让 AI”总结一下这篇论文”是怎么变成引用了自己没读过的论点、错过作者在第四节客客气气埋下的方法论漏洞的——典型路径。能用的工作流是把 AI 用在分流和澄清，绝不替代那些”你的判断本身才是重点”的环节。这是一套既能保持读论文速度、又不会钝化批判直觉的 3 趟法。
这篇讲什么
一套可放大的 3 趟阅读法：每篇 1 分钟的分流决定是否深读、活下来的论文每篇 10 分钟的结构化 AI 辅助 pass、再到由你主导、AI 只做澄清不做总结的人工深读。配上每趟该用的 prompt、要警惕的失效模式、以及一套可在一年中重用的可引用笔记模板。
这篇适合谁看
研究生、ML 实践者、时间紧又得常读论文的人。文献综述要把 80 篇候选压到 15 篇深读时，特别有用；journal club 明天要讲一篇也得用。读着玩、速度不是瓶颈的场景没必要。
什么时候适合用
手上一摞论文要决定哪几篇值得深读时用。如果你还在更上游、还没确定方向，先做一轮 AI 论文选题头脑风暴 摆出 10-15 个候选方向再投阅读时间。只有一篇要给明天的会用，看10 分钟读完一篇论文的研究摘要工作流——单个 artifact 用那个，一摞才用这个。
开始前准备
- 把论文 PDF 备好。摘要 URL 也可以，但 PDF 给 AI 全文上下文更好。
- 一句话写下你的过滤条件（“这些里哪几篇能回答关于 X 的问题”）。没有条件每篇看起来都”差不多相关”。
- 选长上下文强的模型：Claude Sonnet 4.6 / Opus 4.7+、GPT-5.5、Gemini 3 Pro+。小模型在论文中段会丢细节。
- 准备一个笔记文件，每篇论文一节，前面是 citation。你在攒可复用 artifact，不是 chat 输出。
具体步骤
- 第 1 趟（1 分钟 / 篇）：分流。 粘贴摘要 + 引言 + 结论。请 AI：“1 句主张、3 句证据总结、1 行 limitation。然后给出对 [你的问题] 进一步阅读的优先级：高 / 中 / 低。“如果只是一篇要赶明天开会用的——不是一摞——直接用10 分钟读完一篇论文的研究摘要工作流，到”主要发现 / 方法 / 关键数 / 局限 / 该问的问题”就够开会用。
- 决定哪几篇进第 2 趟。 典型比例：每 4 篇活下来 1 篇。如果都是”高优先级”，过滤条件就太模糊。
- 第 2 趟（10 分钟 / 篇）：结构化 AI 摘要。 上传 PDF，让它：
逐节总结这篇论文。每节给：
- 2 句总结
- 最强论点
- 最弱论点或未明说的假设
结尾给：最大的方法论隐患是哪一处。- 第 2 趟问：“去 journal club 我会问作者的 1 个问题？” 这把 AI 从”总结”逼到”评估”。如果它给不出一个尖锐问题，说明这篇文章中规中矩——这个信号本身有用。
- 第 3 趟（深读，人工）：你读。 AI 做密集段落的澄清器（“假设我懂 X 不懂 Y，给我讲这一步证明”），不要让它做你跳过段落的摘要器。
- 第 3 趟后：可引用笔记。 让 AI 起一段你将来文献综述里可以直接用的、引用这篇的相关工作段——以后做综述时省事。
真出信号的 prompt
- 分流： “对 [你的问题] 给这篇论文的相关度打 1-5 分，附一行理由。”
- 第 2 趟： “列出论文里所有数值论断，每条标出现的章节和来源（他们自己的实验 / 引用的先前工作 / 理论推导）。”
- 第 3 趟澄清： “我卡在方程 7 的推导。假设我懂基础的 [领域]、不熟悉他们用的具体记号，一步步带我走。”
- 跨论文异议地图： “这三篇论文在 X 上不一致。每篇引相关段落，然后用一句话刻画分歧。“
第一次实操怎么跑
从最近一次文献搜里抽 5 篇。10 分钟跑完 5 篇的第 1 趟。用结果挑出活下来的 1-2 篇。把省下的时间投到这 1-2 篇的第 2 趟。把你的理解质量跟”按顺序读完 5 篇”对比——这个流程的胜在这里显出来：重要的深，不重要的不浪费。
完成后检查
- 第 2 趟之后，你能不能用自己的话一句话说出论文贡献？说不出来 = AI 替你做了思考但没传给你。
- AI 给的”最大方法论隐患”能不能经得起你推敲？还是只是”样本量小”这种通用抱怨？
- 数值论断：AI 引的章节 / 图表对不对？每篇抽查一条。
- 你的笔记真是可引用状态吗？还是一坨要你重写才能用的 AI 文字？
怎么复用这套流程
- 把第 1 趟 / 第 2 趟 / 澄清的 prompt 存一份，留出”你的问题”和”领域”占位符。
- 建一份个人笔记模板：citation 头、1 句贡献、方法论隐患、你的立场。
- 每读完 20 篇回顾”高优先级”命中率。80% 高优先级到第 3 趟仍然有价值 = 分流准了；只有 30% = 过滤条件再尖锐。
建议的操作流程
摘要分流 → 评深读值 → AI 辅助分节摘要 → 批评问题 → 人工深读 → 可引用笔记。30 篇文献搜的预算：分流 30 分钟、对 7-8 篇活下来的第 2 趟 2 小时、3-4 篇最终的每篇深读 1-2 小时。合计：一个工作日，而不是一周无重点阅读。
容易踩的坑
- 跳第 1 趟想全篇深读——读到第 4 篇就崩溃放弃。
- 让 AI 做第 3 趟——那是你的判断。第 3 趟用 AI 总结会产生”听起来很自信但读错了”的文本。
- 没建可复用笔记模板——每篇重启同一套脚手架工作。
- 把 AI 的”方法论隐患”当真——它经常套通用模板。推回去。
- 不抽查数值论断——AI 偶尔会编看起来可引用的具体数字。
- 按时间顺序而非分流顺序读。最新的不等于最相关的。
FAQ
- 哪个模型处理完整 PDF 最好？: Claude Sonnet 4.6 / Opus 4.7+ 和 Gemini 3 Pro+ 都稳。GPT-5.5 适合短论文；40+ 页的优先用长上下文模型。
- 数学密集的论文呢？: AI 澄清适合理解记号、跟着推导走一步。不替代你拿纸算一遍。
- 能批量整摞处理吗？: 第 1 趟可以，5 篇一次给分流 prompt。第 2 趟不要批——一份 context 塞 5 篇逐节摘要会丢精度。
- citation 管理呢？: AI 不替代 Zotero/Mendeley。AI 用来理解，不用来管参考文献库。
- 怎么避免 AI 塑造我对论文的看法？: 先自己读摘要，写下 1 句话观点。再跑 AI 流程，注意哪里 AI 的解读跟你不同——那是该慢下来的地方。