很多人对「AI 阅读」的理解停留在把文章丢给模型、让它写一段摘要。真到要处理几十份研报、上百页文档、一堆格式混乱的素材时，才发现自己缺的不是模型，而是一套能重复使用的流程。这门课针对的正是这个缺口：它不谈泛泛的阅读方法，而是把「清单」当作一个可执行的结构，让 AI 按照你定义的条目去读、去抽、去比对，最后落到一份能直接用的输出上。

你缺的到底是哪一环

先自查几个场景：拿到一份长文档，你会先划出「我到底要它回答什么」再动手，还是直接让模型自由发挥？面对十份来源不同的材料，你能不能保证每一份都被同一组问题问到，而不是漏掉两三份？当模型给出结论，你能不能说清这个结论是从原文哪一段推出来的？如果这几个问题你答得不干脆，说明问题不在提示词写得好不好，而在缺少中间层——清单。

清单的作用很朴素：把「我想从阅读里得到什么」从模糊感觉变成一组可核对的条目。有了它，AI 的输出才有对照物，你的阅读过程才可复盘、可复用。这也是这门课反复围绕的核心。

这门课具体在练什么

清单怎么搭：从阅读目的出发，区分事实类条目、判断类条目和对比类条目，各自适合放在什么位置。
清单怎么喂给 AI：把条目转成模型能稳定执行的结构，而不是一段会随心情漂移的自然语言指令。
怎么防止漏读和臆造：让每一条结论都能追溯到原文片段，缺失的地方标记为缺失而不是被补全。
多份材料怎么处理：同一份清单跑多个来源，输出之间如何对齐、如何看出分歧。
清单怎么迭代：第一轮跑完发现条目设计不合理，下一轮改哪里。

注意这些内容不是抽象方法论，而是要在具体材料上跑一遍才算数。课程的实战部分会拿真实文档走完整流程，你能看到清单从初稿到定稿的过程，也能看到某一版清单哪里坏掉了、为什么坏。

配套练习怎么用

只看演示学不会，因为清单设计里最容易出问题的地方，往往是演示者已经替你处理掉的细节。建议按课程节奏做三件事：第一，拿自己手头一份真实材料，先独立写一版清单，不参考示例；第二，跑完 AI 提取后逐条核对，把「模型说得很顺但其实没依据」的条目挑出来；第三，针对这些条目回改清单，看第二版输出是否收敛。

这个循环做两三轮，你会对「什么样的条目 AI 能稳定执行、什么样的条目必然翻车」形成直觉。这比记住任何一组提示词模板都管用，因为材料一换，模板就废了，直觉不会。

学完应能回答的问题

给定一份你没读过的长文档，你能在五分钟内列出一份可执行的阅读清单吗？
你的清单里，哪些条目属于「必须逐字核对」，哪些属于「允许模型概括」？依据是什么？
当 AI 输出与原文不符时，你能定位到是清单表述的问题，还是材料切分的问题吗？
同一份清单处理三份材料后出现矛盾结论，你会怎么判断该信哪个？
把这套流程交给同事，他能不能不看你的解释就跑起来？

如果你目前的工作里有一半时间花在「读一堆东西然后整理」，这门课值得排进近期的学习清单。它不会让你少读，但会让你读得可复用——下一次遇到同类材料，你不是从零开始，而是从上一版清单开始改。这就够了。