书架上那本划满荧光笔的书，随手翻开一页，线还在，当时为什么划却想不起来了。划线是阅读里成本最低的动作，也是留下东西最少的动作。AI 在读书这件事上能帮的忙很具体：读完之后帮你把理解摊开、挑错、追问。它替不了的是读的那几个小时。下面说清三个层次的笔记差在哪，以及读完一章之后可以照着走的四步。
划线只是搬运，加工才留下东西
笔记大致分三层。摘抄是把原文搬到自己本子上，动作最轻，价值也最低，因为搬过来的东西没有经过你的判断。复述是合上书，用自己的话讲一遍，讲不顺的地方就是没懂的地方。连接是把这一章和你知道的别的东西接上——和另一本书、和你自己的经历、和一个反例。到这一层，知识才开始长在你身上。
三层里 AI 能高效参与的是后两层，前提是你先完成阅读。跳过阅读直接让它总结，得到的是一段读起来很顺的二手结论，你会产生「我懂了」的感觉，但那种感觉经不起追问。这也是很多人用 AI 读书越读越空的原因。
四步把一章读成自己的
读完一章之后按这个顺序做，每一步都有产出物：
| 步骤 | 产出物 | 常见坑 |
|---|---|---|
| 一、先自述 | 三五百字，用自己的话讲这章说了什么 | 直接让它总结，跳过了自述这一步 |
| 二、让它挑错 | 一份「漏掉的点 + 理解偏的点」清单 | 只问「我总结得对吗」，得到一片夸奖 |
| 三、答它的追问 | 三到五个检验理解的问题，以及你的作答 | 看完问题不回答，以为看懂了 |
| 四、落成笔记 | 一页笔记，含自己的话、页码、一个待验证的问题 | 只存链接和摘抄，没有自己的判断 |
第一步最容易被跳过，也最不该跳过。没有自述，AI 就不知道你现在的理解停在哪，它给的补充只能按「一般读者」的水平来，对你不痛不痒。有了自述，它才能指出你具体漏了哪一段、把哪个概念弄混了。
先写自己的理解，再让它挑错
指令的写法决定输出有没有用。常见的失败写法是「帮我总结这一章」，成功的写法是把你的理解贴进去，然后明确要求它只做三件事：指出遗漏、指出偏差、提出追问。加一句「不要替我总结」，能明显减少它输出一大段漂亮废话的概率。结构化指令的通用规则可以看提示词怎么写才让输出可用。
追问这一步值得多说一句。好的追问指向你表述里含糊的地方，比如你写「这章讲了激励机制」，它会问「激励的对象是谁，约束条件是什么，作者举了哪个反例」。答不上来，说明那一块是空的。这比再读一遍原文有效得多。
让它提问，比让它讲解有用
听讲解会产生流畅感，流畅感很容易被误认成理解。真正检验理解的动作是回答。所以把 AI 当出题人，比当讲解人划算。让它按章节出三到五道题，题目要求指向概念辨析和因果，不要出名词解释。你答完再让它判，判的时候要求指出「哪一句是套话、哪一句有依据」。
这个动作对非虚构类尤其有效，小说和散文不太适用——文学作品的价值不在信息密度，用考题去拆它会把味道拆没。读这类书，AI 更适合帮你梳理人物关系和章节结构，判断留给自己。
它读得快，读不出你的处境
工具在读书这件事上的位置，比宣传里窄。第一层是准确性：它可能给出书里根本没有的观点，或者把两位作者的说法弄混，凡是它声称「书中认为」的地方，都要回原文核对，这类问题可以看AI 幻觉为什么难被发现。第二层是版本：同一本书的不同译本、不同版次，章节划分和措辞都不一样，页码对不上是常事。第三层是相关性：一本书对你有用的部分，取决于你当下在解决什么问题，这个判断它做不了，它只能按通用重要性排序。
还有一层更隐蔽：它总结得越好，你越不想自己读。这个副作用在长文档上尤其明显，可以看上下文窗口为什么有限，工具能吞下整本书，但吞下不等于读懂。
笔记要能回得去原文
一条能用的笔记，至少包含三样东西：你自己的话、原文的位置、一个还没想清楚的问题。位置可以是页码，也可以是章节名加一句原文开头，目的是三个月后还能找回去。没想清楚的问题最值钱，它是下次翻开这本书的入口。
把这些笔记按主题而不是按书归档，效果会不一样。同一主题下放着三本书的说法，冲突自然浮现，连接也就发生了。想更进一步，可以看知识图谱是怎么表示关系的，它讲的是把零散概念连成结构的那套思路，手工做笔记时同样适用。
速查：读完一章的四件事
- 先用自己的话写三五百字，不查原文
- 把这段话交给 AI，只让它挑遗漏和偏差
- 回答它提的三到五个追问，答不上来的记下来
- 落成一页笔记，写清页码和一个待解决的问题
