任务场景
一篇 12 页的论文，明天开会要讨论。从零开始读至少 45-90 分钟。用一套靠谱的 AI 流程，10 分钟内就能搞清楚 “结论 / 方法 / 关键数字 / 局限 / 应该问什么”，然后再决定哪几节要精读。
适合 journal club、尽调、毕业论文文献扫读、快速评估供应商白皮书等场景。
哪些情况适合让 AI 来做
论文是纯文字、领域在模型训练范围内（多数模型截止日期前的公开文献）、你只需要在一次会议里 “对话级流利” 时最合适。
筛文献也很好用：10 篇摘要丢进去，挑出 2 篇精读。
什么时候不要完全依赖 AI
公开引用、写入 Grant、放进董事会备忘录的内容，永远不要只信 AI 总结。数字是错得最多的部分。引用前自己至少把摘要、Methods、图注扫一遍。
新领域或截止日期之后发表的工作也要小心——模型可能误读新术语。
需要先给 AI 的信息
- 论文正文（从 PDF 提取的纯文本，检查表格和公式没乱码）
- 你的背景（本科 / 领域专家）
- 在会上要回答的具体问题
- 想对照的前作
告诉模型 “我是 A 轮投资人，要评估临床意义”，和 “我是博士生，准备 journal club”，输出完全不一样。
可直接复制的 Prompt
你是严谨的研究助理。请为一位 {your_role}（要参加 {context}）总结下方论文。
严格按以下结构输出：
1. 一句话发现（大白话，不带行话）
2. 方法：设计、数据来源、样本量、主要结局、关键分析选择
3. 最强结果 + 准确数字、单位、若有效应量请给出
4. 作者承认的 3 个主要局限，加 1 个他们没提的
5. 严苛 reviewer 会问的 3 个问题
6. 它建立在哪 2 篇之上 + 它与哪 1 篇矛盾（不确定就写 "unsure"）
7. 信心：高 / 中 / 低 + 理由
任何数字请逐字引用原文。推断标 "[inference]"。
论文：
{paste_paper_text}建议让 AI 输出成什么样
就用上面的 7 条编号，不要让模型合并成大段散文——散文是幻觉的藏身处。“数字必须逐字引用” 是提升准确率最有效的一招。
怎么判断 AI 的结果能不能用
最关键的数字打开原文 ctrl-F 搜一下，对不上就整段都得怀疑。把摘要和结论自己读一遍（5 分钟），能抓到大部分错误。再扫一眼图。
高利害的总结，把模型的每个结论再喂回去，让它 “为每条结论引用对应原文句子”。
容易踩的坑
- 不验证就信数字（头号翻车点）
- 没告诉模型你的身份和要做的决定
- 让模型只看摘要总结，结果错过了正文里的关键限制
- 没要 limitations，开会时太自信
- 忽略图表，而真相往往就在图里
下一步怎么改得更好
Prompt 和论文一起存档。会后记下 “模型总结哪里和实际重要的点对不上”，再去改 Prompt。按领域（临床 / ML / 金融）建自己的模板，结构本身就不同。
FAQ
- 扫描版 PDF 能直接喂吗？要先用靠谱的 OCR 工具识别成文字。
- 补充材料怎么办？先喂正文，再让模型标出 “我需要看补充材料里的哪些图表”。
- 论文最长能多长？主流模型一次能吃 30-50 页，再长就分节总结再合并。
- 怎么把这篇放进历史脉络？单篇通常看不出来——把它接到AI 整理历史时间线的工作流里，时间、前作、后续就明确了。
- 怎么把它转成研究方向？读完几篇后，对这一簇运行毕业论文选题脑暴。
相关阅读
复用结构看 论文速读 Prompt，先用 研究问题打磨 Prompt 想清楚要问什么，再把它做成习惯参考 AI 读论文工作流。