拿到一份四五十页的报告，直接丢给AI"帮我总结一下"——这是大多数人都会做的事，也是这份蓝皮书认为最不该做的事。因为AI最容易生成的"全文摘要"，恰恰最可能漏掉你真正关心的东西。阅读不是把原文压短，是带着你的问题进去，再带着判断出来。这篇指南拆解了四条AI辅助阅读与文档处理的实操方法。
长材料的正确打开方式
不要总结，先问问题
我以前也会这样。拿到一份四五十页的报告，直接丢给AI：帮我总结一下。它当然会给你一篇摘要，条理清楚，语气也很稳。问题是，你真正想知道的东西，未必在那篇摘要里。一份行业报告，你可能只关心这个机会值不值得做；一份产品说明，你可能只关心哪些功能跟你有关，哪些限制会卡住你；一份学习资料，你可能只关心这东西今晚应该先学哪三页。
第一遍的正确操作是：用@选择你的材料文件，然后说："请先阅读这份材料，不要替我做泛泛的全文总结。我现在最关心三个问题：这份材料试图解决什么问题？里面最影响普通读者判断的三个结论是什么？哪些结论有证据支撑，哪些只是作者的观点或推测？请引用具体页码或原文位置，方便我回去核对。"
验证AI回答的三个检查点
看到回答以后，先看它有没有把依据亮出来。如果回答里出现了具体页码、章节位置、图表或原文引句，你就有地方可以回头核对。如果回答没有给出处，或者把事实、判断和概括搅在一起，再补问这一句："请把你刚才最重要的三个判断分别标出原文位置，并注明：这是原文事实、作者判断，还是你的概括。"
三件事做对了：要求给出处、要求区分证据和判断、把最终判断权留在你手里。文档整理最怕的不是排版不好看，而是AI把"作者说了什么"和"它理解成了什么"混在一起。
混合资料文件夹的处理策略
先盘点，不要一上来就转换
很多人整理资料一上来就想"统一格式"，把所有文件都转换、都摘要、都塞进一份大报告。实际上不同文件承担的任务不一样：会议纪要有决定和待办，表格里有数字，讲义里有观点，截图里可能只是一个证据。如果还没弄清楚这一堆东西分别是什么，就让AI批量改、批量汇总，很容易把重要信息埋掉。
用@选择文件夹，然后说："请先盘点这个文件夹，不要修改、移动、重命名或转换任何文件。请输出一份清单：里面有哪些文件，每个文件大概是什么类型和用途；哪些文件你可以读取并进一步分析；哪些文件你目前不能可靠读取；如果我的目标是做综合概述，你建议先处理哪些文件。"这段提示词里最关键的，是"不修改、移动、重命名或转换任何文件"。
根据目标选择整理范围
等AI盘点完，再告诉它你到底要什么。同一个文件夹，不同目标，整理方式完全不同：开复盘会你要的是决策、问题和待办；给领导汇报你要的是结论、数字依据和风险；自己学习你要的是知识脉络和阅读顺序。不要说"帮我把文件夹全部整理一下"，因为目标越清楚，AI越不容易把事情做成一堆好看的废话。
汇总以前先验三件事：数字有没有回到原表格核对；待办事项有没有把"讨论过"误写成"已经决定"；它有没有把无法读取的文件假装成已经处理过。
交付文档的实操流程
先确定接收人，再让AI建议形式
很多人以为格式转换就是把Markdown换成Word、Word换成PDF。如果只是自己存档，确实差不多。但一份要交给别人的材料，格式背后是使用场景：给同事继续修改的文件重点是可编辑；给领导快速决策的文件重点是结论醒目、数字可靠；给外部客户的文件重点是整洁、稳定、不暴露内部备注；给现场汇报的幻灯片重点不是把报告原样搬过去，而是听众十分钟内能不能跟上你的判断。
用@选中已经确认过的整理文档，然后说："我要把这份整理结果发给参加会议的同事。他们需要快速确认结论、负责人和截止时间，不需要阅读我的整理过程。请先建议最适合的交付形式和文档结构，并说明理由。"
生成后的成品检查
输出以后不能只听AI说"已完成"，你要打开输出文件亲眼看一遍。尤其检查：标题和段落有没有被截断或错位；表格里的数字、负责人、日期有没有变；页面里有没有残留给你自己看的备注；如果是PDF，打印阅读是否清楚；如果是演示文稿，每一页是否真的适合讲，而不是挤满文字。
如果输出格式出现问题，把现象发回给它："我打开交付文件后发现待办表格第二列被截断，截止日期显示不全。请只修复这些排版或导出问题，不要改变已经确认的内容。"内容已经核过，就不要在排版阶段重新改意思。
AI辅助阅读的核心理念
让AI做助教，你做决定
用AI读一份长材料，当然可能省时间。但只追求省时间，很容易把阅读变成偷懒：原文不看，摘要全信，最后连自己为什么得出结论都不知道。真正的价值在于：AI先帮你定位重点，你再去核对关键依据，最后留下真正与你有关的笔记。这样处理文件，才不是把脑子交出去。
三条支线共同指向一个核心原则：支线01教你带着问题进材料，支线02教你先盘点再整理，支线03教你从接收人出发做交付。AI是你阅读的助教、整理的助手、交付的排版工，但最终判断和决策权，永远在你手里。
