让长文档变得
可阅读、可探索、可核查

AI读是一个长文档智能阅读器,把阅读、问答、图谱探索和知识管理,融合为同一条深度阅读路径。

AI读 · 阅读《百年孤独》

多年以后,面对行刑队,奥雷里亚诺·布恩迪亚上校将会回想起父亲带他去见识冰块的那个遥远的下午。

你问: 奥雷里亚诺上校是谁?
AI读: 奥雷里亚诺·布恩迪亚是布恩迪亚家族的核心人物之一,在马孔多的建立和发展中扮演了重要角色。原文见第一章
引用 第3页 · 第2段 · "奥雷里亚诺·布恩迪亚上校…"
向下滚动
产品定位

AI读把阅读、问答、图谱探索和
个人知识管理放在同一个长文档工作流中

阅读

导入 EPUB/PDF/TXT,书签、笔记、阅读进度自动保存,沉浸于长文。

问答

针对书籍提问,查看引用,证据不足时AI读会诚实告诉你"无法确认"。

图谱探索

查看人物、概念、事件之间的关系网络,从节点一键回到原文段落。

阅读边界

防剧透、版本控制、已读范围过滤,AI读始终在你的阅读进度之内。

使用流程

四步,进入深度阅读

1

导入一本书

上传书籍,选择完结或连载模式

2

开始阅读

浏览章节、保存进度、添加书签和笔记

3

提出问题

询问人物、概念、事件,AI读结合阅读范围回答

4

沿着证据继续探索

查看引用、打开原文、进入图谱节点

完整体验示例

看看 AI读 如何工作

01

你正在阅读某一章节

在第三章中,马孔多迎来了第一批移民。你想了解更多关于这一段历史背景。

02

选中一段文字并提问

你高亮了一段关于奥雷里亚诺上校的描述,输入"他在家族中的角色是什么?"

03

AI读显示回答

AI读结合当前阅读范围,给出基于全书的回答,并附带引用位置。

04

回答中标出正文证据

每一段回答都对应到原文的具体段落,点击即可跳转查看。

05

点击证据回到原文

你点击引用,阅读器自动跳转到对应页,并高亮相关文字。

06

打开人物关系图

你进入图谱视图,看到奥雷里亚诺与乌尔苏拉、何塞·阿尔卡蒂奥等人物的关联。

07

关闭全书范围,继续阅读

探索结束后,你回到阅读器,继续当前章节,AI读记得你的阅读进度。

第三章 34%

多年以后,面对行刑队,奥雷里亚诺·布恩迪亚上校将会回想起父亲带他去见识冰块的那个遥远的下午。那时的马孔多是一个二十户人家的村庄……

……

奥雷里亚诺在铸造小金鱼,每做好一条,就放进熔炉重新熔化。他在孤独中消磨着时间,直到有一天他决定结束这一切。

奥雷里亚诺在铸造小金鱼…直到有一天他决定结束这一切。 他在家族中的角色是什么?
AI AI读

奥雷里亚诺·布恩迪亚是家族中的关键人物,他参与了马孔多的建立,在孤独中度过一生。在《百年孤独》中,他象征着命运的循环。

引用

第37页 · 第3段

"奥雷里亚诺在铸造小金鱼,每做好一条,就放进熔炉重新熔化。"

第37页
奥雷里亚诺 乌尔苏拉 何塞·阿尔卡蒂奥 阿玛兰妲 丽贝卡
返回阅读 · 进度已保存
防剧透与证据边界

AI读不是全知全能的
它只在证据存在的地方给出回答

防剧透

你读到哪里,AI读就陪你看到哪里

AI读始终感知你的阅读进度,不会不小心透露后续情节。你读完第5章,它就只在第5章之前的范围内回答。

证据约束

找不到足够证据时,AI读会告诉你"无法确认"

任何回答都必须有原文依据。证据不足时,AI读拒答而不是猜测,让你始终知道哪些是书中明确写出的内容。

AI读 抱歉,在当前阅读范围内未找到足够证据来回答这个问题。

角色视角边界

角色表达与事实问答明确区分

当你问"如果我是主角我会怎么做"时,AI读会以角色视角回答;当你问事实问题时,它会切换回客观模式。两种模式不会混淆。

使用场景

不同类型的长文档,AI读都能胜任

阅读长篇小说

追踪复杂的人物关系,回顾重要事件,再也不用担心剧透。

哲学 / 历史 / 社科

概念关系、观点比较、论证追溯,让理论文本不再难以消化。

教材 / 学术专著

概念定义、方法追踪、笔记保存,构建你的知识体系。

阅读连载作品

版本选择、新章节变化追踪、阅读边界保持,连载追更不再混乱。

差异化

为什么不是普通聊天机器人

普通聊天体验
AI读体验
从聊天窗口开始
从一本具体的书开始
回答与正文分离
回答可以回到原文
全书内容容易混在一起
阅读范围和版本边界清楚
主要依靠相似文本或模型记忆
文本证据与图谱结构共同检索
证据不足时容易继续补全
证据不足时明确拒答
对话结束后知识难以继续探索
可以从回答进入图谱和下一段阅读

AI读不是给书籍加一个聊天框,而是把问答变成阅读过程的一部分。

技术原理

PAGE-RAG 如何支持 AI读

01

先从原文开始

原文不是最后才附上的引用,而是整个系统的基础。PAGE-RAG 的一切检索都锚定在书籍本身的文本上。

02

图谱帮助找到路径

图谱把分散在长文档不同位置的信息组织成可探索的路径,让相关内容能够被系统性地发现。

03

文本检索和图谱一起工作

图谱负责组织和导航,文本证据负责落地和核查。两者协同,让回答既有结构又有依据。

04

证据决定回答边界

PAGE-RAG 的目标是让回答、引用和拒答都具有明确边界。每一个输出都对应到具体的文本证据。

PAGE-RAG 是一种面向长文档的检索增强生成方法,关注质量、效率与知识边界之间更均衡的经验运行点。

研究与可信度

论文、代码与评测

方法定位

PAGE-RAG 关注质量、效率与知识边界之间更均衡的经验运行点。在长文档问答场景中,它追求"可核查"的回答而非"可能正确"的回答。

三个评测维度
质量 87%
效率 72%
知识边界 91%

以上数据来自已冻结的正式评测结果