让 AI 读长文，但每个结论都要找到原文

让 AI 处理报告、论文或访谈时，最危险的结果往往不是明显错误，而是“读起来很合理”。一段流畅摘要可能混合了原文事实、模型推断和常识补充，等到要引用时，才发现找不到出处。

更稳妥的目标不是让 AI 一次读懂整篇文章，而是让它交付一组可以回到原文核验的结论。摘要只是展示层，证据链才是工作底稿。

先给原文留下坐标

输入材料前，尽量保留标题层级、页码、段落号、表格名和脚注编号。扫描件需要先检查识别错误；多篇材料则为每篇分配独立编号。没有坐标的长文本，即使找到了原句，也会增加复核成本。

如果工具会自动切分内容，可以要求它在回答中沿用已有章节名，不要自行发明位置。材料过长时，先按章节处理，再做跨章节归纳，不要把所有文本压进一次宽泛的“请总结”。

把阅读拆成三轮

第一轮只建立地图：列出文章目的、章节主题、关键概念和作者明确提出的问题。第二轮围绕具体问题提取结论与证据。第三轮才比较各处说法，处理重复、限定条件和矛盾。

这种拆法能避免模型在尚未定位证据时过早概括。每一轮都应允许回答“材料没有说明”，而不是强迫它补齐答案。

使用固定的证据卡

我会要求每条输出遵守同一个结构：

结论：用一句话表述，不超过原文支持的范围
证据：原文中的关键句或数据
位置：文档编号 + 章节/页码/段落
关系：直接支持 / 间接支持 / 存在冲突
限定：适用对象、时间、条件或作者保留意见
状态：可采用 / 待复核 / 证据不足

“关系”和“限定”很重要。原文说“在特定样本中观察到”，不能被改写成普遍规律；作者提出可能性，也不能被升级成已经证实的因果关系。

一段可直接复用的指令

请只依据所附材料回答问题。先列出候选结论，再为每条结论提供
原文证据和准确位置。区分作者明确陈述、根据多处信息得到的推断，
以及材料未说明的内容。不得用常识补全缺失事实；找不到证据时，
将状态标为“证据不足”。最后列出互相冲突或无法确定的说法。

如果需要原文引句，还应限制引文长度，并在最终发布前人工对照，防止断章取义或复制错误。AI 给出的“位置”本身也只是待检查信息，不能因为看起来像页码就直接相信。

逐条验收，而不是重读全文

拿到结果后，可以按下面的顺序复核：

1. 原文位置是否真实存在，引用是否准确；
2. 证据是否真的支持结论，而不只是主题相近；
3. 主语、时间、范围和数量有没有被扩大；
4. 推断是否被明确标记，是否存在另一种解释；
5. 相反证据、例外和作者的保留意见是否遗漏；
6. 多篇材料的观点是否被错误合并为同一来源。

高风险结论优先检查，纯粹的结构整理可以后查。若一条结论需要拼接多个段落才能成立，应同时保留所有证据，并明确写成“综合推断”。

最终可交付的不是一篇看似完整的摘要，而是一张结论清单：哪些能直接引用，哪些只能作为线索，哪些仍需寻找新材料。这样，AI 阅读长文的价值就不再是替人跳过原文，而是帮助人更快抵达必须亲自判断的位置。