01
识别文本
判断文档类型、范围、元数据、作者意图以及本次阅读目标。
无损深读
No-Loss Deep Reading
不是把一本书“压扁”成几条摘要，而是在保留关键上下文的前提下真正读懂它。
No-Loss Deep Reading 面向书籍、报告、论文和其他长文本，先保留结构、论证、证据、术语、重要段落与上下文，再把它们整理成可以理解、复用和继续思考的知识。
它是什么
为什么叫“无损”
普通摘要追求压缩，这本身没有问题；问题在于过度压缩很容易丢掉观点之间的逻辑、证据、定义、反方观点以及细微但重要的区别。无损深读先尽量保留真正有价值的信息，再进行结构化压缩和提炼。
工作流
从混乱到下一步。
02
建立结构地图
先还原章节与段落结构，确保后面的总结不会破坏原文的组织逻辑。
03
提取但不压扁
保留核心论点、证据、例子、术语、重要段落以及它们之间的关系。
04
区分原文与分析
明确标出原文有依据的内容、合理推断以及 AI 自己的分析。
05
形成可复用知识
把保留下来的信息整理成结构化报告、知识地图、行动启发和后续问题。
主要输出
把分析变成可用的结果
- 全文 / 章节结构地图
- 核心观点与支持证据
- 定义、概念与关键术语
- 重要段落与值得保留的金句
- 原文依据 / 推断 / AI 分析的明确区分
- 可执行启发、问题与矛盾点
适合谁
适用场景与人群
- 需要认真阅读非虚构作品的人
- 需要处理长报告的专业人士
- 整理高密度材料的学生与研究者
- 希望压缩信息但不丢掉推理过程的人
边界
阅读模式与质量控制
- 支持 Complete、Balanced、Executive 三种阅读模式。
- 可用于非虚构和小说，但分析重点会随文本类型调整。
- 先保留原文结构，再做结论和提炼。
- 明确区分“原文说了什么”和“AI 推断 / 分析了什么”。
- 对不确定、缺失上下文和模糊表述显式标注，而不是自动补全。
公开发布
在公开平台查看我的 AI Skills
这个 Skill 也在虾评进行中国区众测。你也可以通过我的 Agensi 与 Capafy 主页查看公开发布的 AI Skills。