上周拿到一份 96 页的行业白皮书。PDF 打开，目录三页，正文密密麻麻。
我把它拖进 AI，问了 4 个问题，二十分钟后拿到了想要的部分，原文一个字没读。
这不是偷懒。长文档的正确读法，本来就不是从头读到尾，而是先判断哪里值得读，再只读那一段。
AI 读长文，靠的是检索，不是记忆
先把一个误会讲清：AI 读懂一本 20 万字的书，不是因为它把书背下来了。
它是先把文档切成小块、建成索引，你提问时再按相关性捞出几段，拼成答案。这个机制怎么影响到你？第一，它擅长「找」和「比」，不擅长「记住全书细节」；第二，来源给得越干净，答案越准；第三，问题问得越具体，召回越准。
所以你看到的「读了整本书」，其实是「检索了相关的几段」。
选工具：三种场景，三种答案
场景一，读自己上传的资料，且要求每句有出处。这类需求 Google NotebookLM 最对路。
它的免费版给 100 个笔记本，每个笔记本最多 50 个来源，单个来源的上限是 50 万词；每天可以提问 50 次，生成 3 次音频概览。它的答案只来自你上传的材料，不能联网搜索，所以几乎不会凭空编造。
场景二，读超长中文材料，边读边聊。这类用超长上下文工具更顺手，Kimi 官方标称的上下文长度是 200 万字级别。
场景三，快速判断一份文件值不值得细读。这类不用装工具，把前面几页和结论章丢给通用助手，让它先出一份 300 字的判断，比什么都快。
那有没有一款能通吃？没有。选错工具最大的代价不是钱，是你花在核对上的时间比读原文还多。
判断一份材料值不值得读，还有个更省事的办法：先问它「结论有几条」，如果答案是三条以内，说明这份材料本身没有太多新东西。
三步法：先切、再问、后追
那具体该怎么读？
第一步，先切。把长文档按章节拆成几个来源，别一股脑全塞进去；一份 300 页的报告里，附录和免责条款常常占掉一半篇幅，却几乎不提供判断依据。
第二步，再问。第一轮只问三个问题：这份材料的结论是什么、证据是什么、有哪些地方没说明白。
第三步，后追。第二轮开始追问细节，并且要求它把原文那句话引出来；没有引用的答案，一律当作待核实。
第一轮的三个问题，可以直接用这段模板：
- 这份材料的核心结论是什么，用三句话回答
- 每个结论对应的证据在原文哪一段，请引用原句
- 作者没有回答、但读者最该问的问题是什么
- 哪些数据是估算、哪些是实测，请分开列
- 哪些结论是作者的观点，哪些有数据支撑
- 如果只看其中一段，最该看哪一段
- 请把这几个结论之间的因果关系压成一句话
- 有没有和它结论相反的研究，我该去哪找
- 如果这些结论要被推翻，最可能的原因是哪一个
读论文和读合同，是两件事
同一个工具，读不同类型的文件，用法完全不同。
读论文时，你要的是「它在跟谁对话」：它反驳了谁、补充了谁、样本有多大？这三个问题问完，一篇论文的定位就清楚了。
读合同和标书时，你要的是「哪几句话会让我吃亏」，也就是付款节奏、验收标准、违约责任、解约条件这四类条款；这时候不要让它总结，直接让它把相关条款原样摘出来，它不是律师，你的判断才是最终那道关。
四个坑
第一个坑，把摘要当事实。AI 概括会漏掉限定条件，比如「在特定条件下成立」这半句。
第二个坑，一次塞太多来源。来源越多，召回越分散，答案越像泛泛而谈。
第三个坑，用它读扫描件。图片型 PDF 要先过 OCR，否则它读进去的是空白。
第四个坑，拿它读合同条款。这类文本的价值全在措辞，AI 的转述不能替代原文。
什么时候别用
只有两三页的文件，自己读更快。需要对外担责的文件，比如合同、投标书、财务报告，AI 只能当导览，最终必须回到原文。
我用这类工具 6 个月，最大的收获不是读得快了，而是敢把「不读」这件事说出口；一份材料值不值得读，先让 AI 判断，值得，再自己读那最关键的 20%。
别贪心。
不同类型的文件读法不一样，可以看AI 读长文档这个页面，按场景分好了工具和步骤。
（参考：Google NotebookLM 官方帮助页；Kimi 官方说明；2023 年 NotebookLM 发布以来的公开评测。）
