用 AI 读论文：先问结构，再问细节

四十页的 PDF，打开三次，三次都停在摘要。第一次读了摘要觉得懂了，第二次跳到结论发现看不懂，第三次从头开始，读到第二页的实验设置就放弃。

问题不在耐心，在顺序。多数人从第一页读到最后一页，把论文当小说读；论文不是按阅读顺序写的，它是按「问题、方法、结果、讨论」这套结构写的，而你最需要的恰恰是最后知道细节。

这套流程把顺序倒过来：先问骨架，再问方法，最后找漏洞。五步，一轮问完。

这套流程怎么跑

第一步：把 PDF 交给它，但先别读正文

第一步只做一件事：让它把结构列出来。有哪几节，每节干什么，图表分别说什么。

这一步不要它总结。要结构，不要观点。结构是客观的，总结一开始就会带偏见。

图注比正文诚实。作者可以在正文里把话说圆，图注往往只写事实。先让它把图表清单列出来。

第二步：三问定位

骨架立起来之后，只问三个问题：解决什么问题、怎么做的、结论几条。

第一个问题要它用一句人话说清，不用论文原话。说不清，说明这篇的问题意识本身模糊，或者它没读懂。

第二个问题限三句。方法的精髓三句能说清；说了十句还说不到点上，多半是你还没懂，让它换个说法再讲一遍。

第三个问题要它按条列。结论通常是三到五条，混在一段里就分不清哪条是主要贡献，哪条是顺带发现。

第三步：盯方法与数据

这一步开始看细节，只看三样：跟谁比的、指标怎么定义、有没有消融。

基线是最容易被跳过的一格。只跟弱基线比的提升，参考价值有限；跟强基线比还能赢，才说明方法有东西。

指标同名不同算法是常事。准确率、F1、BLEU 这些，各家实现细节不一样，不核定义就横比，等于白比。

消融实验是诚意的试纸。说方法有提升，却不说提升来自哪个模块，这个提升要打问号。

第四步：让它反驳自己

读完正面，换个方向：让它扮演审稿人，挑这篇的毛病。样本够不够、结论过不过度、有没有更简单的解释。

它挑出来的未必都对，但能挑出你没注意的角度。逐条判断，觉得有道理的记下来。

引用必须逐条核。它给你的文献名、作者、年份，都要去原库查一遍。编引用是大模型最顽固的毛病之一，而且编得很像真的。

第五步：落成一页笔记

最后一页三栏：问题、方法、结论。每栏三行以内，用自己的话写。

抄摘要等于没读。能用自己的话把方法复述一遍，才算真懂；复述不出来，回去问第二步。

没懂的地方留记号，标上「待查」。装懂的成本，会在你引用它的那一天一次性收走。

跑通记录与级别说明

说清楚本文的证据级别：本篇为 B 级，公开资料交叉验证。没有真实调用模型跑完一篇完整论文的阅读流程，给的是提问顺序与提示词模板。

涉及工具的能力描述以各自官方文档为准。模板可以直接复制改用。

等本站完成实跑（A 级）后，会把真实问答摘录补进对应步骤。补写之前，效果以你自己试的为准。

三套提示词模板（可直接复制）

模板一：只要结构。

这是一篇论文。请只做一件事：列出它的结构。
1. 有哪几节，每节用一句话说明这节在干什么
2. 图表清单：每张图/表在说明什么，只描述图注写了什么
3. 不要总结观点，不要评价好坏

[上传 PDF 或粘贴全文]

模板二：三问定位。

基于这篇论文，回答三个问题，每问都有字数限制：
1. 它解决什么问题？一句话，用日常语言，不用论文原话
2. 方法是什么？三句以内说清核心机制
3. 结论有几条？按条列出，每条一句

答不上来的地方直接说「文中未明确」，不要推测。

[上传 PDF 或粘贴全文]

模板三：审稿人视角。

请你扮演这篇论文的审稿人，只做批评，不做总结：
1. 样本或数据规模是否足以支撑结论
2. 结论有没有超出实验覆盖的范围（过度外推）
3. 有没有更简单的解释能说明同样的结果
4. 消融实验是否说明了各模块的贡献
每条批评要指出对应论文的哪一节或哪张表。

[上传 PDF 或粘贴全文]

什么情况下这套流程不灵

• 扫描版 PDF 没有文字层：得先做 OCR，识别错的公式与符号会一路错到底
• 公式密集的理论文章：它读公式的能力弱于读文字，关键推导必须自己过一遍
• 它给的引用不能直接用：文献名、作者、年份都要去原库核，编引用是常见毛病
• 综述类文章：结构松散，三问定位会失真，改成按主题分块问更有效
• 涉密或未公开的稿件：别上传到在线工具，这条没有例外

相关工具档案

论文动辄几万字，先看窗口：Kimi 官网口径一百万 token，DeepSeek 文档写 1M、输出最大 384K，豆包 的 pro 档窗口 1024k。

要它把方法讲透、把逻辑挑出漏洞，选推理见长的档；只是逐段翻译与解释术语，用顺手的那只就行。

本篇为流程方法整理（B 级：公开资料交叉验证），未逐工具实跑；工具能力以各自官方文档为准。不写金额，不提供任何资料文件。