很多人谈自学，习惯把注意力放在“书选得好不好”“视频讲得清不清”“老师水平高不高”上，但只要真正长期自学过，就会慢慢意识到一个并不讨喜的事实：决定你能不能学会的，往往不是讲解质量，而是练习是否存在、是否合适，以及你是否真正进入了练习状态。
中学阶段之所以能学会那么多东西，并不是因为老师讲得多么高明，而是因为学习路径本身就是围绕“练习”设计的。新知识出现后，会有大量对应的题目，从单点到组合，从简单到复杂，错误是被默认允许的，甚至是被期待的。理解原理的作用，是防止你在练习中迷路，但真正让能力形成的，是反复操作、反复出错、反复修正。等到某一层知识真正固化之后，人就不再需要在使用时进行推演，注意力被释放出来，才能用于处理更高层的问题。这一点和大模型的运行方式非常相似：如果底层模式没有被充分训练，每一次调用都要“重新算一遍”，那么再强的推理能力也会被低层消耗拖垮；只有当基础模式被充分学习并内化之后，模型才能把计算资源用于更复杂的组合和决策。人类学习同样如此，真正的进步，往往发生在那些“不再需要想该怎么做”的时刻。
当学习卡住时，问题通常也不复杂。要么是前置知识并没有真正固化，使用时还需要大量推演；要么是当前这一步的练习难度跳跃过大，一道题同时考察了多个新点，让人甚至不知道自己到底卡在哪里。这里有一个非常实用、也非常残酷的判断标准：如果在使用某个知识时，需要反复回忆定义、重新推演步骤、不断在脑子里“从头来一遍”，那说明这个知识其实还没学会，只是被理解过。这种情况下，继续往前学只会占用大量注意力，学习效率会急剧下降，正确的做法只能是回退，对这一部分进行更密集、更针对性的练习，直到使用时不再需要推演。另一种情况，则是练习本身设计得过于跳跃，需要拆题，把“综合任务”拆成可以单独训练的子步骤。相反，如果练习永远只考单个知识点、永远能轻松做对，那学习同样会失效——这时就需要适当复合出题，让已经掌握的简单知识在组合、取舍和选择中被再次锻炼。
对失败的看法，在这里尤其关键。除了小学那种操作性极强的内容，进入真正有难度的学习阶段后，练习一开始做错一半甚至更多，完全是正常现象。高中阶段那些“变态题”，几乎没有人是一开始就能做对的，很多能力就是在题海和大量错误中慢慢长出来的。失败在这里不是评价，而是信息：它告诉你哪里还没自动化，哪里一换条件就崩。没有失败的练习，几乎不提供任何有效反馈。
当学习对象变成一些小众技能或非标准化领域时，这一点会更加明显。很多时候并不存在一套设计良好的习题，书和视频更多只是说明书或经验总结。这时如果仍然执着于“再找一个讲得更清楚的资料”，往往只是在缓解焦虑，而不是提升能力。真正有效的做法，反而是花精力重新设计练习，哪怕这些练习看起来很“土”：照着例子完整跑一遍，把流程走通；把真实任务拆小，逐步完成；在实际操作中观察哪里会出问题，再针对性重复。
所谓“把戏过手”“照着例子跑一遍就会”“干中学”，并不是轻视理论，而是承认一个现实：有些事情本身就没有合适的练习题，只能把实操本身当作练习。只要你在做的过程中是有意识的，有复盘的，有针对改进的，那它和传统意义上的“刷题”在本质上并无不同。
从这个角度看，自学的核心并不是找到最好的书或视频，而是尽快进入一种“可练习”的状态；当现成练习不存在时，就主动把现实问题改造成练习。理解给你方向，书给你路线图，但真正把能力刻进脑子里的，始终是那些反复出错、反复修正、慢慢不再需要推演的时刻。只要这一点不丢，自学这件事就始终是可行的。