Action First Learning Loop

---
name: action-first-learning-loop
description: 当陷入过度准备、信息过载（“教程地狱”），而迟迟无法开始时
---

# action-first-learning-loop

## When to Use

当陷入过度准备、信息过载（“教程地狱”），而迟迟无法开始时description

## Core Logic

# 执行步骤

1.  **最小化启动**
    *   **输入**：基础知识和一个明确的启动行动（如“写第一篇文章”、“做第一次销售通话”）。
    *   **操作**：在认为自己“还没准备好”之前，立即执行这个最小化的启动行动。接受最初成果的粗糙和不完美。
    *   **判断标准**：行动已经发生，获得了第一次真实世界的反馈。
    *   **输出**：一次初步的行动尝试及其直接结果（可能是失败）。

2.  **分析具体障碍**
    *   **输入**：一次初步的行动尝试及其直接结果。
    *   **操作**：
        *   **IF** 行动失败或结果远低于预期：**THEN** 冷静分析导致失败或效果不佳的**具体、单一**原因（例如，“不是时间不对，而是开场白没有引起兴趣”）。
        *   **ELSE** (行动成功或符合预期)：**THEN** 记录成功因素，并扩大行动规模或复杂度，进入步骤4。
    *   **判断标准**：问题被定位到一个可解决的具体点上，而非模糊的“我做得不好”。
    *   **输出**：一个明确的、待解决的具体问题。

3.  **针对性搜寻学习**
    *   **输入**：一个明确的、待解决的具体问题。
    *   **操作**：以此具体问题为关键词，主动搜寻解决方案（如询问他人、搜索资料、查阅案例）。学习范围严格限定于此问题。
    *   **判断标准**：学习活动有明确的边界，旨在解决已遇到的具体障碍，而非泛泛学习。
    *   **输出**：一个或多个针对该问题的潜在解决方案。

4.  **应用并迭代**
    *   **输入**：一个或多个针对该问题的潜在解决方案。
    *   **操作**：将学到的方法应用于下一次行动尝试中。
    *   **判断标准**：新的尝试融合了上一次的教训和新学到的知识。
    *   **输出**：新一轮的行动尝试及其结果。随后，回到步骤2，形成“行动-失败/分析-学习-再行动”的循环。

# 输出格式要求
使用循环图展示“行动 → 结果分析 → 针对性学习 → 再行动”的闭环。提供一个“行动-学习日志”模板，包含“本次行动”、“遇到的问题”、“学到的对策”、“下次调整”等字段。

## Metadata

| 属性 | 值 |
|------|-----|
| 领域 | 学习与执行 |
| 类型 | procedural (procedural) |
| 置信度 | 90% |
| 前置条件 | 已掌握某个领域的基础知识（参考“fundamentals-vs-tactics”模型）, 有一个明确的过程目标或启动行动（参考“process-oriented-goal-setting”模型） |
| 来源 | 重获专注力的八个步骤 - 在行动中自我教育 |