Matrix 首页推荐
Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。
文章代表作者个人观点，少数派仅对标题和排版略作修改。
每天都有无数的信息涌现，我们的注意力很容易被吸引走，好像了解了很多，但认真回头去想，有价值的信息实在太少了。
人的注意力是有限的，如何利用好它们，尽可能获得高质量的信息一直是我思考的命题。除了主动订阅优质信源，还有一部分就要从各种推荐的信息流里，抽取对自己有帮助的信息。这也成为了我对信息消费的核心诉求。
每天听和看到的内容，主要就是文章、播客、视频。我看文章更多，所以我最优先考虑的就是用 AI 帮我提前阅读一遍，按结构化输出核心观点和全文摘要，我再通过看这些摘要和总结决定是否有必要细读。
为此，我开始体验和寻找当前市面上的 AI 工具，看哪个是可以满足我诉求的。
我挑选并使用了市面上几款 AI 总结类产品，同时也自己手动去构建了自己的 AI 总结 bot，在这个过程中对自己的需求和当前的 AI 产品产生了一些思考。
最开始尝试体验的是通义智文，丢给它网页链接、PDF 文件、专业论文、电子书，它都可以帮你总结。
但是很快我就发现，它和我的需求并不契合。原因是它只提供了概述和摘要两点，且总结的质量较低，部分我关注的内容并不在它的总结范围内。这个时候就需要我主动去提问，它才能给出相关内容。而我期望的，是给我一个完整的结构化信息，让我基于自己的关注点去展开提问。
当然它也有做得好的地方，比如它支持对阅读内容做笔记、支持翻译原文等，只是不是我需要的。
偶然看到了一款 AI 总结播客内容的产品让我眼前一亮，名字叫做 Podwise。产品的 slogan 是也与我的理念不谋而合：Read, before Listen.
它不仅支持找播客、订阅播客、文字转播客、内容摘要、关键词总结、精彩语录、分享到笔记软件等，最让我中意的是它可以直接用脑图总结播客内容，这个就非常清晰了。有了框架，我就可以对感兴趣的内容进行展开深入。
试用了产品之后，我觉得还是非常不错的，但是毕竟是有免费次数限制（每个月免费使用 4 次），于是我转向了国内的音频总结类产品，阿里的通义听悟。
语音写成文字之后，内容更容易被索引，摄取效率也更高，我能够更容易地找到自己感兴趣的内容。
通义听悟使用下来不如预期，全文摘要、章节速览、发言总结这几个总结功能，结果都比较生硬。再者就是需要我主动再从文本中找信息，而不是将整理好的内容呈现给我。
我尤其不理解，这个通义智文和通义听悟，为什么都这么重视笔记功能，反而不好好做总结。想来想去只有一个原因，那就是底层模型还不够强，只能做些视觉层的功能来弥补模型的欠缺。想到这里我也释怀了，毕竟 Podwise 用的是 GPT-4。
Podwise 给我的启发是，AI 总结的内容可以通过更加结构化的方式表达出来，尤其是通过脑图的方式十分击中我，让我可以快速看清内容的结构信息。
由此再结合我的出发点，我的诉求变成了 AI 帮我总结内容并按照脑图的结构输出，或者 Markdown 结构输出。
后来等到 Kimi 出圈，我发现前面折腾的这些，Kimi 都可以直接支持，而且表现相当出色。
无论是长文档、文字网页、还是播客链接、视频链接，它都是可以解析并总结，然后按照自己想要的方式展示出来，如展示为 Markdown 或者 Mermaid。
它内容的详细程度可以按照自己的 Prompt 进行定义，当你想要就其中某个知识点展开了解时，可以直接和它继续对话，回答质量也不会太差。再次有了一种如获至宝的感觉。
Kimi 的能力不仅仅是总结，联网搜索、翻译这些都处理得很不错，在内容总结这个场景下模型能力肉眼可见的比通义要强不少。
在不断的寻找和尝试过程中，我同时在想为什么不自己动手做一个 AI 应用？想想现在可以通过 Prompt 的方式快速做个 AI 产品出来还是很兴奋的，而不是必须会写代码做程序才行。
尽管 Kimi 本身就支持通过 Prompt 的方式实现我需要的功能，但是每次都现发指令去执行比较麻烦。
Kimi 可以通过预设 Prompt 的方式，把常用的 Prompt 设置为常用语，一键呼出使用，十分贴心。想要大模型输出什么样的总结，不断去优化自己的 Prompt 即可。
Coze 支持用户快速、低门槛地搭建自己的 Chatbot，并且可以将这些机器人一键发布到不同的平台进行应用。
我可以在这里选择底层的模型（免费使用 GPT-4），输入自己的 Prompt（AI 可以帮助优化 Prompt），然后选择对应的插件（AI 可以帮助选择），基本就可以运转起来了。
如果有进一步的要求，可以引用自己的知识库数据，甚至可以通过关联多个 bot 搭建一个 Agent 完成一系列事项。通过预览查看总结的效果，不断调整 Prompt 来达到自己想要的效果。
可以免费使用 GPT-4 Turbo，再加上越来越丰富的插件系统，我打算后面多研究下 Coze，搭建更加个性化的机器人出来，辅助阅读和学习。
AI 总结的质量很难评，相同的内容在不同的模型上表现有差异，想知道哪个模型总结是相对高质量的（当然当前阶段对比下来明显还是 GPT-4 和 Claude 更强一些），必须自己先去阅读完原内容，再回头去看 AI 总结做对比才知道。
具体怎么评价总结效果，我最看重以下几个点：
另一方面，从 Prompt 构建的角度去看，步骤可以拆解为：
上述的步骤，在执行层面存在两种实现方式：
在折腾的过程中，尤其是使用 AI 总结的过程中，我愈发止不住思考：AI 总结的内容是「准确」的吗？
每个人对内容的价值点判断是不一致的。相同的内容，可能 AI 认为重要、核心的内容，我并不在意。这样，如果我基于 AI 的总结结果去判断是否进行下一步阅读时，反而可能遗漏我认为重要的部分。
「准确」这个问题有点泛，可以进一步拆解为几个问题：
AI 现阶段无法像人类那样，深入理解文本或视频内容的深层含义和上下文联系，它的表现受限于训练的数据源与模型推理能力，从实现原理角度看当做是在玩文字游戏也不为过。
开始怀疑之后，我又产生了几个相关问题：
以及；
带着这些疑问，我开始慢慢寻找答案。在 Twitter 上看到了不同博主的观点，让我有从另一个视角的启发。原文如下：
憋了很久，但最终还是决定说出来的一个看法：最没有意义的 AI 应用就是那些「总结类产品」。原因：
1. 它不能代替你阅读。总结的意义在于阅读后，而不是阅读前；
2. 在「节省」时间的同时，它也让你离「一手信息源」越远。我们现在接触的很多已经是二手信息，这种没有阅读的「总结」是三手，四手，五手知识；通过「总结」学到的不是知识，是以为自己学到知识的幻觉（或虚荣心）。
3. 总结的本质是对具象知识的吸收和高度抽象。总结的最大获益者是做出总结的人，而不是阅读总结的人。跳过具象知识，就像猪八戒吃人参果：「你不知道有籽没籽儿，有核没核，它到底是个什么味儿啊」-一个 80 后西游记迷控制不住的 reference.
4. 试图通过阅读总结学知识，是很多人「懂得很多道理，却依然过不好这一生」的原因。学知识，获得智慧，没有捷径。
5. 一个更加现实的问题：你无法确定 AI 总结的是准确的。想要确定它是准确的，你需要去读一下。所以，why even bother? （如果是读书，人家已经有了一个准确的 summary: 目录。如果是读论文，人家已经有了摘要。而书籍和论文是最好的信息源。）
6. 这种 AI summary 甚至都不是可靠的内容筛选器。即使它总结的准确，这种高度抽象会导致那些越是正确的内容，被总结出来的越是那些「老生常谈」的大道理。看起来都千篇一律。你会 pass 掉很多好的内容。
——来自 Twitter 「一口新饭」
GPT 类的语言模型本身就是一道有损压缩了，再被良莠不齐的套壳软件继续有损压缩一遍，还能剩下个啥，读这类总结就是看个热闹。所以总结类应用最大的用途就是帮助在视频中定位，比如大约在 7 分钟的时候开始讲什么了。
——来自 Twitter 「Axton」
并不是任何内容都适合 AI 总结，比如闲聊访谈类的播客就不适合，内容太过分散；或者短视频或者 vlog，很多都是只有画面，没有说话内容，这些都没法总结。
这些内容会更加适合 AI 总结：
主题较为明确的播客或视频，如：TED 视频
手机或者数码产品分享视频，如各种评测
新闻或者时事类播客或视频
——来自 Twitter 「JimmyWong」
我觉得自己还是需要一款 AI 内容总结工具的，只是需要区分内容去使用：
前两步，是让 AI 帮自己筛选过滤内容，然后进入主动阅读环节；后两步对优质内容进行学习思考。切勿太依赖 AI 工具什么都丢给它去阅读总结。记住自己的出发点：在信息洪流中，更好地聚焦与思考。
最后，不得不说，AI 内容总结在当前阶段并不完美，但还是有它的价值，随着 AI 能力的提升，我相信这些问题大部分会得到解决。总有一天 AI 能切实帮到我们，让生活更加方便和智能。
> 关注 少数派小红书，感受精彩数字生活 🍃
> 实用、好用的 正版软件，少数派为你呈现 🚀
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。