核心理解
AI 改变的不是信息本身，而是你和信息之间的摩擦。摩擦小了，以前”读不动”的书突然都够得着了。
传统阅读的困境：晦涩翻译、大部头体量、缺乏讨论对象——大多数人只能听二手解读，而二手解读丢掉的恰恰是最值钱的部分。
AI-Native 阅读 = 聊天式学习 + 原文精读交替进行。核心是把注意力从”读懂文字”解放出来，投入到”读通自己”上。
阅读的三层拆解
| 层次 | 传统方式（高摩擦） | AI 介入后（低摩擦） |
|---|---|---|
| 理解文字 | 自己死磕原文 | AI 用你喜欢的语气讲给你听 |
| 联系自身 | 自己默默反思 | AI 引导你联系自身处境分析 |
| 改变认知/行动 | 靠悟性 | AI 给具体行动建议或认知纠正 |
AI 阅读的正确姿势
- AI 讲解为主，原文精读为辅：大部分内容由 AI 讲解，遇到特别感兴趣或有疑问的地方，回原文划线追问
- 按章节推进，不要一口气喂全书：30 万字的书塞满上下文会导致模型降智 + token 爆炸。按章节按需读取，学完一章压缩上下文再进下一章
- 学完一章要输出：用自己的话讲给 AI 听，让它判断你是否真懂——这是「费曼学习法」的 AI 版，比传统方式多了一层即时反馈
- 生成图解笔记：每章学完让 AI 整理核心观点、关键概念、实践方法到一张图，方便日后回顾
和已有知识框架的映射
- FCR阅读法：传统做法靠自己搭框架，AI 直接根据书籍结构生成学习路线图（框架化），你只需要做组块和重构
- 深度加工：AI 帮你降低”理解文字”的能耗，你可以把精力集中在「建立联系」和「重新讲述」上
- 互动式学习：AI 可以扮演持不同观点的对话者，和你进行「守破离」式的观点碰撞——解决了找不到人讨论的痛点
- 即凉的卡片笔记写作法：AI 阅读的终点应该是笔记入库，每章图解笔记 → 卡片 → 链接 → 话题
思考
AI 阅读的本质不是”替你读书”，而是重新分配你的认知资源：
- 过去 80% 精力花在”读懂文字”，20% 花在”反思和行动”
- 现在可以反过来：20% 精力确认 AI 讲得对不对，80% 精力用于联系自身、产生新想法、改变行动
这也意味着阅读的门槛大幅降低，但思考的门槛没有降低。能从 AI 阅读中真正获益的人，是那些会在”联系自身”和”改变行动”这两层下功夫的人。只听 AI 讲解不反思，和听二手解读没有本质区别。
行动
- 找一本一直想读但读不进去的书，用 AI 聊天式阅读试一轮
- 建立 AI 阅读的笔记闭环：AI 讲解 → 自己复述 → 生成图解笔记 → 入库为卡片
- 在 AI 阅读中刻意练习”事前建构”：读到关键处先合上书想自己的答案，再让 AI 讲解
钩子
- 有人问”AI 时代还需要读书吗”时：需要，但方式变了——从啃文字变成聊天 + 精读
- 读外文翻译书/古文/大部头感到吃力时：用 AI 降低理解摩擦，把精力留给反思
- 想用 AI 学习但不知道怎么开始时：按章节推进 → 讲给自己听 → 让 AI 检验 → 笔记入库
出处
- 微信公众号文章《我现在是怎么用 AI 来读书的？以《反脆弱》为例》
- 作者做的产品 Sitor AI，实现了完整的 AI 阅读流程
更新记录
- 2026-07-14: 基于公众号文章 + FCR阅读法 深度加工 互动式学习 即凉的卡片笔记写作法 综合整理