【人工智能通识专栏】第十讲：阅读理解 - 指南

阅读与写作是人类获取知识与表达思想的核心方式。阅读帮助我们理解世界、获取信息，写作使我们能够表达思想、传递信息。这些能力不仅贯穿大学学习的全过程，也是科研、办公和日常交流的必备素养。DeepSeek等大语言模型为阅读与写作带来了全新的范式，它能帮助用户提炼关键信息、梳理逻辑框架、润色表达细节，从而显著提升效率与质量。

本章将围绕阅读与写作这两个关键技能，带领读者掌握如何借助 DeepSeek提升理解麻烦文本的能力、生成清晰有逻辑的内容，在学习与工作中完成常见的写作任务。

---

面对不断涌现的海量信息，准确、高效地理解文本的关键信息与核心观点，已成为提升信息素养、支持知识应用的核心能力。传统阅读依赖个人经验与精力，而大语言模型的出现提供了一种全新的阅读范式。它就像一位高效的“阅读助手”，能够高效提取关键要素和理解结构，辅助我们聚焦重点、梳理结构、形成判断，提高阅读效率与理解深度。

4.1.1 获取关键信息

在日常阅读中，我们不必也不可能面面俱到。采用DeepSeek作为信息提取助手，许可从纷繁复杂的文本信息快速、准确地识别并提取最核心、最重要的信息元素，提高阅读效率。

不同类型的文本（如报告、文章、邮件或书籍章节）虽然侧重点各异，但通常都包含以下关键信息：文本主题、核心观点、关键事实与数据、以及结论与建议。

文本主题

通过文本主题是整篇内容的灵魂，通常能够用一两句话 概括“本文主要讲什么”。抓住主题就把握了文本的核心方向，抓准主题是最快速理解文本价值的方式。在课程预习复习、理解艰深论文、筛选海量信息、迅速沟通响应等阅读场景下，尤其需要迅速抓取主题。

我们允许直接发出精准指令，要求DeepSeek提取文本主题。提问模板如下。

1. 基础的通用提问模板。

【本文的主题是什么？】

【请用一句话概括这篇文章的主题。】

2. 强调挑战与目的，适合报告、研究类内容。

【这篇文章关键想讨论/解决什么问题？】

什么？】就是【这项研究的主要目的

3. 强调结论与结果，适合议论文、分析报告。

【这篇论文的最首要结论是什么？】

【请总结这份调查报告的关键结果。】

核心观点

作者思维路径的地图。在学术写作、新闻阅读、评论分析中，我们不仅要知道“发生了什么”，更关注作者“怎么看”。抓住核心观点就能抓住作者立场，吃透文本内容。就是核心观点是对某个问题的主要看法、立场或结论，

我们可以采用结构化提问，要求DeepSeek明确列出、编号核心论点，最好能简要说明其与主题的关系或定位其在原文中的位置。提问模板如下。

1. 基础的通用提问模板。

【本文的核心观点是什么？】

【请总结本文的主要论点，用编号分点列出。】

【请提炼作者对[文本主题]的立场和态度。】

2. 强调逻辑关系。

【这篇文章采用哪几个论点来论证主题，请分点列出。】

3. 要求定位支撑版：

【请总结本文的核心论点，用编号列出，注明每个论点出现在原文哪个部分。】

4. 条件约束。

【请提炼本文最关键的3个论点，每个论点用一句话（不超过20字）概况。】

关键事实和素材

指量化描述的数字信息，如统计数据、实验内容、分析数据、调查结果等。在阅读中抓住关键事实和关键数据，有助于我们高效理解作者“凭什么这样说”。就是关键事实是指文本中供应的具体信息，如事件、时间、地点、人物、背景情况等，关键数据

无论学术论文、新闻报道还是工作报告，有观点不代表有说服力，事实和数据才是论证的证据和基石。关键数据不仅能支撑观点，而且提供了理解问题的程度和深度，往往是做出判断和决策的核心依据。

我们可以采用精准定位提问，要求DeepSeek找出支撑特定论点或说明特定问题的具体事实和数据，并尽可能注明来源或位置。提问模板如下。

1. 针对事件识别时间、地点、人物、背景信息。

【请从本文中抓取事件的时间、地点、人物、内容。】

【请从每日头条新闻中提取时间、地点、单位和主题，以JSON格式输出。】

2. 针对特定论点提取支撑信息。

【本文在论述[核心观点]，时，使用了哪些具体案例或关键事实，请逐点列举。】

【请总结本文在实验分析中运用的技术指标及关键材料，以表格输出。】

3. 要求标注来源/位置。

【请找出文中用于证明[论点]的关键数据和研究结果，列出具体数据并说明来源（例如：引用XX研究、内部调查、第X章图表等）。】

4. 体系扫描。

【请提取本文中所有的案例或事件，并注明其所在位置。】

【请提取报告中所有的关键数据指标（如百分比、金额、数量、增长率）及对应的描述（市场份额30%、成本降低15%）。】

结论和建议

结论是作者在分析、论证或讨论之后做出的最终判断和总结性观点，是对核心问题的最终回应；建议则是在作者基于结论提出的具体、可操作的行动方案、解决措施或决策选项，回答了“大家该怎么做”。结论是理解全文分析论证最终指向何处的关键，建议则是将知识转化为行动的桥梁，这是文本信息流的终点和价值转化点。

结论和建议通常位于文本的总结段或结尾部分，语言特征具有总结性、行动性。我们可以直接发出精准指令，要求DeepSeek提取结论和建议。提问模板如下。

1. 基础的通用提问模板。

【本文的首要结论是什么？】

【本文提出了哪些具体建议（行动方案/措施/未来方向）？请用编号分点列出。】

2. 强调结构定位。

【请扫描文档的结尾章节，提取核心结论和具体建议，分列输出。】

【请找出本文的结论，列出原文中的关键句，并注明其所在位置。】

3. 整合提问版，适用于短文本/无显性结构。

什么？】就是【这段话的核心观点和主要结论

4.1.2理解深层含义

获取关键信息是着眼于文本中直接呈现的事实与表层内容，但真正的理解不止于此。在学习与科研中，我们经常还要通过分析信息关联、逻辑框架与写作意图，才能理解隐藏在字面之下的深层含义，真正进入“读懂”的境界。

理解信息之间的关系

文章中事实、观点、论据、结论之间往往存在某种逻辑关联或结构层次。理解这些关系，可以帮助我们更清晰地梳理内容脉络、判断作者立场、还原推理过程。

在向DeepSeek提出分析请求之前，首先需要明确想要理解的是哪一类信息之间的关系。我们不应泛泛提问“请分析关系”，而应结合阅读目标，设计具体的挑战，比如：“这段话中有哪些因果关系？”、“作者的观点是否与事实相符？”。这样才能让模型穿透字面、把握内在关系，真正实现深度理解。

1. 分析主要逻辑关系：初步判断文本中的因果、对比、矛盾等显性关系。

向DeepSeek提出分析逻辑关系的提问模板如下，输出结果如图4-1所示。

用户：请分析以下文本中核心信息单元的逻辑关系。

1. 用字面代号标注关键信息单元；

2. 识别显性逻辑连接词；

3. 说明单元间的具体关系类型。

文本内容："工业机器人渗透率提升导致制造业岗位减少15%，尽管经济学家指出服务业数字化创造新职业，然而政府仍将AI研发列为战略优先项。"

图4-1：运用DeepSeek进行文本逻辑关系分析

2. 挖掘深度关系：揭示隐含冲突与意图，识别弱化的矛盾、缺失信息或立场倾向。

挖掘深度关系的提问模板如下，读者可以将其输入到DeepSeek并观察生成的结果。

用户：请分析以下文本中的关系。

1. 提取文本中的核心主张及支持/反对证据；

2. 标注所有逻辑关系类型；

3. 指出未提及但相关的关键矛盾点；

4. 推测作者筛选信息的潜在意图。

文本内容："张同学为提高效率使用时间管理APP，计划每天学习8小时。然而一周后，他实际日均学习仅5小时，但仍坚持认为该方法有效。"

3. 量化分析：将模糊的陈述转化为可衡量的数据或指标，增强论证的客观性和说服力。

量化分析的关键是数值化、对比基准和趋势可视化。示例提问如下：【请用具体素材替代“很多”、“较少”等模糊词汇，并说明数据来源。】。

4. 关系链溯源：追溯事件间的因果或相关性，揭示隐藏的逻辑链条，避免归因偏差。

关系链溯源的关键是拆解中间环节，区分因果与相关数值化、对比基准和趋势可视化。示例提问如下：【请列出A→B→C的完整链条，并标注哪些环节是相关性而非因果性。】。

5. 矛盾聚焦：锁定对立或反常现象，通过对比暴露问题本质。

关系链溯源的关键是预期与现实对比、不同群体间对比、分析时间维度的冲突。示例提问如下：【请对比群体X和Y的关键差异，指出反常的材料点。】。

理解逻辑结构

逻辑结构是指文本中各部分之间的组织关系与推理顺序，体现了作者如何展开论述、推进观点的过程。尤其在处理论文、政策档案、学术教材等信息密集型文本时，结构比细节更重要，是快速抓住核心内容、有效笔记整理和复述转述的关键。

通过使用DeepSeek分析文本的逻辑结构，能够利用目标导向式提问来引导模型输出。

如何组织内容的，包括段落之间的关系、论证思路、展开顺序等。向DeepSeek提问的示例如下。就是1. 分析文本逻辑结构，理解文本

【请分析下列文本的逻辑结构，说明其内容组织方式（如总分、并列、递进、因果等）。】

【请描述本文各段落之间的逻辑关系。】

这类提示帮助大家了解作者是如何安排结构的，适合用于文章的整体分析，也适合拆解成每段之间的结构关系判断。

2. 生成简明结构摘要，将文本内容提炼成层级化的结构框架，类似于提纲或目录，以便快速掌握整体脉络。向DeepSeek提问的示例如下。

【请将下列文本的结构整理成提纲，使用一级、二级标题表示关键内容与子点。】

【请根据以下内容，概括其逻辑结构并输出成 Markdown 形式的目录样式。】

这类提示不仅要求模型识别逻辑结构，还要求其转换为结构化的摘要格式，便于复制整理和进一步处理。

不同文体的文本具有各自独特的逻辑结构特征，我们可以针对性地实现精准的逻辑透视。

1. 使用P-M-E-D框架分析学术论文，有助于帮助读者快速把握论文的结构主线，提升阅读效率与理解能力。示例提问如下。

请以[P-M-E-D]框架分析这篇学术论文：

1. P（研究问题）：明确论文要解除的核心困难；

2. M（研究方法）：论文启用的研究方式（如问卷调查、实验设计、模型构建、文献分析等）；

3. E（关键证据）：列出关键数据或论证材料，包括实验结果、统计数据或案例；

4. D（主要发现）：总结主要结论与创新点，特别是对已有研究的发展或反驳。

2. 使用N-B-R-I框架分析新闻评论，有助于理解新闻评论中围绕事件表达立场、用事实论证、引导舆论认知的典型结构模式。示例提问如下。

请以N-B-R-I框架分析这篇新闻评论：

1. N（新闻事件背景）：说明评论所围绕的核心新闻事件（时间、地点、参与者）；

2. B（立场与观点）：用一句话概括作者的基本立场或观点；

3. R（论据与支撑）：列出用于支撑观点的关键材料（如数据、实例、引用言论等）；

4. I（影响与启示）：分析作者希望读者产生的态度转变或行动导向。

3. 应用C-S-M-T框架分析文学作品，有助于学生理解文学作品中故事结构、意象语言与情感表达之间的内在联系，提升审美与文本解读能力。示例提问如下。

请以C-S-M-T框架分析这篇文学作品：

1. C（核心冲突）：提炼作品中推动情节发展的主要矛盾或张力（如人物内心冲突、人际冲突、社会冲突等）；

2. S（叙事结构）：描述文本的叙事方式（顺叙/倒叙/插叙/多视角等），说明其对主题表达的影响；

3. M（象征与隐喻）：指出作品中关键的象征物或隐喻元素，并简要解释其可能的深层含义；

4. T（主题表达）：总结作品想要传达的核心主题或情感基调，用一句话概括。

理解作者意图

作者写作时的核心驱动力，决定了整个文本的立场与倾向。就是理解作者意图是从表层信息迈向深层理解的关键环节。作者意图往往隐含在选材、措辞、结构安排、信息呈现顺序等细节之中，它

DeepSeek基于大规模语料训练，具备对不同文体、写作风格和表达策略的模式识别能力。要让DeepSeek帮助我们理解作者意图，问题设计要具体明确、带有分析目标。

1. 聚焦目的与意图。

【请概括作者写这篇文章的意图，是为了解释、批评还是倡导某种观点？】

【请分析作者的表达是否带有说服、煽动或中立的特征？】

2. 识别情感与立场。

【文章中应用了哪些情感色彩的词语？体现了什么态度？】

【请指出作者是否对某一方表达了偏向或不满。】

3. 分析策略与修辞。

否通过设问、对比、隐喻等方式强化其立场。】就是【请分析作者

【作者是否使用了某些典型修辞来引导读者接受观点？】

进一步地，可以从写作目的、目标读者、立场倾向、情感策略与隐含动机的维度出发，引导DeepSeek帮助我们把握作者意图。提问示例如表4-1所示。

表4-1：理解作者意图的维度

维度	说明	提问示例
写作目的	想表达、说服或引导什么？	什么？”就是“作者写这篇文章的主要目的
目标读者	想对谁说话？是否对不同群体采用不同策略？	“这篇文章的目标受众是谁？作者是如何与他们沟通的？”
立场倾向	有无偏向或情感色彩？	“文章体现了哪些立场或情绪？偏向哪一方？”
情感策略	是否依据情绪打动读者？	“作者使用了哪些情绪性语言来影响读者？”
隐含动机	有无潜台词或未直接表达的意图？	“请分析作者是否有未明说的观点或动机？”

4.1.3反思与评价

反思是在理解文本的基础上对立场、逻辑与价值进行内在的审视，评价是基于反思作出的判断。反思让阅读变得主动，评价让理解更有深度，思辨使我们能跳出被动接受，发展批判性思维，形成独立而有根据的见解。

DeepSeek具备大规模知识背景与语言理解能力，能在阅读时从多维度进行比对、归纳与推理。我们可以设定评价视角、提出引导性问题、生成多元视角进行提问，引导大模型识别文本中的偏见、漏洞或逻辑挑战，供应多角度的分析视角，提升批判性思维的深度与广度。

1. 识别错误与偏见。

面对社交媒体、评论文章甚至权威材料，我们往往不自觉地接受其内容和结论。培养识别错误与偏见的能力，既是学术诚信的保障，也是数字时代公民的核心素养。

DeepSeek可以高效识别文本中的事实错误、逻辑漏洞和偏见语言，推动深度批判性阅读。向DeepSeek提问的示例如下。

否存在逻辑错误。】就是【请分析本文在论证中

【请分析作者的观点是否存在以偏概全，并说明理由。】

【请分析这段话是否存在刻板印象或偏见，体现在哪些措辞中？】

2. 跳出思维惯性。

大家习惯于用已有知识、既定立场或主流观点去理解问题，往往忽略了其他可能性。这种惯性可能导致视野受限、判断偏颇，尤其在面对复杂议题时，容易陷入“单一解读”。

通过切换视角，DeepSeek可以帮助我们跳出“理所当然”的思维定式，提出文本中未涉及或可能忽略的问题。向DeepSeek提问的示例如下。

【这段话有什么值得反思或质疑的地方？请从不同角度分析。】

【对于“孔乙己在酒店被嘲笑”场景，请从酒店老板、喝酒的人、邻舍孩子的视角来解读。】

DeepSeek从多维视角解读孔乙己的结果如图4-2所示。

图4-2：从多维视角解读孔乙己

3. 扮演反方立场。

很多同学在写作或讨论中容易预设答案、立场先行，导致观点单一、说服力不足。站在相反或质疑的位置思考问题，更容易识别其潜在漏洞，可以锻炼观点多元性、逻辑完整性和论证自洽能力。

开展对话式思维的高效工具。示例提问如下。就是让DeepSeek模拟反方立场，快速生成立场相对、逻辑合理的“反方观点”，可以帮助我们打破信息茧房，

【请站在反方角度质疑本文的观点，并给出理由。】

【如果你反对这个政策，你会如何论证你的观点？】

4. 迁移时空背景。

很多观点、政策、思想、行为模式都有其时空依赖性。当我们跳出当下的背景，将其置于另一个时空中重新审视，就更容易识别其局限性、条件性与适应性，从而培养历史意识、全球视野与跨文化思维能力。

借助DeepSeek的知识广度，我们行将文本放到不同的历史背景、地域语境中，依据情境重构、文化转译、角色代入等方式，进行时空穿越式思维练习。示例提问如下。

【请将上述观点置于[时间]的[地点]中，推测其可能的解读与回应。】

【请从[某历史人物]的立场出发，回应上述观点。】

【如果鲁迅生活在短视频时代，会用怎样的语言和形式来写《孔乙己》？】

5. 提出个人观点。

在阅读理解与分析的基础上，提出有逻辑、有立场的个人观点，标志着从被动接受到主动建构的认知跃迁。

DeepSeek可以辅助我们激发灵感，援助同学从多角度出发提出见解，降低表达门槛，提升观点表达的逻辑性与丰富性。示例提问如下。

否有不同意见？请说明理由。】就是【你怎么看待作者的观点？

【针对本文涉及的挑战，你认为还有哪些方面没有讨论充分？】

【针对本文提出的方法，你认为可能从哪些方面进行改进和优化？】

6. 结构化反思。

针对困难文本分析任务，许可借助DeepSeek构建结构化反思办法，将整体评价任务拆解为一系列提问步骤，聚焦文本的核心构成要素进行审视和反思。其核心流程如下。

（1）识别作者的核心疑问（作者想解决什么问题？）

（2）分析启用的方法路径（用了什么材料、理论、论证方式？）

（3）评估论证的完整性（有没有遗漏？有哪些盲点？）

（4）判断结论的合理性与启发性（是否站得住脚？是否有现实意义？）

（5）提出修改建议或未来研究方向

该途径强调“拆解式提问→阶段式反思→结构化评价输出”的过程，适合DeepSeek辅助引导。教学步骤设计如表4-2所示。

表4-2：DeepSeek辅助引导结构化反思

步骤	提问引导	任务
作者的问题	本文试图解决什么问题？该问题是否具备现实意义？	总结研究动机并评价其重要性
使用的方法	作者用了哪些信息？采用了哪种研究方法或理论框架？	梳理“数据-手段-分析”的链条
论证的盲点	本文是否忽视了其他可能变量？有没有前提假设未交代清楚？	提出可能遗漏的影响因素或批判视角
结论的合理性	作者的结论能从其论证中自然推出吗？有哪些不足之处？	判断其推理链条的完整性与说服力
修改建议	如果要扩展本文，你会加入什么内容？	提出结构优化建议或引入新材料角度

在信息密集的阅读任务中，真正的理解不仅止于抓住关键信息，更在于洞察其背后的逻辑结构与表达意图，并借助批判性思维进行反思与评价。在DeepSeek的辅助下，我们允许更高效地提取要点、深化理解、提出见解，实现从“读懂”到“读透”的跃升。

---

往期回顾：

【人工智能通识专栏】第一讲：LLM的发展历程

【人工智能通识专栏】第二讲：学会应用DeepSeek

【人工智能通识专栏】第三讲：DeepSeek API调用

【人工智能通识专栏】第四讲：DeepSeek接入渠道

【人工智能通识专栏】第五讲：DeepSeek插件

【人工智能通识专栏】第六讲：DeepSeek第三方应用

【人工智能通识专栏】第七讲：准确描述问题

【人工智能通识专栏】第八讲：精细控制输出

【人工智能通识专栏】第九讲：迭代优化对话