我把这个问题发给朋友，结果并不惊讶。
他说：AI总结类产品，并不好用。他解释道：自己经常在地铁、咖啡厅里刷朋友圈，因为时间太紧，看到不错的文章会让AI先帮忙读一遍。
起初，感觉还可以，后来觉得，AI说的都是正确的废话，跟看文章目录、中间划线部分没什么区别，缺乏新意，还会漏掉关键部分。
我很赞同，也非常理解对方感受，也遇到过类似问题。观察市面大部分阅读类AI软件后发现，帮总结、帮读、帮分析，快速形成提纲是避免不了的第一步。
我后来开始思考，什么情况下认为它不错，什么时候又觉得它没用？让AI帮总结真的靠谱吗？到底需要什么样的总结？如何让不同的总结工具为我所用？
深入研究后觉得工具有问题，好像个人方法也不太对。
一
因为注意力有限，所以，我经常想，每天接触文章、播客、视频，怎么把注意力集中在更多有价值的信息上。
于是，有两个处理方法：
预处理；
帮阅读。
所谓预处理，即主动寻找一些高质量的信息源，订阅它们，每天定时同步到邮箱，晚上一并进行查看。
而帮阅读呢？也就是，对每天各大资讯类APP实时推送还不错的内容，提前用AI帮读，让它整理出核心观点，摘要。然后，根据AI给出的内容，决定这篇文章是否值得我花时间再看。
如此一来，就形成了一个高效地获取有价值信息的完善过程。听起来很丝滑对不对？可是，你知道吗？我用AI总结工具经历了三次迭代。
一开始，AI阅读还没有流行起来。
我用AI阅读，是在朋友圈看到有人分享了一个海报，加一个企业微信，把文章转给它，它就能自动生成内容。
小众公司做得挺好，用起来挺省事的，还开了一年的会员。没想到，这家公司没用多久就倒闭了。自那之后，我心里发誓，再也不让这种软件割我的韭菜了。
正是尝到了甜头，加上对AI总结带来效率提升的渴望，我不得不寻找更多选择，很快，发现百度网盘推出的工具；这个工具功能、使用方法都和之前差不多，而且用起来很方便，也就用了一段时间。
不过，好景不长。
随着订阅文档、视频、播客越来越多，我开始琢磨，视频播客有没有做摘要、帮读分析的软件？那段时间，我回到家，大部分时间都在寻找合适的软件，至今还历历在目。??
天道酬勤，的确找到不少。可是，一段时间后，新问题又来了。我总在3-4个软件之间切换，晚上原本专注阅读的时间正事没干多少，反而精力消耗严重；这让我注意到，工具多，效率没提高，就会分散注意力。
怎么办？
很巧，2023年中旬，国内大模型应用陆陆续续爆发。
阿里推出“通义千问”，科大讯飞推出“讯飞星火”。那时候，我试用了几家，心里想，太棒了，终于可以一键解决所有问题了。
但用一段时间后，又有了新的问题，我发现：部分我关注的内容并不在AI的总结范围内，它总结的内容，不是我不关心的，甚至，我还要主动提问，它才能给出相关内容。
这很头疼。在经历从无到有，从有到添加需求的过程后，我开始认识到，AI会让我忽略到一部分有价值的信息。
二
什么是有价值的信息？不得不提到一个词：准确性。
为什么？
因为我用AI阅读的目的，是希望它能快速给我想要的信息，让我明白作者想说什么，背后的原因是什么。如果AI不能把不重要的东西去掉，只给我关键的信息，那么，它给出的信息可能就不够准确。
所以说，准确性对于信息的价值非常关键。但是，我怎么去衡量AI给出答案的准确性呢？
后来发现，每个人、每个AI，对“准确”的看法都不太一样。有时候，我觉得重要的东西，AI觉得不重要；反过来也是一样。
比如：
前几天，我把一个关于人工智能的研究报告，差不多一万字，交给了“通义千问”。结果，它只是简单地根据子标题，总结每个段落的内容。你说，这准确吗？在某种程度上是准确的，毕竟这是关键信息。
可这些关键信息，真如同道理一样，被简化成单一的结论，并未给出背后的所以然。
怎么办？我设定了自己的标准。我认为，一篇文章被AI总结出来不能少于三个条件：
1.每一段内容是不是清晰？
2.是不是把作者的本意丢掉了，或者内容重复了？
3.总结出来的东西，因果逻辑和原文的想法是不是都完整表达出来了？
用这三点，我试了好几家公司的AI阅读功能，果然，和预想的一样，不管文章有多长，它们总结的内容差不多都在300到400字之间，最长的也就500字。
要求太高，好多都达不到，AI还不能像人类那样深入理解文本或视频内容的深层意义和上下文。这让我开始怀疑：
AI所谓的提升效率，是不是伪命题？它会不会让我错过自主思考和判断的机会？我真能放心地把任务交给它吗？带着这些疑问，我一直在探索答案。
我甚至还在朋友圈吐槽：最没用的AI产品是“总结类产品”。看起来在节省时间，但实际上，让你离“一手信息源”越来越远。
为什么，原因有四点：
1.它没办法替你阅读，总结的意义在于阅读后，而不是总结前。
2.表面上看似在“节省时间”，实际让你浪费了更多无形时间，我们接触的作者、自媒体已经算二手、三手信息，这样的总结算四手，看完四手后觉得有价值，你才会回过来，再看，岂不是要更久？
3.总结本身很抽象。最大受益者是AI，而不是阅读的人。如果我们跳过具体的知识，就像猪八戒吃人参果一样，你根本不知道它是什么味道的。
4.如果试图通过总结来学习知识，会落入‘懂得很多道理，但依然过不好这一生’的困境中。
总结出来的内容是“老生常谈”的大道理，看起来千篇一律，会让人错过很多真正好的内容，学知识，获取智慧，是没有捷径的。
最重要的，并不是所有内容都适合AI总结。
前一段时间，我听一个播客，听着很爽，有音乐有聊天，可AI总结出来却令我大跌眼镜，因为聊天的口语加上杂糅的音乐，AI总结给的答案存在偏差。所以，很难去评判。
因此，我为什么还要总结一遍呢？直接看目录，看摘要不好吗？
这种看似具体，但仔细审视却高度抽象的“内容筛选器”产品到底价值在哪？后来我跳出产品看产品，发现答案不在AI里，而在阅读行为本身。
三
学习一般来说有三个阶段：开始前，过程中、结束后。
开始前，要抓住主要内容；过程中，要详细了解每一个细节；结束时，要把所有知识点重新整理一下。
这有点像磨咖啡。
一开始，会选择什么样的咖啡豆、什么配料，过程中精确地研磨咖啡豆，确保水温、萃取时间都恰到好处，这代表了深入了解每一个细节；最后，你把咖啡倒进杯子里，一饮而尽。
阅读前，犹如看一本书的前言、一部电影的剧情简介，AI总结帮助我们过滤内容和导航，让你决定是否要深入了解的可能性。
书籍、文章虽然有作者、编辑把目录和摘要整理好了，但AI总结和传统总结不太一样，AI很难做到精准筛选，相比之下，用户的书评和影评更靠谱。
现在，总结也被用来整理中间部分，甚至它可以帮你把一篇长文，浓缩成一个脚本；从这个角度看，AI总结帮我们摆脱了内容贫瘠的文章，让人有更多时间关注重要的内容。
那么，阅读后呢？
AI总结最大好处是给做总结的人，而不是读总结的人。
如果跳过了过程（认真学习的步骤）进行总结，那真和猪八戒吃人参果一样。如果你的目标是理解知识，那么，阅读后的总结可以加深学习效果。
因此，AI总结工具的目的，有两点：
1.它是帮助我们在开始前和结束后提高效率的工具，不为过程负责；
3.使用这类工具，是为了更高效地筛选信息。
更直接一些，AI总结不能替代“阅读行为”。
阅读是什么？
我把一篇文章给AI，AI给了我反馈，我发现里面有两三个有价值的点，停下来学习一下，这就是阅读。所以，如果你把AI总结工具当阅读，则会陷入获得性陷阱（learnedhelplessness）中。
什么是获得性陷阱？
简单来说，有两个点：
第一，我们只听到一点点信息，就匆忙地认为全都懂了；
第二，有时候，被自己已知的信息限制了，形成了刻板印象。
一方面，人要通过大量的练习才能真正理解知识。阅读和总结就像是给大脑的训练。如果我们跳过了这个训练过程，或者让AI来代替这个过程，那其实什么也没学到。
另一个方面，在学习的过程中，过度依赖AI总结工具，试图缩短学习时间，那么，学习的质量可能会变差。因为真正想学习的人，即使使用了总结工具，也不会放弃深入阅读。
反过来说：
只追求表面阅读的人，有没有AI总结工具，他们也会找各种借口说“看过了”。
因此，即使AI总结得很精准，这种高度抽象的方法，也会让我们错过真正有价值的细节，只剩下那些人人都知道的普通道理；这如同，别人已经把食物嚼碎了喂给你，你知道“吃饭是为了长身体”，但享受美食的过程，还是要自己亲自体验。
我突然想到了那句中国古话：不吃葡萄说葡萄酸。所以，通过“总结”学到的不是真正的知识，而是一种自以为是的错觉（或者是虚荣心）。
不过，现实中，总有人试图跳过学习的过程，直接获得结果，这种对快速获取知识的需求还是很大的。
像什么各种付费课、兴趣班甚至很多人的微信收藏中，堆满了永远不会看的内容，难道不就是满足所谓的“获得感”吗？
因此，工具虽然好，但关键还是看个人如何使用它。
四
那么，我试图还原阅读行为，能给你带来什么启发呢？
从产品经理角度看，开发“AI总结类产品”时，应该超越从传统的提供开始前、结束后的总结思维中跳出来，涉及到过程环节。
前几天，我做过一个调研。
一家资讯平台技术负责人告诉我，从数据和用户反馈看，总结功能使用频率，低于其他功能。这是为什么？用户想要的并不是总结性服务，而是过程性指标。
想象一下：
你看到了一篇写得很好的文章，你想让AI帮你总结。我猜，你真正想要的不仅是AI给出的一两句简单结论（What，即是什么），而是，想了解文章的核心理由（Why，即为什么）和方法（How，即怎么做）。
所以，产品经理设计的AI工具，不应该只是简单地压缩信息，而应该是一个促进学习行为的动态工具。而用户，想用工具提炼出关键信息，并帮助自己深入分析来学习、吸收知识。
不信，再看看我的行为，就是最好的例子。
因为实在受不了各大平台的AI总结，后来我放弃了。然后，就在想，为什么不自己开发一个AI应用？但想到自己不会敲代码，想法有点不太现实。
怎么办？后来，想到一个土办法，写了一个Prompt，这个指令里，我写清楚了让AI扮演什么角色，应该怎样去总结分析内容，如何挑选重要的部分？以及输出的格式是什么样。
这样，每次我想要总结什么，就把指令发给AI，AI收到指令后就会去执行。一开始用这种方法还不错，但每次都得发送指令，稍显麻烦。再后来，我把Prompt设置成了键盘常用语，一键呼出，太棒了。
所以，AI总结类的产品经理，要把时间给到“过程指标”，在开发时，可以多写几行关于“总结”的规则进去。当然，作为使用者，不能完全依赖AI给的总结，有价值内容，可以多看几眼。
总结而言：到场景中，才有答案。
相信随着人们需求的变化、技术也会进步，总有一天，AI会帮到我们，切记，也不要完全依赖AI学习，让自己丢失了独立思考的能力。
