本实验使用 https://github.com/goldengrape/skills/tree/main/crash-course-learning-okf-factory 中设计的工厂skill，生产出宏观经济学7天速成课的教学skill(macro_crash_course_teaching_skill)，将教学skill打包存入ChatGPT项目中，然后每天在项目内，新开一个对话，输入：
“详细阅读macro_crash_course_teaching_skill ，我要开始day X的学习，注意撰写教师notebook文档并随对话同步更新”
开始每日的学习，学生输入对话时可以在手机、电脑上以文字输入，也可以用语音，学习时间不定，常见在早上和睡前，学习过程不连续，但在一天内完成。
以下实验报告由ChatGPT根据对话记录、学生学习记录和教师notebook记录总结形成。
一、实验概况
这次教学实验的目标，是在约 7 天、每天约 1 小时的条件下，让零基础学习者建立宏观经济学的基本概念地图，并能够用较稳定的语言解释常见宏观问题。课程不是以刷题应试为唯一目标，而是把“能否解释清楚”“能否判断机制”“能否把不同知识点连起来”作为主要标准。
从结果看，这次实验基本达成目标。学习者从 Day 1 的 GDP 与国民收入核算开始，逐步进入 CPI、通胀、失业率、AD-AS 模型、财政政策、货币政策、经济周期、Phillips curve、开放经济与关税问题。Day 1 已经完成 GDP、nominal GDP、real GDP、GDP deflator、支出法和库存投资等基础内容，测验为 38/40，状态记录为 completed，说明开端较稳。 Day 7 的最终总测为 102/110，约 92.7%，并达到 completed_course_passed。这个结果说明，学习者不只是记住若干定义，而是已经能够处理带有冲击、政策、长期调整和开放经济条件的综合题。
这门课的实际学习时间明显超过原计划。多日记录显示，原计划为 60 分钟，但实际往往达到 75–90 分钟以上。Day 2 记录为 estimated_90_plus，并且在主线之外追加了 CPI 如何影响科技股、Chained CPI、CPI-U/CPI-W、地区 CPI 等扩展问题。 Day 3 也记录为 estimated_90_plus，且因学习者提出图像教学需求，加入了大量程序图示与视觉化材料。 因此，这更准确地说是一门“7 天高密度互动速成课”，而不是严格 7 小时课程。
课程主线设计较清楚：前两天解决“如何衡量经济”，第三天引入“如何解释波动”，第四、五天分别进入财政政策和货币政策，第六天整合经济周期、稳定政策和 Phillips curve，第七天做总复习并补开放经济最低框架。这条路径符合宏观经济学入门的自然顺序：先有指标，再有模型，再有政策，再有政策限制。Day 6 记录明确把前五天内容合并成完整宏观波动框架，包括经济周期、产出缺口、稳定政策、Phillips curve、滞胀、预期和长期调整。
二、教学过程回顾
1. Day 1：从 GDP 建立“宏观总量”的入口
Day 1 的重点是 GDP 与国民收入核算。学习者掌握了 GDP 定义中的几个关键限定：一定时期、境内生产、最终产品和服务、市场价值。同时，课程通过面粉和面包的例子说明为什么 GDP 只计算最终产品，避免重复计算。学习者还掌握了支出法 Y = C + I + G + NX，并理解 I 不只是企业买机器，还包括固定投资、新住宅和库存变化。
这一天的教学价值在于，它没有把 GDP 讲成孤立定义，而是把 GDP、最终产品、增加值法、支出法、nominal GDP、real GDP 和 GDP deflator 放在同一条解释链里。学习者能用“名义 GDP 同时受价格和产量影响，所以名义 GDP 上升不一定代表真实产出上升”这样的句子作答，说明已经开始建立经济变量之间的关系。
Day 1 也暴露出一类典型问题：概念边界容易口语化。例如“国内”容易被理解成国籍口径，后续被修正为“境内生产”；GDP deflator 是价格指数，其增长率才是通胀率；I 不只是企业投资，也包括库存变化。这些纠正看似细小，但对后续学习很重要，因为宏观经济学很多错误都来自定义边界不稳。
2. Day 2：从价格与劳动力市场进入现实数据
Day 2 处理 CPI、通胀、购买力、失业率、劳动参与率、灰心工人和三类失业。学习者能完成 CPI 与通胀率计算，能解释 CPI 的替代偏误、质量变化偏误和新产品偏误，也能说明灰心工人退出劳动力市场后，官方失业率可能下降但就业市场未必改善。Day 2 终测为 45.5/50，整体稳定，但劳动参与率出现明显错误：把劳动参与率写成就业人数/成年人口，而正确公式是劳动力/成年人口。
这个错误后来成为课程中反复追踪的薄弱点。它的意义不只是一个公式错了，而是提醒我们：学习者很容易把“就业人数”“劳动力”“成年人口”“失业人数”混成一个模糊集合。因此，课程后续不断用对比句修复：失业率的分母是劳动力，劳动参与率的分母是成年人口；就业人数/成年人口是就业人口比率，不是劳动参与率。
Day 2 另一个重要特征是“兴趣牵引”。学习者主动问 CPI 和失业率为什么会影响科技股。课程没有立刻完全展开资产定价，而是把问题暂时压缩成一条传导链：宏观数据影响市场对利率、经济需求和企业盈利的预期，进而影响资产价格。这个问题被安排到 Day 5 货币政策、Day 6 Phillips curve 和 Final review 继续使用。 这说明课程不是机械推进，而是把学习者的真实兴趣登记下来，转化为后续例题。
3. Day 3：用 AD-AS 把指标变成模型
Day 3 是课程的转折点。前两天主要是定义和计算，Day 3 开始进入模型推理：AD、SRAS、LRAS、短期均衡、长期均衡、产出缺口和长期调整。学习者学会用 Y = C + I + G + NX 判断 AD 左移或右移，用油价、工资、原材料、自然灾害判断 SRAS 移动，用技术进步、教育改善、资本积累判断 LRAS 右移。
这一天也出现了关键困难。综合练习总分为 79/95，达到继续标准，但有两个重要易错点：第一，AD 右移时短期通常是 Y 上升、P 上升，而学习者曾把 P 写成下降；第二，负向供给冲击后，如果短期 Y < Y*，长期自我调整通常来自工资和成本压力下降，使 SRAS 逐步右移，而不是 AD 自动右移。
Day 3 的教学改进很明显：学习者反馈 ASCII 图不适合复杂曲线，要求后续优先使用程序图或权威图示。课程随即调整为视觉教学层，后续使用 AD-AS 图、货币市场图、Phillips curve 图等。这是本实验的一个优点：教学方法不是预设不变的，而是根据学习者的理解障碍及时调整。
4. Day 4：财政政策与政策取舍
Day 4 从 Day 3 遗留点修复开始，再进入政策干预、财政政策、政府购买、税收、转移支付、乘数、自动稳定器、挤出效应和政策时滞。课程明确提醒：政策干预的核心不是让 LRAS 立刻移动，而是在短期通过 AD 改变均衡；衰退性缺口下，扩张性政策使 AD 右移，短期 Y 上升、P 上升。
学习者对财政政策的理解较快稳定。能够区分政府购买直接进入 G，转移支付不直接进入 G，而是通过家庭可支配收入影响 C。在乘数部分，学习者能计算政府购买乘数、减税乘数和平衡预算乘数，也能解释现实中乘数为什么可能小于简单模型：储蓄、税收、进口漏出、产能限制、价格上涨、利率上升和挤出效应都会削弱效果。
Day 4 一个很有价值的延伸，是学习者追问是否存在影响 SRAS 的政策。课程借此区分需求侧稳定政策、短期供给侧成本政策和长期 LRAS 政策：能源补贴、降低企业税费、缓解供应链可以影响 SRAS；教育、基础设施、研发、资本积累、移民、劳动参与和制度效率则更多影响 LRAS 或潜在产出。 这个问题说明学习者已经不满足于“财政/货币政策移动 AD”的简化模型，而开始关心政策工具与曲线类型的对应关系。
5. Day 5：货币政策、利率与资产价格
Day 5 进入货币政策。课程围绕中央银行、公开市场操作、准备金、货币供给、利率、投资、货币需求、名义利率和真实利率展开。学习者掌握了央行买债和卖债的传导链：买债使准备金增加、货币供给增加、利率下降、投资增加、AD 右移；卖债则相反。Day 5 记录显示，开场复查为 75/75，综合货币政策为 113/115，混合政策识别为 58.5/60，整体非常稳。
这一阶段的特点是把 Day 2 的兴趣问题真正接上。学习者之前关心 CPI、失业率、利率和科技股之间的关系，Day 5 用货币政策和资产价格通道解释：通胀与就业数据影响央行利率预期，利率影响企业融资成本、耐用品消费、住房相关消费，也影响未来现金流折现，因此成长型科技股对利率变化更敏感。Day 5 的教师记录也显示，课程开头专门复查 Day 4 与利率入口，以免财政政策与货币政策混淆。
这一天仍有边界问题需要修复。例如单家银行第一轮贷款与整个银行体系存款创造不能混为一谈；真实利率公式需要稳定使用；货币政策效果依赖银行放贷、企业投资和家庭消费意愿，当预期悲观时，低利率和新增准备金不一定能有效转化为总需求。Day 5 的好处是没有停留在“央行一降息经济就好”的线性理解，而是引入传导不畅这一现实限制。
6. Day 6：经济周期、Phillips curve 与滞胀
Day 6 把前五天内容合并，重点是经济周期、衰退性缺口、扩张性缺口、稳定政策、Phillips curve、负向供给冲击、滞胀、通胀预期和长期调整。学习者能够解释扩张性政策使 AD 右移，短期 Y 上升、失业率下降、通胀压力上升；也能解释负向供给冲击使 SRAS 左移，造成 Y 下降、P 上升、失业率上升、通胀压力上升。
Day 6 的阶段性练习很强：供给冲击与滞胀为 20/20，综合判断题为 25/25，综合测验为 94/100。 更重要的是，学习者开始形成对宏观政策限制的现实感：AD 政策可以应对需求冲击，但不能根治能源、供应链、灾害、生产成本等供给冲击；如果通胀预期上升，Phillips curve 会整体上移；长期中不能用更高通胀永久换取更低失业。
这一阶段还引出了“国家能力与系统性风险”的思考。学习者意识到能源冲击、自然灾害、供应链中断、公共卫生危机和金融恐慌并不是单个家庭或企业能独自处理的风险，国家的作用不只是刺激 AD，还包括缓冲供给冲击、维护基础设施、稳定金融系统、建设储备、提高长期生产能力。这说明课程已经从模型训练进入到宏观经济学的制度与现实层面。
7. Day 7：总复习、开放经济与关税
Day 7 的目标不是继续堆新概念，而是把前六天内容压缩成可调用框架：指标、模型、政策、限制。课程又补了开放经济最低框架，包括 NX = exports - imports、汇率、资本流入、本币升值、开放经济下紧缩政策对 I、C、NX 和 AD 的影响。最终总测 102/110，约 92.7%，课程通过。
Day 7 也修复了几个剩余错误：GDP deflator 公式偶尔写反，CPI 定义需要补“固定消费篮子”，乘数现实限制需要写完整，真实 GDP 下降和失业率上升是结果，不应直接当成冲击来源，资本流入不等于央行增加货币供给，外国购买已有股票债券也不一定计入 GDP 中的投资 I。这些错误都属于“边界型错误”：大框架已经会了，但细节口径还需要间隔复习。
课后追加讨论关税，说明课程最终已经能够处理更复杂的现实问题：关税可能减少进口，提高 NX，对 AD 有右移压力；也可能提高进口消费品价格，降低实际购买力，压低 C；如果关税提高进口中间品成本，还会使 SRAS 左移；如果贸易伙伴报复，出口下降，NX 也会下降。因此关税不是简单的“提高本国产出”工具，而可能带来通胀压力、贸易摩擦和效率损失。
三、实验优点
第一，课程主线清楚，概念顺序合理。它不是从抽象模型直接开始，而是先用 GDP、CPI、失业率建立观察经济的仪表盘，再用 AD-AS 解释波动，再进入财政政策、货币政策、Phillips curve 和开放经济。学习者因此知道每个概念放在哪里，而不是记一堆孤立名词。
第二，课程始终使用“定义—机制—例子—考试表达”的结构。比如 CPI 不只是“价格指数”，还要解释固定消费篮子、替代偏误、质量变化；财政政策不只是“政府花钱”，还要区分政府购买、转移支付、减税以及它们进入 AD 的不同通道；货币政策不只是“降息刺激经济”，还要说明准备金、货币供给、利率、投资和 AD 的传导链。
第三，检索练习和盲测设计有效。几乎每天开头都有前一天内容复查，作答前不展示答案或评分细则。Day 2 教师记录明确规定，先 Recall，再 Map，再 Core，再 Feynman，再 Exam practice，最后 State update。 这种安排避免了“刚看完就觉得会”的假熟练，能暴露劳动参与率、AD 右移价格结果、真实利率、GDP deflator 公式等细小但重要的问题。
第四，课程善于记录和修复错因。每次错误都不是简单说“错了”，而是转化为 misconception、纠正句、recall card 和下一次复查点。例如劳动参与率错误在 Day 2 出现后，被写成“劳动参与率 = 劳动力 / 成年人口；就业人数 / 成年人口是就业人口比率”，后续继续抽查。 这种做法使错误成为学习材料，而不是一次性反馈。
第五，学习者兴趣被纳入课程。科技股、利率、CPI、失业率、供给侧政策、国家能力、关税等问题都来自学习者主动追问。课程没有任由扩展问题打乱主线，而是先给短桥，再在后续章节系统吸收。例如科技股问题在 Day 2 先做预告，Day 5 用利率和资产价格通道解释，Day 6 用经济周期和 Phillips curve 补上政策取舍。这种“主线稳定、兴趣接入”的设计很适合成人自学。
第六，图像教学调整及时。Day 3 后，学习者明确指出复杂曲线不适合 ASCII 图，课程随即改用程序图或权威图示，并要求讲曲线时先说明横轴、纵轴和移动方向。对于 AD-AS、货币市场、Phillips curve 这类图形密集内容，这个调整显著降低了理解成本。
第七，最终形成了可迁移的答题模板。课程最后留下了 AD-AS 冲击题、财政政策题、货币政策题、Phillips curve 题、滞胀题、开放经济题的模板。这些模板不是死背答案，而是把“先找冲击来源，再判断曲线移动，再写短期结果，再写长期调整和政策限制”固定下来。对后续学习其他社会科学或模型类学科有很强参考价值。
四、实验不足
第一，实际时间超出原计划。虽然名义上每天 1 小时，但多天达到 90 分钟以上。对于强兴趣学习者，这种加深是好事；但如果要复制给时间更紧的人，必须压缩扩展问题，否则会造成疲劳。
第二，Day 3 的模型跳跃较大。前两天以定义和计算为主，Day 3 突然进入 AD、SRAS、LRAS、短期均衡、长期调整、产出缺口，认知负荷明显增加。综合练习只有 83%，也说明曲线模型需要更多过渡。后续迁移到其他学科时，如果某一天从“概念记忆”跳到“模型推理”，应提前安排桥接练习。
第三，部分概念的“卷面定义”反复不稳。比如 GDP deflator 公式、CPI 固定篮子、劳动参与率、资本流入与货币供给的边界。这些问题不是不会，而是在高密度学习中容易被相近概念干扰。下一轮课程应把“易混公式和边界”单独做成每日 3 分钟小卡，而不是只在出错后修复。
第四，课程内容偏重短期宏观波动，对长期增长、国际宏观和金融市场只做了最低限度补充。这符合 7 天游速成课定位，但如果学习者希望继续深入，Solow 模型、IS-LM、Mundell-Fleming、央行反应函数、财政可持续性等内容仍需要后续课程。
第五，评估方式主要是教师侧评分和综合题，缺少延迟测验。7 天内分数较高，说明即时学习效果好，但还不能证明两周或一个月后仍能稳定调用。后续必须加入 3 天后、1 周后、2 周后的间隔复习，否则速成课容易出现“短期会、长期忘”。
第六，课程高度依赖学习者主动表达。这个实验中，学习者会主动追问、纠错、提出图像偏好，并愿意做较长回答。若迁移到更被动的学习者，课程需要更强的引导问题、更短的任务、更明确的阶段奖励。
五、迁移到其他学科的建议
这次实验最值得迁移的，不是宏观经济学具体内容，而是教学结构。可以抽象成六个步骤。
第一，先做课程地图，而不是直接讲知识点。任何学科都应先回答三个问题：这门课研究什么对象？核心变量是什么？最后要能解决什么类型的问题？宏观经济学的地图是“指标—模型—政策—限制”；迁移到认识论，可以是“知识定义—怀疑论挑战—证成理论—科学知识”；迁移到统计学，可以是“数据—分布—估计—检验—模型”；迁移到计算机系统，可以是“抽象接口—资源管理—并发—故障—性能”。
第二，每天只设一个主问题。Day 1 是“GDP 如何衡量总产出”，Day 2 是“价格和失业如何衡量经济状态”，Day 3 是“经济波动如何用 AD-AS 表示”。迁移时也应避免一天塞太多平行概念。比如学科学哲学时，某一天只处理“归纳为什么成问题”，不要同时讲休谟、波普尔、库恩和贝叶斯。
第三，使用固定教学循环：回忆旧知识、引入新地图、讲核心概念、做小题、做综合题、记录错因。这个循环在本实验中效果很好。尤其是开头的 recall 和结尾的 state update，能把短期对话变成可持续课程。
第四，把错误写成可复用材料。每个错误都应转化为三样东西：纠正句、易混对比、下一次复查题。比如“劳动参与率不是就业人数/成年人口”就是一个很好的纠正句。迁移到编程课，可以把错误写成“数组下标从 0 开始，不是从 1 开始”；迁移到逻辑课，可以写成“有效性关心推理形式，不关心前提是否事实上为真”。
第五，保留兴趣接口，但不让兴趣破坏主线。学习者问科技股、关税、国家能力时，课程没有说“这不是今天内容”，而是给出短桥，并记录到后续课程。迁移到其他学科也应如此：学认识论时，学习者可能问 AI 是否知道；学统计时，可能问民调是否可信；学编程时，可能问真实项目如何部署。教师应先简短回应，再安排到合适位置展开。
第六，最后必须生成压缩模板。速成课的成果不应只是一堆聊天记录，而应有最终 1–3 页压缩笔记、公式表、易错表和答题模板。宏观经济学最后形成了 AD-AS、财政政策、货币政策、Phillips curve、滞胀、开放经济的模板。迁移到别的学科时，也应产出类似的“可调用框架”。
六、下一步建议
如果继续做“速成课学习”项目，建议把这次宏观经济学实验整理成一个通用教学协议：
- 课程开始前，明确学习者起点、总天数、每天时间、最终产出。
- 每天开始前，读取前一天学习记录和错因卡。
- 每天只新增一组核心概念。
- 每次作答后，给出评分、掌握点、遗漏点、修正版表达。
- 每天结束时，更新学习记录、错因表、回忆卡和下一步。
- 每门课最后一天，做总图、综合题、最终测验和后续复习计划。
对于下一门学科，建议优先选择结构清楚、概念可分层、能做综合题的领域。例如认识论与科学哲学、统计学入门、微观经济学、计算机系统、线性代数、国际关系理论都适合。迁移时不要照搬宏观经济学的具体形式，而应保留它的学习机制：少量核心概念、强制回忆、机制解释、错因追踪、兴趣接入、最终模板。
总体判断，这次实验是成功的。它证明了一个重要点：7 天游速成不等于浅尝辄止。只要课程主线清楚、反馈足够密集、错误被持续追踪、学习者不断用自己的话解释，零基础学习者也可以在一周内建立一张可用的学科地图。当然，它还不是完整学科学习，只是入门框架。后续真正的进步，取决于间隔复习、真实案例分析和更系统的第二轮课程。