批判性阅读实战：用 AI 审阅助手拆解文章的论证结构

「这篇文章写得不错」或者「这观点有问题」——大多数人在读完一篇论述性文章后，只能给出这个粒度的评价。不是因为我们没有判断力，而是因为批判性阅读是一项需要刻意训练的技能。它需要你在阅读的同时做几件并行的事：识别前提假设、追踪逻辑链条、评估证据强度、检测过度概括。没有人天生能同时做好这些。

Yomitomo 的审阅助手矩阵，把批判性阅读的几个维度拆成了不同 AI 角色的专长。你不是让一个 AI 给你一个笼统的评价，而是让不同角色的 AI 从各自的维度给你反馈。最终你整合这些反馈，形成你自己的判断。

不是替你做判断，是帮你发现自己遗漏了什么

审阅助手的设计理念很明确：它们不替你下结论。它们做的事情是提示——提示你这段论述可能有一个前提需要检验，提示你这个因果关系可能有漏掉的中间变量，提示你这个数据来源可能不够充分。

你始终是判断的主体。审阅助手只是帮你看到你可能漏掉的东西。

四位审阅助手，四个批判维度

梁证言：证据司书

当你读到一段包含事实性主张的论述时——「XX 市场规模达到 YY 亿」「ZZ 公司的数据显示」——标记为「要点」或「假设」，然后在讨论区输入 @梁证言。

梁证言不会像搜索引擎一样去互联网查证事实（这是不可能的，模型的知识有截止日期）。她会做的是方法论层面的审查：这个数据是来自一手调研还是引用二手报告？样本规模是否在文中说明？有没有对照组？数据的时间范围是否匹配结论？

你得到的不一定是「这段是假的」的判定，而是「这个论述的证据强度可能不够，建议注意」的提示。这个提示会让你在后续阅读中更敏感地识别类似问题——这就是批判性思维的训练效应。

何明衡：逻辑复核官

当你读到一个因果推论——「因为 X，所以 Y」「X 的增长导致了 Y 的下降」——输入 @何明衡。

何明衡会检查几个常见的推理问题：X 和 Y 之间是否有被跳过的中间变量？是否存在相关性被当成了因果性的情况？有没有混淆了必要条件和充分条件？结论是否比前提的范围更大（过度推论）？

一篇看似严密的论述，在何明衡的拆解下经常暴露出跳跃——尤其是那些作者用修辞手法掩盖的逻辑缝隙。

苏定白：风险审查员

当你读到一篇充满「必将」「显然」「毫无疑问」的文章时，输入 @苏定白。

苏定白会标记潜在的认知偏差和风险：这个结论是否过度概括了少数案例？是否存在幸存者偏差？作者的立场是否影响了论述的客观性？这个预测是否低估了不确定性？

这些提示对于阅读投资报告、行业分析、政策评论尤其有用——这些文本往往包装得很专业，但核心假设可能经不起推敲。

唐简：终审编辑

唐简的角色略有不同——她不审查作者，她审查你。

当你在批注中写了一大段自己的想法，或者在沉淀窗口写完一篇沉淀稿后，输入 @唐简。她会帮你压缩冗余、理清表达、让你的判断更清晰地呈现。这看起来是编辑功能，但本质上也是批判性阅读的延伸——你在用 AI 审视自己的表达，确保你的批判是有条理的，而不只是情绪化的「我觉得不对」。

沉淀窗口中的综合批判

审阅助手在批注讨论区的反馈是分散的——每条线一个问题。而沉淀窗口是整合的——你把你对一篇文章所有的批判性批注聚在一起，写一篇批判性分析稿。

写完分析稿后，你可以再次邀请审阅助手审阅你的分析稿。这是一个元层面的操作：你在用 AI 检查你的批判本身是否严谨。

最终发布的沉淀稿，不是「这篇文章好不好」的读后感，而是一份有结构的批判性分析——包含前提审查、逻辑分析、证据评估和你的最终判断。

适合谁

想提升批判性思维能力的人——学生、研究者、投资者、产品经理。如果你不满足于「感觉文章不对但说不上来哪里不对」，希望把批判性阅读从直觉变成可训练的技能。