/ai-paper-reading

name: ai-paper-reading
description: |
  精读AI论文，按8问拆解+Q&A检测+疑点标记，输出结构化的技术理解。
  当用户需要阅读、精读、拆解 AI/LLM/Agent/RAG 相关论文时使用。
  触发词：精读论文、读论文、论文拆解、paper reading、paper review、论文笔记。
  不适用于：非 AI 领域论文、只需要摘要的场景。

AI 论文精读 Skill

适用场景

• 需要深度理解一篇 AI/LLM/Agent/RAG 相关论文
• 准备面试，需要能"用人话"讲清楚某篇论文的核心思想
• 快速跟进一个新领域，建立技术理解框架

触发词

"读论文"、"帮我拆解这篇论文"、"这篇论文讲了什么"、"精读"

---

四阶段流程（30 分钟 / 篇）

选论文 → AI 辅助预读 → 结构化拆解 → 费曼输出 → 边界检测
 2min        5min           12min          8min        3min

---

阶段 0：选论文（2 min）

原则

• **首选源头论文**（如 Transformer 看 "Attention Is All You Need"），不先从综述/解读入手
• **被引量 > 100** 的论文优先
• **有开源代码**的论文优先（代码 + 论文对照读）

不要做的

• 不要从 medium 博客、知乎文章开始（那些是二手信息）
• 不要试图逐字读完整篇论文（大部分内容 AI 可以帮你提取）

---

阶段 1：AI 辅助预读（5 min）

操作步骤

1. 把论文 PDF 喂给 AI（Claude/ChatGPT/DeepSeek） 2. 使用以下 prompt 快速建立全局认知：

请用 5 句话以内告诉我：
1. 这篇论文要解决什么问题？
2. 核心方法是什么（一句话，不用公式）？
3. 跟之前的方法比，关键差异是什么？
4. 实验效果提升了多少（给一个数字）？
5. 最大的局限性或未解决的问题是什么？

预读检查点

• [ ] 能用一句话说出这篇论文在做什么
• [ ] 知道它的方法叫什么名字
• [ ] 知道它比 baseline 提升的大致幅度

> 如果预读后 3 个问题都答不上来 → 换一篇，这篇可能不适合你当前水平

---

阶段 2：结构化拆解（12 min）

使用以下 Prompt（直接复制给 AI）

请以"严格的论文审稿人"身份，精读这篇 AI 论文。
你的目标是帮我彻底理解它的技术逻辑。

## Q1 问题定位
它要解决什么痛点？这个痛点是真实存在的还是假设的？
（判断标准：论文是否给出了具体的失败案例或数据来证明痛点存在？）

## Q2 方法核心
解决方案的核心思路是什么？
输入是什么、经过什么处理、输出是什么？
不要抛公式，用自然语言描述数据流转。

## Q3 关键差异
它和之前的主流方法有什么本质不同？
（追问：如果只是换了个更大的模型/更多的数据，不算本质不同）

## Q4 实验证据
用什么数据集？评估指标是什么？结果比 baseline 好多少？
（追问：这个提升幅度在工程实践中是否有意义，还是纯学术刷点？）

## Q5 祛魅与局限
这篇论文的局限性或潜在问题是什么？
什么情况下这个方法会失效？
（要求：至少列出 2 个局限，不能只说"未来可以改进"）

## Q6 知识关联
它和以下哪个概念有直接关系？是什么关系？
- RAG（检索增强生成）
- Agent（感知/规划/记忆/工具调用）
- Transformer / 注意力机制
- Prompt 工程
- RLHF / 对齐
- MoE（混合专家）
（如果都不相关，请说明它属于哪个独立方向）

## Q7 直觉类比
用日常生活中的类比（做饭、开车、搭积木、图书馆找书等）
来解释这篇论文的核心思想。要让完全不懂 AI 的人也能听懂。

## Q8 检验题
设计 2 道题检验我是否真懂了：
- 概念题：检验我是否理解了核心方法
- 反事实题："如果去掉 X 模块，结果会怎样？"
  检验我是否理解了设计选择的理由

## 约束
- 不要概括，要拆解
- 不要写"本文提出了一个创新方法"这类空话
- 术语保留英文原文（如 "Retrieval-Augmented Generation"）
- Q8 的答案和你对答案的解释必须分开放
- 每个回答控制在 150 字以内

拆解检查点

• [ ] Q1-Q8 全部有明确答案
• [ ] Q7 的类比你能用自己的话复述
• [ ] Q8 的两道题你能答对

---

阶段 3：费曼输出（8 min）

操作步骤

1. **用嘴说出来**（不是默读、不是打字），向一个"假想的同事"解释这篇论文 2. 如果卡壳 → 标记那个点，回去看 AI 的拆解 3. 如果解释得太复杂 → 问 AI "请用更简单的类比再解释一次 X" 4. 录一段 2 分钟语音，自己听一遍

费曼检查 Prompt

我刚才对这篇论文的理解是这样的：
[粘贴你的理解]

请指出：
1. 我哪里说错了？
2. 我遗漏了什么关键点？
3. 有没有更好的类比可以替换我用的那个？

费曼检查点

• [ ] 能用不超过 3 句话讲清楚这篇论文在做什么
• [ ] 能回答"它跟 XXX 方法有什么不同"
• [ ] 2 分钟录音自己能听懂且不觉得尴尬

---

阶段 4：边界检测（3 min）

操作步骤

用以下 3 个问题追问 AI，检验理解的边界：

1. 这篇论文的假设前提是什么？
   （例如：假设训练数据充足？假设标签质量高？假设推理时间不受限？）

2. 什么情况下这个方法会彻底失效？
   （不是"效果变差"，是"完全不能用"的场景）

3. 如果我要在实际产品中用这个方法，
   最大的工程挑战是什么？（不是学术挑战）

边界检测检查点

• [ ] 能说出至少 2 个该方法不适用场景
• [ ] 能区分"学术有效"和"工程可用"的差距

---

完成标准

一篇论文精读完成的标志：

• [ ] 能用一句话说出它解决了什么问题
• [ ] 能用类比（不用术语）解释核心方法
• [ ] 知道它比之前方法好在哪里、差在哪里
• [ ] 知道什么情况下不能用它
• [ ] Q8 的两道自测题全部答对

---

进阶技巧

批量论文对比（适合调研新领域）

我已经读完了 A、B、C 三篇论文，请帮我做一个对比表：
| 维度 | 论文A | 论文B | 论文C |
|------|-------|-------|-------|
| 解决问题 | | | |
| 核心方法 | | | |
| 关键假设 | | | |
| 适用场景 | | | |
| 不适用场景 | | | |
| 是否开源 | | | |

面试速通模式（20 分钟）

如果明天面试需要快速建立对某领域的基础理解： 1. 选该领域被引最高的 1 篇论文 2. 只做阶段 1 + 阶段 2 的 Q1/Q2/Q3/Q7 3. 用费曼法口头复述 1 遍 4. 记录 2-3 个"如果面试官追问 X，我可以这样回答"的要点

---

> 版本：v1.0 | 创建：2026-05-22 > 本 skill 设计原则：让 AI 做提取和拆解，人做理解和判断。不是"AI 替人读"，而是"AI 帮人读得更深"。