我也不知道写了什么~
基于联系的普遍性，可以把认知结构化，即结构中的每一个点都不是孤立存在的，可以由任意一个点延拓到不同的体系中。
虽然这种层级复杂的拓扑结构我无法进行描述。不过可以从中抽象出来学习知识的模型构建。
要先对这个东西有一个概念，它是什么，它能做什么，如何做到。
从概念层，可以关注他的历史，他的现在，他的未来。
然后对这个概念进行拆分，比如我要学数学，要先认识整数，然后对其进行扩充，到分数，负数，实数，复数，多元数。然后知道这些数的基本运算，加减乘除，交换运算，指数，对数。知道他们之间的关联系，就像是复数可以统一三角函数和实数，他们之间联系点在于欧拉方程。
比如学习计算机，什么是计算机，它的历史，他的现在，他的未来的情况，从最初二极管,与非门,到01，到机器码，到汇编，C,C++，再到现在的这些语言。
大的概念下，包含小的概念，小的概念之间又存在着各种联系，小的概念还可以无线的拆分，每个概念都是独立模型，但是组合在一起又是一些模型。
在不同的大的概念下，小的概念可能还存在联系，就像是身体健康，导致精神活跃写出的代码就要比身体虚弱的时候要强。
如何在相对短的时间构建出最复杂的认知模型？
1.新的概念可以基于现有概念进行扩充，就像是编程语言会一门的人，在对其他的编程语言进行学习的时候就可以做到很快，就像是学完初等数学再去看高等数学，是可以看的懂一样。
概念之间存在子集、超集，半包含，之类的
基于基类去构建这个框架，可以有效的减少学习时间。
2.构建出来的子类尝试和原有类进行关联。
.