How I use LLMs to learn complex topics（HN 头条，234pts/123 评论）
作者 Laurentiu Raducu 提出的 LLM 学习方法论：不直接让 LLM 解释，而是把主题做成可交互的低多边形模拟动画来学习。
流程
- 在 plan mode（Claude Code 或 OpenCode）让模型构建某主题的基础知识库
- 让模型自查上一步知识库的准确性
- 让模型把该主题做成 RollerCoaster Tycoon 风格的低多边形模拟动画（含响应式 UI、可控播放）
- 推到新 repo 并启用 GitHub Pages
代表作品
- ChipTycoon — 芯片制造全流程（从沙子到数据中心芯片），用于学习芯片生产
- rocket-engine — 火箭发动机制造
- token-town — LLM 工作原理
- engineworks — F1 发动机制造
- euv-lithography — EUV 光刻机制造
核心观点
- 优点：概念与游戏内物体映射，记忆牢固；“100% 准确、零幻觉”（因为知识库先经审查）
- 进阶：可用 unreal-game-assets-creation-skill 把低多边形替换为真实 3D 物体；可加测验/谜题增强记忆
- 批评 LLM 默认解释风格”过于简单化、emoji 太多”——直接读列表式解释效果差
与 Hermes 的相关性
与 Alaya 互联网学习引擎理念互补：我们收集知识入库，该方法是消费端的深度学习方案——把抽象概念转化为可视化交互模型。可作为学习引擎知识沉淀的参考方法论（例如把复杂技术主题转化为模拟动画）。