想必到了一定年龄之后，应该沉淀的是方法论和思维方式。一些原本零散的经验，在这个阶段开始受到极大的挑战，甚至产生了深深的质疑。我在这里的建议是分四步迭代思考。首先是根据自己的认知理解，对具体问题进行梳理和总结。这是你可以做到的，而且相对容易实现。相对来说，总结一个问题还是比较简单的，总结一类问题稍微难一些。下一步就是将多个问题通过排序和归纳串联起来，即发现它们之间的关联，更有效地进行区分和拆分。这样的阶段难度比较大，因为涉及的工作量巨大，是从点到面，从面到体的更高维度的挑战。最后是系统方法的补充，也就是说我解决了一类问题，我觉得还不错。我们可以参考一些业界通用的方法和方法，回头看看我们当初卡在了哪里，是认知问题还是选择性逃避。最后是通过系统化、结构化的方法重新审视我们的认知系统。似乎是一个上升的螺旋。比如学习机器学习，如果找到很好的课程或者资料可以系统学习，我会先进行启蒙学习和扫盲，先了解一些基本概念，然后再按照课程的要求进行学习。我在阶段最大的收获是，如果我不做笔记，不练习内容，就和看了几天没学一样。只要照着书敲代码，我就会有一个大概的概念。目前印象比较深刻的是，在刚开始学习K-Means算法的时候，我是按照整个算法的演示过程手动计算和练习的，所以到现在我还是可以快速弥补这个思维短板的。点对面的学习难度大很多，所以这个阶段最好通过脑图排序，或者Excel式的表格排序。个人比较喜欢Excel表格格式，尽量避免ppt式的归纳排序。基本上，不断的提炼会让你的思路和认识更加清晰。这种碎片化会带来系统性思维的提升。接下来是理论知识，专业知识为辅，通常是跨学科知识。很多时候并不完全是从技术角度来看。最后就是自省，去回顾一下，自己当时是什么状态，瓶颈出现在哪个环节。这个过程也能给自己带来更多的借鉴，以后可以改进。所以从这个角度来看，我们很多快车道的研究其实是有问题的。至少从心态上，我们已经开始走捷径了，一帆风顺，遇到问题就傻眼了。另外，我们很多知识储备的学习，本质上并不是学得越多越好，而是在认知理解上能够形成自己的知识体系，具有一定的辨别能力。
