我被一个「看起来什么都不会」的AI工具狠狠圈粉了

因为自己最近在整理一篇课程论文的参考文献，30多篇英文论文摆在文件夹里，又不想逐篇逐篇地读摘要做笔记。

所以抱着「试试看，不行就卸载」的心态，把朋友安利的一个本地AI阅读工具丢进去跑了一遍。

结果完全超出预期。

不是因为它有多聪明。恰恰相反，是因为它在某些地方「不聪明」得恰到好处。

事情是这样的。

上周末朋友在群里甩了个GitHub链接，说「这个你肯定用得上」。我点开一看，界面简陋得像2010年的软件——左边一列文件树，右边一个对话框，连个像样的图标都没有。

我心里第一反应：这玩意儿能行？

但还是装上了。毕竟朋友说它跑本地模型，不需要联网，处理PDF论文比ChatGPT快好几倍。

装完之后我随便丢了三篇论文进去。等了大概40秒，它把所有论文的关键信息吐了出来：研究问题、方法、样本量、核心结论，一屏看完。

说实话，那瞬间我是有点愣住的。

我之前用ChatGPT处理论文，最大的痛点有两个：一是要反复复制粘贴，二是它偶尔会「脑补」数据——明明论文里没有的东西，它说得有模有样。

但这个工具不会。它严格只基于你给它的文本做分析，论文里没写的，它直接告诉你「原文未提及」。

但真正让我圈粉的，是一次翻车。

我把一篇讲迁移学习的综述论文丢进去，问它「这篇论文的实验部分用了什么数据集」。

结果它沉默了整整两分钟——我差点以为它卡死了。

最后它返回了一句话：「这篇是综述论文，原文没有独立实验部分。不过我找到了它引用的15篇论文的数据集信息，需要我整理吗？」

我承认，我被这句话打动了。

不是因为技术多牛，而是因为它承认了什么不知道，又主动给出了有用的替代方案。

这恰恰是现在很多AI工具做不到的——ChatGPT倾向于「编」，Copilot倾向于「猜」，而这个工具倾向于「说不知道」。

另一个让我意外的是速度。

30篇论文，全部读完并生成结构化摘要，耗时8分钟。我之前手动做这件事，一篇至少15分钟。算下来，8分钟干了7.5小时的活。

当然，它也有明显短板。

中文论文的解析准确率明显低于英文，一些中文术语会被错误分词。我问它一个关于「知识蒸馏」的中文问题，它把「蒸馏」理解成了化学实验。

还有一个细节：它生成的摘要全是平铺直叙的，没有「闪光点」——比如一篇论文里有个非常精妙的实验设计，它的摘要里完全没提，只是机械地罗列了方法论。

所以我现在的工作流变成了：先用它粗筛所有论文，确定哪些值得精读，然后人工精读那三五篇重点的。

工具定位找到了，就很好用了。

关注后后台回复「“工具”」，我把它分享给你，取关无效。

有些AI工具追求「无所不能」，结果什么都是半吊子。

这个工具恰好相反——它知道自己能做什么，不能做什么，并且在能做的事情上做到极致。

这让我想起一个朋友说过的话：

「真正好用的工具，不是替你思考，而是帮你省掉不该你思考的部分。」

下周同一时间还会分享我最近在试的几个AI编程工具的横向对比，踩了不少坑，到时候细聊。