用户用 AI 搜索，到底在「搜」什么？

到场景中，才有答案。

来源：王智远（ID：Z201440）

作者：王智远

原标题：AI总结性产品是不是鸡肋？

AI 总结性产品是不是鸡肋？我把这个问题发给朋友，结果并不惊讶。

他说：AI 总结类产品，并不好用。他解释道：自己经常在地铁、咖啡厅里刷朋友圈，看到不错文章因为时间太紧，于是乎会让 AI 先帮忙读一遍。

起初，感觉还可以，后来觉得，说的都是正确的废话，跟看文章目录、中间划线部分没什么区别，缺乏新意，还会漏掉关键部分。

我很赞同，也非常理解对方感受，也遇到过类似问题。观察市面大部分阅读类 AI 软件后发现，帮总结、帮读、帮分析，快速形成提纲是避免不了的第一步。

我后来开始思考，什么情况下认为它不错，什么时候又觉得它没用？让 AI 帮总结真的靠谱吗？到底需要什么样的总结？如何让不同的总结工具为我所用？

深入研究后觉得工具有问题，好像个人方法也不太对。

01

因为注意力有限，所以，我经常想，每天接触文章、播客、视频，怎么把注意力集中在更多有价值的信息上。

于是，有两个处理方法：

• 预处理

• 帮阅读

所谓预处理，即：主动寻找一些高质量的信息源，订阅它们，每天定时同步到邮箱，晚上一并进行查看。

而帮阅读呢？也就是，对每天各大资讯类 APP 实时推送还不错的内容，提前用 AI 帮读，让它整理出核心观点，摘要。然后，会根据 AI 给出的内容，决定这篇文章是否值得我花时间再看。

如此一来，就形成一条高效地获取有价值信息的完善过程。听起来很丝滑对不？可是，你知道吗？我用 AI 总结工具经历了三次迭代。

一开始，AI 阅读还没有流行起来。

我用 AI 阅读，是在朋友圈看到有人分享了一个海报，加了一个企业微信，把文章转给它，它就能自动生成内容。

小众公司做得挺好，用起来挺省事的，还开一年的会员。没想到，这家公司没用多久倒闭了。自那之后，我心里发誓，再也不让这种软件割我的韭菜了。

正是尝到了甜头，加上对 AI 总结带来效率提升的渴望，我不得不寻找更多选择，很快，发现百度网盘推出的工具；这个工具功能、使用方法都和之前差不多，而且用起来很方便，也就用了一段时间。

不过，好景不长。

随着订阅文档、视频、播客越来越多，我开始琢磨，视频播客有没有做摘要、帮读分析的软件？那段时间，我回到家，大部分时间都在寻找合适的软件，至今还历历在目。

天道酬勤，的确找到不少。可是，一段时间后，新问题又来了。我总在 3-4 个软件之间切换，晚上原本专注阅读的时间正事没干多少，反而精力消耗严重；这让我注意到，工具多，效率没提高，就会分散注意力。

怎么办？

很巧，2023 年中旬，国内大模型应用陆陆续续爆发。

阿里推出「通义千问」，科大讯飞推出「讯飞星火」。那时候，我试用几家，心里想，太棒了，终于可以一键解决所有问题了。

但用一段时间后，又有了新的问题，我发现：部分我关注的内容并不在 AI 的总结范围内，它总结的内容，不是我不关心的，甚至，我还要主动提问，它才能给出相关内容。

这很头疼。在经历从无到有，从有到添加需求的过程后，我开始认识到，AI 会让我忽略到一部分有价值的信息。

02

什么是有价值的信息？不得不提到一个词：准确性。

为什么？

因为我用 AI 阅读的目的，是希望它能快速给我想要的信息，让我明白作者想说什么，背后的原因是什么。如果 AI 不能把不重要的东西去掉，只给我关键的信息，那么，它给出的信息可能就不够准确。

所以说，准确性对于信息的价值非常关键。但是，我怎么去衡量 AI 给出答案的准确性呢？

后来发现，每个人、每个 AI，对「准确」的看法都不太一样。有时候，我觉得重要的东西，AI 觉得不重要；反过来也是一样。

比如：

前几天，我把一个关于人工智能的研究报告，差不多一万字，交给了「通义千问」。结果，它只简单地根据子标题，总结每个段落的内容。你说，这准确吗？在某种程度上是准确的，毕竟这是关键信息。

可这些关键信息，真如同道理一样，被简化成单一的结论，并未给出背后的所以然。

怎么办？我设定了自己的标准。我认为，一篇文章被 AI 总结出来不能少于三个条件：

一，每一段内容是不是清晰？二，是不是把作者的本意丢掉了，或者内容重复了？三，总结出来的东西，因果逻辑和原文的想法是不是都完整表达出来了？

用这三点，试好几家公司的 AI 阅读功能，果然，和预想的一样，不管文章有多长，它们总结的内容差不多都在 300 到 400 字之间，最长的也就 500 字。

要求太高，好多都达不到，AI 还不能像人类那样深入理解文本、或视频内容的深层意义和上下文。这让我开始怀疑：

AI 所谓的提升效率，是不是伪命题？它会不会让我错过自主思考和判断的机会？我真能放心地把任务交给它吗？带着这些疑问，一直探索答案。

我甚至还在朋友圈吐槽：最没用的 AI 产品是「总结类产品」。看起来在节省时间，但实际上，让你离「一手信息源」越来越远。

为什么，原因有四点：

一，它没办法替你阅读，总结的意义在于阅读后，而不是总结前。

二，表面上看似在「节省时间」，实际让你浪费了更多无形时间，我们接触的作者、自媒体已经算二手、三首信息，这样的总结算四手，看完四手后觉得有价值，你才会回过来，再看，岂不是要更久？

三，总结本身很抽象。最大受益者是 AI，而不是阅读的人。如果我们跳过具体的知识，就像猪八戒吃人参果一样，你根本不知道它是什么味道的。

四，如果试图通过总结来学习知识，会落入『懂得很多道理，但依然过不好这一生』的困境中。

总结出来的内容是『老生常谈』的大道理，看起来千篇一律，会让人错过很多真正好的内容，学知识，获取智慧，是没有捷径的。

最重要的，并不是所有内容适合 AI 总结。

前一段时间，我听一个播客，听着很爽，有音乐有聊天，可 AI 总结出来却令我大跌眼睛，因为聊天的口语加上杂糅的音乐，AI 总结给的答案存在偏差。所以，很难去评判。

因此，我为什么还要总结一遍呢？直接看目录，看摘要不好吗？

这种看似具体，但仔细审视却高度抽象的「内容筛选器」产品到底价值在哪？后来我跳出产品看产品，发现答案不在 AI 里，而在阅读行为本身。

03

学习一般来说有三个阶段：开始前，过程中、结束后。

开始前，要抓住主要内容；过程中，要详细了解每一个细节；结束时，要把所有知识点重新整理一下。

这就像有点像磨咖啡。

一开始，会选择什么样的咖啡豆、什么配料，过程中精确地研磨咖啡豆，确保水温、萃取时间都恰到好处，这代表了深入了解每一个细节；最后，你把咖啡倒进杯子里，一饮而尽。

阅读前，犹如看一本书的前言、一部电影的剧情简介，AI 总结帮助我们过滤内容和导航，让你决定是否要深入了解的可能性。

书籍、文章虽然有作者、编辑把目录和摘要整理好了，但 AI 总结和传统总结不太一样，AI 很难做到精准筛选，相比之下，用户的书评和影评更靠谱。

现在，总结也被用来整理中间部分，甚至它可以帮你把一篇长文，浓缩成一个脚本；从这个角度看，AI 总结帮我们摆脱了内容贫瘠的文章，让人有更多时间关注重要的内容。

那么，阅读后呢？

AI 总结最大好处是给做总结的人，而不是读总结的人。

如果跳过了过程（认真学习的步骤）进行总结，那真和猪八戒吃人参果一样。如果你的目标是理解知识，那么，阅读后的总结可以加深学习效果。

因此，AI 总结工具的目的，有两点：一，它是帮助我们在开始前和结束后提高效率的工具，不为过程负责；二，使用这类工具，是为了更高效地筛选信息。

更直接一些，AI 总结不能替代「阅读行为」。

阅读是什么？

我把一篇文章给 AI，AI 给了我反馈，我发现里面有两三个有价值的点，停下来学习一下，这就是阅读。所以，如果你把 AI 总结工具当阅读，则会陷入获得性陷阱（learned helplessness）中。

什么是获得性陷阱？

简单来说，有两个点：一，我们只听到一点点信息，就匆忙地认为全都懂了；第二，有时候，被自己已知的信息限制了，形成了刻板印象。

一方面，人要通过大量的练习才能真正理解知识。阅读和总结就像是给大脑的训练。如果我们跳过了这个训练过程，或者让 AI 来代替这个过程，那其实什么也没学到。

另一个方面，在学习的过程中，过度依赖 AI 总结工具，试图缩短学习时间，那么，学习的质量可能会变差。因为真正想学习的人，即使使用了总结工具，也不会放弃深入阅读。

反过来说：

只追求表面阅读的人，有没有 AI 总结工具，他们也会找各种借口说「看过了」。

因此，即使 AI 总结得很精准，这种高度抽象的方法，也会让我们错过真正有价值的细节，只剩下那些人人都知道的普通道理；这如同，别人已经把食物嚼碎了喂给你，你知道「吃饭是为了长身体」，但享受美食的过程，还是要自己亲自体验。

我突然想到了那句中国古话：不吃葡萄说葡萄酸。所以，通过「总结」学到的不是真正的知识，而是一种自以为是的错觉（或者是虚荣心）。

不过，现实中，总有人试图跳过学习的过程，直接获得结果，这种对快速获取知识的需求还是很大的。

像什么各种付费课、兴趣班、甚至很多人的微信收藏中，堆满了永远不会看的内容，难道不就是满足所谓的「获得感」吗？

因此，工具虽然好，但关键还是看个人如何使用它。

04

那么，我试图还原阅读行为，能给你带来什么启发呢？

从产品经理角度看，开发「AI 总结类产品」时，应该超越从传统的提供开始前、结束后的总结思维中跳出来，涉及到过程环节。

前几天，我做过一个调研。

一家资讯平台技术负责人告诉我，从数据和用户反馈看，总结功能使用频率，低于其他功能。这是为什么？用户想要的并不是总结性服务，而是过程性指标。

想象一下：

你看到了一篇写得很好的文章，你想让 AI 帮你总结。我猜，你真正想要的不仅是 AI 给出的一两句简单结论（What，是什么不分），而是，想了解文章的核心理由（Why，即为什么）和方法（How，即怎么做）。

所以，产品经理设计的 AI 工具，不应该只简单地压缩信息，而应该是一个促进学习行为的动态工具。而用户，想用工具提炼出关键信息，并帮助自己深入分析来学习、吸收知识。

不信，再看看我的行为，就是最好的例子。

因为实在受不了各大平台的 AI 总结，后来我放弃了。然后，就在想，为什么不自己开发一个 AI 应用？但想到自己不会敲代码，想法有点不太现实。

怎么办？后来，想到一个土办法，写了一个 Prompt，这个指令里，我写清楚了让 AI 扮演什么角色，应该怎样去总结分析内容，如何挑选重要的部分？以及输出的格式是什么样。

这样，每次我想要总结什么，就把指令发给 AI，AI 收到指令后就会去执行。一开始用这种方法还不错，但每次都得发送指令，稍显麻烦。再后来，我把 Prompt 设置成了键盘常用语，一键呼出，太棒了。

所以，AI 总结类的产品经理，要把时间给到「过程指标」，在开发时，可以多写几行关于「总结」的规则进去。当然，作为使用者，不能完全依赖 AI 给的总结，有价值内容，可以多看几眼。

总结而言

到场景中，才有答案。

相信随着人们需求的变化、技术也会进步，总有一天，AI 会帮到我们，切记，也不要完全依赖 AI 学习，让自己丢失了独立思考的能力。

*头图来源：视觉中国

直播预告

苹果终于在 WWDC 上曝光了在 AI 方面的进展：不仅谨慎、明确而清晰将 AI 引入应用开发，更是官宣了与 OpenAI 的合作，令 Siri 变得更加「善解人意」。Apple Intelligence 在苹果产品及生态的渗透，是否代表着将为十亿级移动设备用户提供真正的智能技术？又是否代表这是 AI 真正变得「有用」的开端？

6 月 13 日（周四）20:00，极客公园视频号直播间，来聊聊苹果是否顺利搭上了 AI 时代的「末班车」。

 

更多阅读

微信扫码关注该文公众号作者