当前同时参加多个考试，为了提高效率，研究出了高效应试的实施流程。基于大前研一的MECE流程，简单而可信。

快速结论

• 流程：先测试当前水平，分析当前与要求的差距。然后对知识体系进行分析，生成可枚举的树，最终分析知识权重，基于ROI进行实践
• 质量：强调JIQ（Just In Quality），基于”提分“去快速实施，拆解为工时，而不是既要又要还要。

个人没有参加考研等自学经历，但是在日常接触中，有名校备考经历的同事或者雅思高分的同事，观察到他们也是采用了类似的应试方法。

本流程在计算机考试、日语/英文语言学习等过程中均有效果。

制定约束

分析差距

首先进行一次模拟自测，无需任何准备，主要目的是熟悉考试格式与时间，考试内容的难度。通过考试我们可以得出一个自测分数，并结合校企的要求，就可以得到分差

1

分差 = 检定合格分数 - 当前分数水平

要想提高分数，就要减少错题，目标是降低分差。

在正式考试前，要做到每完成一段准备就能证明提高了多少分，如同项目管理的CMMI成熟度一样。

提分一般有具体的学时估算，比如雅思提高一分需要200小时。

倒排学时容量

根据客观约束的考试时间与自己业余时间，倒排自己的学时。比如2个月后考试还需要上学上班的场景下，最多每周肝出（6+8+8）的小时，那么22*4*2=176小时就是唯一的时间。

你必须在规定的时间内找出自己的不足并提高分差，超过此时间会导致睡眠不足抵抗力下降，得不偿失。或者放弃一些工作加班时间，有得有失。

明确目标和决心

教育资源的普及（MOOC/ChatGPT）并不会缩小人之间的差距。需要有

• 精力：比如30岁与22岁相比：更容易犯困；难以专注数小时；下班后只想打游戏看剧；
• 自驱力：功利驱动？焦虑驱动？还是自我实现？很多考试内容就是单纯的死记硬背。

拆解任务

寻找理论题纲与权重

在了解考试要求内容后，需要将理论知识点进行树状导图分类，主要是Scope and Depth，一定要通过Top-down的方式进行枚举，主要知道“它有啥”

• Top-Level：先输出TOP提纲，总个数控制在7个左右，而且分类要互斥，最好找现成的分类。分类最好是按照考纲/通识课本的标准去分解，而不是用入门课本的章节来分解（课本大部分会打乱顺序便于层层递进）
• Second-Level：过一遍所有的二级定义，需要枚举互斥。这里可以不要求立刻明白，但是要至少第二次看到关键词时能回忆到章节位置，便于后续查资料。

验收标准：能够默写出这两级的tree的内容和权重，输出思维导图，如果术语间关系不清晰就不要向下走，权重不清晰就没法估算提分差值。

比如英语考试，需要有 1. 单词量死背的要求 2.语法提纲。比如我写的提纲

以计算机理论考试为例，需要有：计算机组成，数据结构，算法等

寻找考试题纲与权重

比如英语考试，需要两个提纲

• 应试提纲：听说读写。以及相关的重点句子与单字，举例。

以计算机理论考试为例

• 应试上需要：同样也是模版，比如UML设计/程序阅读/常见算法模版等

考试题纲与理论提纲并不互斥，而是需要同时掌握。只掌握理论就会泛而不精，难以度量估分；只掌握模版会导致题海战术，处处卡在基础上。

寻找备考指南

我们要Study with a guidance，这里可能需要耗费大头的时间进行供应商选择，比如

• 收费供应商的收费方案

  • 实体班课机构
  • 在线收费课程

• 收费供应商的免费方案/开源方案，主要用于引流

• 自己规划方案：在线课程或者网课视频等；硬啃书本；零散视频或者博文

对于快速提高分差（即高ROI）这一课题，对个人的管理经验与自信心要求极高，甚至大部分是在走弯路，因此不要轻易尝试自己规划考试指南。个人推荐英文的收费方案，甚至免费版也国内收费版质量更好。找到一个英文的收费网站基本上就走对了一半。

估算任务耗时

通过咨询同学同事、培训机构等。了解提分的耗时，比如IELTS从5.5到7，平均需要花费300个小时^[1]。从4.5（6级过线）到5.5（B1）甚至需要参加至少40小时的基础培训（不含作业）。

实施与调节

验证并输出完成标准

选择完成考试指南后，就可以初步进行尝试了。备考是从不确定走向确定的过程，到底是选择刷题还是背书，取决于当前阶段个人的分差，个人建议时间分配如下

• 80%：基于权重优先掌握理论知识，不要急着刷题。如果首次刷题正确率低于70%就不要刷了，否则改正的时间会接近一比二，太打击学习信心。
• 10%：理论学习完成后，进行“重点专题”的刷题并改正，要求所有的题都能逆向到知识点中
• 10%：专题刷题完成后，进行“真题模拟”，要求找出小技巧，看下丢分点是否能提上来

最重要的是控制刷题与改正的时间比例，尽可能占比低于30%，考试在均分70分以上。错题不要积压。

PERT与估算工时

总工作量是基于“技能点”实时变化的，上述题目刷了几次后，就大致了解套路了，然后才能更细化地排期，比如通过手机的Screen Time分析刷题效率。最后就可以使用WBS或者PERT等管理工具具体排期与分析工时了。

常见疑问

Q：我更喜欢直接刷题，比如考驾照/LeetCode很快就通关了

A：不要妄想通过刷题来反推提纲，一定要基于专业书籍的Pattern来拆解，否则

• 永远做不完，难以估算分数差距，无法盘点进展，更不知道何时结束任务
• 题海效率复杂度为O(ln)，后期收益低
• 通过驾校考试后敢开车吗？

如果题目难度较低（比如驾校考试），或者只考虑top 100的题目，那么这种场景是够用的。但是必须投入时间的知名考试，比如雅思/JLPT的话刷题就不是捷径。

Q：押题与考经

A：如果题目topic非常多，那么不推荐，ROI太低。

Q：我刷了很久题，看了很多书，效果也不是很好

A：一定要用“客观”的权重作为决策依据，要形成“范弗里特弹药量”

• 不要贪多而深入刷一个类（比如耗费精力折腾Hard题目，ROI太低，找不到权重）
• 错题比例要控制下，不要积压，确保降低错题库存
• 不推荐长期混序刷题（ROI太低，会被思路给打扰，丢失信心）
• 看题需要从读题流程入手改正，将应试用到极致

Q: 我不喜欢按部就班地用拐杖，而更喜欢灵活的、自由的方式
A: 的确，按部就班意味着可预测，自然是无趣的。如果时间要求不是非常紧急，或者非应试场景的话，可以更加自由地探索（更高的熵，更多的失败经历，有无限的可能性），但是更可能会把事情拖死。比如很多人背五十音就背了两年，或者大学四年也没过四级。

Q：我认为这种方式是一种敷衍，就算考试通过了，做事情也没有要端到端真正掌握
A：的确，本来就是一种无奈下的应试驯化或者投机。个人认为“掌握”是一个很严肃的定义，“工作/考试中会使用”只是经验维度，而真正学到形而上才算掌握。比如“递归算法”要了解“单子论”，“英语”要了解到“语言学”，否则和GPT模型猜答案没有本质区别。

至于功利化，比如考试中不考的内容，即使在现实生活中非常有用，我们也可以不投时间，比如

• 外语考试中，假如没有“写”的要求，那么可以只记忆“输入”单词，即使它真的有用。
• 计算机领域，假如面试只考刷题，那么就没必要去读工程代码，即使工程经验才是搬砖必备。
• 如果想真正掌握，那么必然是长战线。比如语言考试培训必然不会使用NGL/TED教材的。

Q：我认为“千招会不如一招绝”
A：应试是主要用来考察短板的，而不是去当赌狗。与追求爆发的机会的商业竞争不同，均衡发展是更好的。此外，知识存在失效半衰期，肯定是优先学习不会变质的基础知识更好。

Q：资料黑名单
A：国内社交媒体，不限于某乎/某书。专业领域尽可能不要用中文资料。上实体培训课程尽可能找熟人推荐，点评也算勉强中立。

附录

这种方法并不是快餐化，相反它作为通用流程，在处理短时间无法逆向的事物时，都能够快速找到边界。

• 从零学开车，不需要掌握发动机物理原理
• 从零搭建机房，而不需要掌握施工知识
• 学习高级语言编程，不需要掌握Verilog
• 投资/加入一家公司，看它是否值得加入（这里会有复杂性问题）

大前研一的《思考的技术》中就使用了这种枚举的拆解方法，但是他说的比较暧昧，比如"需要灵活性"，属于形而上的“心で感じる”，而本文是应试场景下定制的固定流程。