現在不少 AI 產品都會有類似 AI 幫你總結的功能，總結文章內容、總結 PDF 內容等等。 但這些總結性的內容，真的是我們想要的嗎？

我把問題發給朋友，結果並不驚訝。

他說：AI 總結類產品，並不好用。 他解釋道：自己經常在地鐵、咖啡廳裡刷朋友圈，看到不少文章因為時間太緊，於是乎會讓 AI 先幫忙讀一遍。

起初，感覺還可以，後來覺得，說的都是正確的廢話，跟看文章目錄、中間劃線部分沒什麼區別，缺乏新意，還會漏掉關鍵部分。

我很贊同，也非常理解對方感受，也遇到過類似問題。 觀察市面大部分閱讀類 AI 軟體後發現，幫總結、幫讀、幫分析，快速形成提綱是避免不了的第一步。

我後來開始思考，什麼情況下認為它不錯，什麼時候又覺得它沒用？ 讓 AI 幫總結真的靠譜嗎？ 到底需要什麼樣的總結？ 如何讓不同的總結工具為我所用？

深入研究後覺得工具有問題，好像個人方法也不太對。

因為注意力有限，所以，我經常想，每天接觸文章、播客、視頻，怎麼把注意力集中在更多有價值的資訊上。

於是，有兩個處理方法：

預處理

幫閱讀

所謂預處理，即：主動尋找一些高質量的資訊源，訂閱它們，每天定時同步到郵箱，晚上一併進行查看。

而幫閱讀呢？ 也就是，對每天各大資訊類 APP 即時推送還不錯的內容，提前用 AI 幫讀，讓它整理出核心觀點，摘要。 然後，會根據 AI 給出的內容，決定這篇文章是否值得我花時間再看。

如此一來，就形成一條高效地獲取有價值資訊的完善過程。 聽起來很絲滑對不？ 可是，你知道嗎？ 我用 AI 總結工具經歷了三次反覆運算。

一開始，AI 閱讀還沒有流行起來。

我用 AI 閱讀，是在朋友圈看到有人分享了一個海報，加了一個企業微信，把文章轉給它，它就能自動生成內容。

小眾公司做得挺好，用起來挺省事的，還開一年的會員。 沒想到，這家公司沒用多久倒閉了。 自那之後，我心裡發誓，再也不讓這種軟體割我的韭菜了。

正是嘗到了甜頭，加上對 AI 總結帶來效率提升的渴望，我不得不尋找更多選擇，很快，發現百度網盤推出的工具； 這個工具功能、使用方法都和之前差不多，而且用起來很方便，也就用了一段時間。

不過，好景不長。

隨著訂閱文檔、視頻、播客越來越多，我開始琢磨，視頻播客有沒有做摘要、幫讀分析的軟體？ 那段時間，我回到家，大部分時間都在尋找合適的軟體，至今還歷歷在目。

天道酬勤，的確找到不少。 可是，一段時間后，新問題又來了。 我總在 4-0 個軟體之間切換，晚上原本專注閱讀的時間正事沒幹多少，反而精力消耗嚴重； 這讓我注意到，工具多，效率沒提高，就會分散注意力。

怎麼辦？

很巧，2023 年中旬，國內大模型應用陸陸續續爆發。

阿裡推出“通義千問”，科大訊飛推出“訊飛星火”。 那時候，我試用幾家，心裡想，太棒了，終於可以一鍵解決所有問題了。

但用一段時間后，又有了新的問題，我發現：部分我關注的內容並不在 AI 的總結範圍內，它總結的內容，不是我不關心的，甚至，我還要主動提問，它才能給出相關內容。

這很頭疼。 在經歷從無到有，從有到添加需求的過程後，我開始認識到，AI 會讓我忽略到一部分有價值的資訊。

什麼是有價值的資訊？ 不得不提到一個詞：準確性。

為什麼？

因為我用 AI 閱讀的目的，是希望它能快速給我想要的資訊，讓我明白作者想說什麼，背後的原因是什麼。 如果 AI 不能把不重要的東西去掉，只給我關鍵的資訊，那麼，它給出的資訊可能就不夠準確。

所以說，準確性對於信息的價值非常關鍵。 但是，我怎麼去衡量 AI 給出答案的準確性呢？

後來發現，每個人、每個 AI，對“準確”的看法都不太一樣。 有時候，我覺得重要的東西，AI 覺得不重要； 反過來也是一樣。

比如：

前幾天，我把一個關於人工智慧的研究報告，差不多一萬字，交給了“通義千問”。 結果，它只簡單地根據子標題，總結每個段落的內容。 你說，這準確嗎？ 在某種程度上是準確的，畢竟這是關鍵資訊。

可這些關鍵資訊，真如同道理一樣，被簡化成單一的結論，並未給出背後的所以然。

怎麼辦？ 我設定了自己的標準。 我認為，一篇文章被 AI 總結出來不能少於三個條件：

每一段內容是不是清晰？

是不是把作者的本意丟掉了，或者內容重複了？

總結出來的東西，因果邏輯和原文的想法是不是都完整表達出來了？

用這三點，試好幾家公司的 AI 閱讀功能，果然，和預想的一樣，不管文章有多長，它們總結的內容差不多都在 500 到 0 字之間，最長的也就 0 字。

要求太高，好多都達不到，AI 還不能像人類那樣深入理解文本、或視頻內容的深層意義和上下文。 這讓我開始懷疑：

AI 所謂的提升效率，是不是偽命題？ 它會不會讓我錯過自主思考和判斷的機會？ 我真能放心地把任務交給它嗎？ 帶著這些疑問，一直探索答案。

我甚至還在朋友圈吐槽：最沒用的 AI 產品是「總結類產品」。 看起來在節省時間，但實際上，讓你離「一手資訊源」越來越遠。

為什麼，原因有四點：

它沒辦法替你閱讀，總結的意義在於閱讀后，而不是總結前。

表面上看似在「節省時間」，實際讓你浪費了更多無形時間，我們接觸的作者、自媒體已經算二手、三首資訊，這樣的總結算四手，看完四手後覺得有價值，你才會回過來，再看，豈不是要更久？

總結本身很抽象。 最大受益者是 AI，而不是閱讀的人。 如果我們跳過具體的知識，就像豬八戒吃人參果一樣，你根本不知道它是什麼味道的。

如果試圖通過總結來學習知識，會落入‘懂得很多道理，但依然過不好這一生’的困境中。

總結出來的內容是‘老生常談’的大道理，看起來千篇一律，會讓人錯過很多真正好的內容，學知識，獲取智慧，是沒有捷徑的。

最重要的，並不是所有內容適合 AI 總結。

前一段時間，我聽一個播客，聽著很爽，有音樂有聊天，可 AI 總結出來卻令我大跌眼睛，因為聊天的口語加上雜糅的音樂，AI 總結給的答案存在偏差。 所以，很難去評判。

因此，我為什麼還要總結一遍呢？ 直接看目錄，看摘要不好嗎？

這種看似具體，但仔細審視卻高度抽象的「內容篩選器」產品到底價值在哪？ 後來我跳出產品看產品，發現答案不在 AI 裡，而在閱讀行為本身。

學習一般來說有三個階段：開始前，過程中、結束後。

開始前，要抓住主要內容； 過程中，要詳細瞭解每一個細節； 結束時，要把所有知識點重新整理一下。

這就像有點像磨咖啡。

一開始，會選擇什麼樣的咖啡豆、什麼配料，過程中精確地研磨咖啡豆，確保水溫、萃取時間都恰到好處，這代表了深入瞭解每一個細節； 最後，你把咖啡倒進杯子裡，一飲而盡。

閱讀前，猶如看一本書的前言、一部電影的劇情簡介，AI 總結幫助我們過濾內容和導航，讓你決定是否要深入瞭解的可能性。

書籍、文章雖然有作者、編輯把目錄和摘要整理好了，但 AI 總結和傳統總結不太一樣，AI 很難做到精準篩選，相比之下，用戶的書評和影評更靠譜。

現在，總結也被用來整理中間部分，甚至它可以幫你把一篇長文，濃縮成一個腳本； 從這個角度看，AI 總結幫我們擺脫了內容貧瘠的文章，讓人有更多時間關注重要的內容。

那麼，閱讀後呢？

AI 總結最大好處是給做總結的人，而不是讀總結的人。

如果跳過了過程（認真學習的步驟）進行總結，那真和豬八戒吃人參果一樣。 如果你的目標是理解知識，那麼，閱讀后的總結可以加深學習效果。

因此，AI 總結工具的目的，有兩點：一，它是説明我們在開始前和結束后提高效率的工具，不為過程負責； 二，使用這類工具，是為了更高效地篩選資訊。

更直接一些，AI 總結不能替代“閱讀行為”。

閱讀是什麼？

我把一篇文章給 AI，AI 給了我反饋，我發現裡面有兩三個有價值的點，停下來學習一下，這就是閱讀。 所以，如果你把 AI 總結工具當閱讀，則會陷入獲得性陷阱（learned helplessness）中。

什麼是獲得性陷阱？

簡單來說，有兩個點：一，我們只聽到一點點資訊，就匆忙地認為全都懂了； 第二，有時候，被自己已知的資訊限制了，形成了刻板印象。

一方面，人要通過大量的練習才能真正理解知識。 閱讀和總結就像是給大腦的訓練。 如果我們跳過了這個訓練過程，或者讓 AI 來代替這個過程，那其實什麼也沒學到。

另一個方面，在學習的過程中，過度依賴 AI 總結工具，試圖縮短學習時間，那麼，學習的品質可能會變差。 因為真正想學習的人，即使使用了總結工具，也不會放棄深入閱讀。

反過來說：

只追求表面閱讀的人，有沒有？ AI 總結工具，他們也會找各種藉口說“看過了”。

因此，即使 AI 總結得很精準，這種高度抽象的方法，也會讓我們錯過真正有價值的細節，只剩下那些人人都知道的普通道理； 這如同，別人已經把食物嚼碎了喂給你，你知道“吃飯是為了長身體”，但享受美食的過程，還是要自己親自體驗。

我突然想到了那句中國古話：不吃葡萄說葡萄酸。 所以，通過“總結”學到的不是真正的知識，而是一種自以為是的錯覺（或者是虛榮心）。

不過，現實中，總有人試圖跳過學習的過程，直接獲得結果，這種對快速獲取知識的需求還是很大的。

像什麼各種付費課、興趣班、甚至很多人的微信收藏中，堆滿了永遠不會看的內容，難道不就是滿足所謂的「獲得感」嗎？

因此，工具雖然好，但關鍵還是看個人如何使用它。

那麼，我試圖還原閱讀行為，能給你帶來什麼啟發呢？

從產品經理角度看，開發「AI 總結類產品」時，應該超越從傳統的提供開始前、結束後的總結思維中跳出來，涉及到過程環節。

前幾天，我做過一個調研。

一家資訊平臺技術負責人告訴我，從數據和用戶反饋看，總結功能使用頻率，低於其他功能。 這是為什麼？ 使用者想要的並不是總結性服務，而是過程性指標。

想像一下：

你看到了一篇寫得很好的文章，你想讓 AI 幫你總結。 我猜，你真正想要的不僅是 AI 給出的一兩句簡單結論（What，是什麼不分），而是，想瞭解文章的核心理由（Why，即為什麼）和方法（How，即怎麼做）。

所以，產品經理設計的 AI 工具，不應該只簡單地壓縮資訊，而應該是一個促進學習行為的動態工具。 而使用者，想用工具提煉出關鍵資訊，並説明自己深入分析來學習、吸收知識。

不信，再看看我的行為，就是最好的例子。

因為實在受不了各大平臺的 AI 總結，後來我放棄了。 然後，就在想，為什麼不自己開發一個 AI 應用？ 但想到自己不會敲代碼，想法有點不太現實。

怎麼辦？ 後來，想到一個土辦法，寫了一個 Prompt，這個指令裡，我寫清楚了讓 AI 扮演什麼角色，應該怎樣去總結分析內容，如何挑選重要的部分？ 以及輸出的格式是什麼樣。

這樣，每次我想要總結什麼，就把指令發給 AI，AI 收到指令後就會去執行。 一開始用這種方法還不錯，但每次都得發送指令，稍顯麻煩。 再後來，我把 Prompt 設置成了鍵盤常用語，一鍵呼出，太棒了。

所以，AI 總結類的產品經理，要把時間給到“過程指標”，在開發時，可以多寫幾行關於“總結”的規則進去。 當然，作為消費者，不能完全依賴 AI 給的總結，有價值內容，可以多看幾眼。

總結而言

到場景中，才有答案。

相信隨著人們需求的變化、技術也會進步，總有一天，AI 會幫到我們，切記，也不要完全依賴 AI 學習，讓自己丟失了獨立思考的能力。

專欄作家

王智遠，公眾號：王智遠，暢銷書《複利思維》作者，人人都是產品經理專欄作家。 互聯網學者，左手科技互聯網，右手個體認知成長。

題圖來自 Unsplash，基於 CC0 協定。