先写问题，再找资料
最常见的失败是先在收藏夹里攒了三十篇，然后问模型「帮我总结一下」。产出一定是一份什么都提到、什么都不深入的流水账。正确的顺序是先写下你真正要回答的那一句问题——最好是能用「是/否/取决于」回答的那种——再去找资料。
- 把问题写成一句话，越具体越好
- 列出你需要的三类证据：支持、反对、边界条件
- 只收集能回答这个问题的资料，其余先放一边
让模型做对照，而不是做复述
比起「总结这些资料」，更有效的是「这几份资料在哪些点上互相矛盾」「同一个指标不同来源的口径差在哪」。对照类提问会强迫模型把注意力放在差异上，而差异恰恰是研究的价值所在。
- 先让模型列出所有资料共同确认的事实，作为地基
- 再让它标出互相矛盾的地方，并指出矛盾来自口径还是结论
- 对每条矛盾追问一句「要判断谁更可信，需要什么额外信息」
- 把自己能补上的信息补进去，重跑一遍
最后一步必须自己写
把研究压缩成一页结论这个动作，建议不要交给模型。它会倾向于把信息铺平，而结论需要的是取舍和判断。更高效的做法是让模型把所有证据整理成一张对照表，然后你对着表写那三五句话。
AI 能把读资料的时间压缩掉大半，但它替不了的是「你决定相信什么」这一步。