实有优势。工程训练让我更熟悉抽象、接口、调试和系统边界；用得多，也让我见过更多模型犯错的方式。...
陈然：全职奶爸，清华，CMU，AI斩杀线，0人公司，百亿token，财务规划，职业选择，创业收购，主体性，硅谷
这次和月球大叔聊了从清华、CMU 到硅谷创业公司的经历，也聊了全职奶爸、财务规划、零人公司，以及 AI 如何改变工作和公司的组织方式。赚钱是为了更好的生活，工作应该服务于自己想过的人生。 本期时间线 以下时间点来自原视频与小宇宙播客说明，对应 1:56:15 完整版。 00:00 精彩预告 00:41 嘉宾介绍：陈然的...