学术论文精读：研究者的 AI 深度阅读工作流

想象一个典型的研究生日程：上午组会讨论了两篇新论文，导师让你下周交一篇文献综述。你打开 PDF，从摘要读到结论，黄色高亮画了七八处，心里觉得「大概懂了」，关上文件。一周后写综述时，只记得某篇论文有个有意思的图，但忘了在哪篇里。

这不是记忆力的问题。传统 PDF 阅读器只提供了「高亮」这一种交互，但论文精读需要的远不止标记——你需要拆解论证结构、质疑前提假设、提取可迁移的洞见，还需要在几个月后回溯时准确还原当时的判断。

Yomitomo 把论文精读拆成几个可追溯的动作，每一步都落回原文位置。

第一步：分层划线，不只用一种颜色

导入 PDF 论文后，Yomitomo 不会给你一把「荧光笔」了事。它提供了五种批注类型，对应论文阅读中不同的认知动作：

• 要点：标记核心论点、实验方法、关键结论
• 假设：标记作者的隐含前提和理论假设
• 概念：标记需要理解的术语或新定义
• 疑问：标记你觉得可疑或需要进一步验证的观点
• 引用：标记值得以后直接引用的原文段落

这种分类不是为了整齐，而是为了筛选和回溯——你可以在阅读库中按批注类型筛选，快速定位所有「疑问」标记的段落，在组会上集中讨论。

选中文本后按快捷键 A，在弹出的批注窗口中选择类型，然后写下你的想法。这个「想法」栏不是摘抄，是你对这段文本的第一反应——同意、困惑、联想到的另一篇论文、觉得样本量太小——写下来就好。

第二步：让 AI 助手参与讨论，而不是替你总结

Yomitomo 的设计原则是 AI 不脱离原文。你不需要让 AI 生成一篇论文摘要然后信它，而是在你已经阅读和划线的基础上，让 AI 加入讨论。

打开一条划线的讨论区，输入 @顾行简，这位「结构领航员」助手会分析当前段落在全文论证结构中的位置——它是前提、论据、还是结论？它和前后段落的逻辑关系是什么？

输入 @周砚，「根因审读者」会审查这段论述的因果链条——「X 导致 Y」这个主张的前提是否成立？有没有被忽略的中间变量？

输入 @沈清源，「概念翻译员」会解释这段涉及的核心概念在相关文献中的脉络和演变。

关键是：AI 回复会落在这条划线的讨论区里，和你自己的笔记、后续思考放在一起。三个月后回看这篇论文，你不会只看到一篇孤立的 AI 总结，而是一个完整的判断链路——你当时的划线、你的想法、你和 AI 的讨论。

第三步：用沉淀窗口整合判断

读完几篇相关论文后，你会在 Yomitomo 中积累多条划线、想法和讨论。这时打开「沉淀」窗口，Yomitomo 会把所有相关内容集中到一个编辑区域。

你可以在这里把分散的想法整理成一段结构化的沉淀稿——比如一篇文献综述的某个段落，或者一个研究假设的论证框架。沉淀稿写完，选择一两位「审阅助手」加入：

• @何明衡（逻辑复核官）会检测你的论证中是否存在推理跳跃
• @梁证言（证据司书）会提示你需要补充哪些数据支撑
• @唐简（终审编辑）会帮你压缩冗余、提升表达清晰度

审阅助手的反馈同样落回沉淀窗口，你可以按需采纳或忽略。最终发布的沉淀稿会替代原始划线展示在侧边栏，成为这篇论文阅读的「最终产出」。但原始划线和讨论仍然保留，你可以随时取消发布、回到最初的判断现场。

适合谁

每天需要精读 2 篇以上学术文献的研究生、研究员、独立学者。如果你已经厌倦了「高亮→忘记→再高亮」的循环，希望在论文阅读中建立可积累、可回溯的判断体系。