AI 给你的书批得很稀，是故意的
MindMax 的 AI 给一本书做批注时，是故意批得很稀的：它只在一位忙碌的专家真的会停下来的地方做标记，事先告诉你它打算多久停一次，而它的四个镜头里有两个是向你提问，而不是把结论交给你。更少、更好的标记，才是你会回头再读的那些。
人们对 AI 通读批注的第一反应，常常是有点失望：它读完了一整章，只留下两条批注。它肯定能找到更多吧？
它能。我们决定它不该这样做，而这背后的理由值得写下来，因为「更多批注」正是那种会让产品变差、用户却不会马上怪到产品头上的改进。
划重点有一个众所周知的失败方式
翻开一本用过的教科书。第一章满页黄色，中间零零星星，最后三分之一干干净净——不是因为论证变得不重要了，而是因为划重点是在你知道什么要紧之前做的决定，做这个决定的精力会耗尽。
一个把一切可能有意思的地方都标出来的工具，会自动地、成规模地复制这种失败。你得到的是一份标记不携带任何信息的文档，因为一个到处都有的标记，对任何一处都说明不了什么。
所以标准不是「这段有没有意思」，而是一位忙碌的专家，带着你选的镜头读下来，真的会在这里停下吗——这个门槛高得多，也正因如此，一整章只有两条批注是完全正常的。
管理预期也是设计的一部分
高门槛的问题在于，稀疏的输出和坏掉的输出，从外面看一模一样。如果你想象的是满页发光，每章两条批注读起来就像「它没起作用」。
所以一次通读在动手之前，会先告诉你它打算做什么：它认为这是一份什么样的文档、大概打算多久停一次、哪些章节值得你花时间、哪些可以放心略读。你事先就拿到了衡量它的那个数字。一次通读说「这是一篇方法论很密的论文，我会停六到十次，大多是去质疑它的假设」，然后停了七次，那它就做到了它说的。
结果证明，这一点比对批注质量本身的任何改动都更要紧。同样的输出，有没有开头那一段，被读成了两个不同的产品。
四个镜头里有两个拒绝给你答案
人们注意到的第二个决定更奇怪。四个镜头里，有两个——思辨和学习——刻意不给结论。它们提问；你来回答。
想「修好」这一点的诱惑很强，因为一个直接给你结论的 AI，感觉比一个向你提问的 AI 更能干。但对于一份你想从中学到东西、而不只是处理掉的文档，一个现成的结论，恰恰会阻止学习的发生。你读了它，你同意它，你脑子里什么都没发生。生成效应是关于人怎样学会东西的、重复验证得比较好的发现之一：自己产出一个答案，会带来读一个答案所带不来的东西。
所以思辨镜头会标出一个前提，问你如果它不成立会怎样。学习镜头会出一道练习，在你试过之前不批改。与此同时，导读和评审镜头确实会给你结论，因为处理一摞文档，和学会一份文档，是两件不同的活。在这两类之间做选择，才是一次通读开始时真正要做的决定，这也是为什么有四个镜头，而不是一个带质量滑块的镜头。
我们没有声称什么
我们没有关于记忆、理解或阅读速度的数字，也不会去编造。这里的说法更窄、也可以核对：门槛定得很高，通读会告诉你它定在哪里，你不同意的每一条批注都可以删掉——它们就是挨着你自己标记的普通标记。
如果它在你看来停错了地方，解决办法不是某个设置。把对的那些点「采纳」，不对的点「忽略」，下一次对这份文档的通读就会往你留下的那一边偏。
四个镜头的介绍见AI 批注，书级篇幅的版本见读完一整本电子书，端到端流程见读完一本书，留下真正用得上的笔记。具体操作见阅读与批注。