「两步式AI阅读法」:让ChatGPT成为你的专属摘要助手

利用ChatGPT这类AI工具来快速进行文章摘要、学习笔记,相信是不少人日常最普遍的应用之一。也有许许多多的AI摘要工具,来协助解决这类需求。我自己在日常的阅读新信息流程中,也慢慢累积出一套常用的摘要笔记流程,以及反复使用的ChatGPT摘要提示语,今天这篇文章就来跟大家分享。

首先,有几个现阶段我自己利用AI来辅助阅读时,会谨守的原则与方法:

  • 自己深入的阅读与笔记,依然是不可取代的。

  • 但是AI摘要可以协助三种层面:

    • 对于文章、新闻、兴趣,先通过AI摘要,决定是否值得深入阅读。
    • 对于值得深入阅读的内容,可以利用AI摘要建立有结构的笔记,跟自己理解的笔记进行互补。
    • 对于值得深入阅读的内容,也可以利用AI翻译,在需要时加快阅读速度。

尤其面对"任务型的内容",例如这是项目重要的资料、研究关键的知识,我们自己的完整阅读与理解,还是必须的,因为这样才会产出真正独特的新内容。

不过,这时候或许还是可以利用AI的摘要,帮助我更有架构地去阅读这篇文章,强化理解吸收,甚至让AI的摘要笔记启发我自己对这篇文章的延伸思考。

那么,这些时刻,我会如何利用ChatGPT这类AI工具进行摘要、翻译呢?以下是我常用的提示语,以及操作流程的心得

我的AI摘要文章常用提示语

首先,如果漫无目的地让AI进行文章摘要,很可能导致出现幻觉,或是漏掉原始文章中的关键段落。所以无论提示语要如何细部调整,有两个重点我认为是最有效的:

  • 先问出自己要问的问题。
  • 特别要求AI要一段一段根据问题摘要分析。

下面是我针对《Data Analysis and Visualization with Gemini and Google Colab》,所编写的AI摘要提示语:

bash 复制代码
请帮我针对"如何用AI做数据分析"用简体中文摘要下面这篇文章。请一步一步分析,首先根据我的问题一段一段摘要这篇文章的重点,最后帮我用表格整理出"gemini辅助数据分析"的逻辑和关键步骤:

###
贴上原始文章
###

首先给AI一个"主题、问题",然后请AI根据主题去原始内容中一段一段找答案。这时候,AI有明确的分析方向,加上要求它一段一段处理,那么最大程度可以让我需要的重点,都在这一次的摘要中浮现出来。

image.png

不过,我通常喜欢在写摘要提示语的时候,再加上一个关键的思考:"我通过这次学习,想要输出的是什么? "然后,把自己想要的输出,变成提示语,请AI尝试输出类似的笔记内容,作为我的参考。

例如这里我的提示是:"最后帮我用表格整理出"gemini辅助数据分析"的逻辑和关键步骤",我的几个心得是:

  • 写摘要提示语,除了请AI帮忙节省时间,其实也是一种"自我提问",任何学习前,先问自己想要解决什么问题?想要产生什么输出?这对学习有莫大的帮助。
  • 强迫问问自己想要什么输出,让AI建立基本内容,更能作为自己未来笔记的补充参考。
  • "表格"是一个很有效的AI输出格式,可以在表格中看到这篇文章更有逻辑的结构,也帮助自己如果要深入阅读前,可以建立基本知识架构。

于是这样的提示语,让AI前半段帮我一段一段根据问题摘要,后半段则用表格进行有逻辑的输出整理。

像是图表这样的表格,常常就会直接复制到我的笔记,成为我学习笔记开始的基础,然后我再从这样的结构上,继续把我的心得与想法加入。

image.png

第二层AI摘要与讨论

不过既然这是"摘要"提示语,即使已经要求一段一段重点摘要,依然会缺失许多原始内容,这时候如果想快速确认原文中是否有更深入的解说,我会这样提问:

复制代码
很棒的解析,我想针对「XXXXXXX」,询问原文中具体的解释逻辑,以及使用的案例

"XXXXXX"中的内容,通常是第一层AI摘要中出现的某段话,而我想要深入了解,所以请AI回到原始提供的内容中找出解释逻辑、使用案例。

这时候,往往就能快速挖掘出一些更具体、深入的细节。

image.png

发现上面第一层、第二层的摘要真的吸引了自己,也看到某些似乎有助于自己学习的内容时。如果真的想要深入再挖掘这篇文章,产出自己有效的知识图谱:

💡这时候,最好的方法就是让自己花时间深入去读一遍原始的文章。

即使如此,前面的两层摘要,以及输出的笔记,会帮助自己深入阅读时更有效率,甚至可以加深理解与启发

而我的经验是,如果这时候还是继续利用AI做第三、第四层摘要与讨论,反而容易因为讨论得越深,越有可能开始偏离原文,出现更多AI的幻觉

所以既然想要深读,就好好自己来阅读吧!

以上,就是我目前在日常的阅读学习新信息流程中,会使用的AI摘要提示语与流程,提供大家参考,也欢迎留言提供你更好的方法与建议。

相关推荐
古希腊掌管学习的神12 小时前
[LangGraph教程]LangGraph04——支持人机协作的聊天机器人
人工智能·语言模型·chatgpt·机器人·agent
鸿蒙布道师12 小时前
OpenAI为何觊觎Chrome?AI时代浏览器争夺战背后的深层逻辑
前端·人工智能·chrome·深度学习·opencv·自然语言处理·chatgpt
AIGC大时代14 小时前
高质量学术引言如何妙用ChatGPT?如何写提示词
人工智能·深度学习·chatgpt·学术写作·chatgpt-o3·deep reaserch
盈达科技3 天前
[盈达科技】GEO(生成式引擎优化)实战指南:从认知重构、技术落地到内容突围的三维战略
人工智能·chatgpt
Feel_狗焕4 天前
transformer架构详解由浅入深-大模型入坑笔记真的很详细
chatgpt·llm
赵钰老师4 天前
【大语言模型DeepSeek+ChatGPT+python】最新AI-Python机器学习与深度学习技术在植被参数反演中的核心技术应用
人工智能·arcgis·语言模型·chatgpt·数据分析
Awesome Baron4 天前
《Learning Langchain》阅读笔记2-基于 Gemini 的 Langchain PromptTemplate 实现方式
jupyter·chatgpt·langchain·llm
背太阳的牧羊人4 天前
用 MongoIndexStore 实现对话存档和恢复 & 实现“多用户、多对话线程”场景(像一个 ChatGPT 对话列表那样)
mongodb·chatgpt·llamaindex·对话存档·持久化存储聊天
john_hjy4 天前
人类行为的原动力是自我保存-来自ChatGPT
chatgpt
明明跟你说过4 天前
LangChain + 文档处理:构建智能文档问答系统 RAG 的实战指南
人工智能·python·语言模型·自然语言处理·chatgpt·langchain·gpt-3