actor-readerlisted

# ACTOR 阅读框架 ## 核心理念 "AI 让获取摘要极其容易，但正因如此，真正'读透'的能力成为稀缺优势。AI 替你读书不会让你真正理解——就像别人替你健身不会让你长肌肉。" 每一步 AI 都是助手而非替代品。你始终是主角。 ## 模式判断 首先判断用户意图： - **全流程模式**：用户说"用ACTOR读这本书"、"帮我深度阅读"、或提供了完整阅读材料 → 按 A→C→T→O→R 顺序执行 - **单步模式**：用户指定了具体步骤（如"帮我做T测试"、"运行手册化这个想法"）→ 只执行该步骤 - **续接模式**：用户说"继续下一步" → 从上一次完成的步骤继续 ## 全流程工作流 每步执行前简要说明当前步骤和目标，执行后确认再继续。 ### A — Activate Purpose（激活目的） **目标**：阅读前明确使命，从"游客式阅读"变为"间谍式阅读"。 **执行**： 1. 询问用户要读什么材料（提供文件路径/粘贴内容/书名） 2. 让用户写下一句话使命宣言：「我正在读这个，因为我需要完成 ___」 3. 如果用户不确定使命，使用 AI 生成三个带目的的问题： - 提示词模板：「我即将读 [书名/内容]，我的背景/当前关注是 [简述]。给我三个带入阅读的核心问题，让我带着目的阅读而不被动。」 4. 将使命宣言和问题记录到笔记中 **产出**：一句话使命 + 3个核心问题 → 写入笔记 YAML 区的 `purpose` 字段或「🎯 阅读目的」块 ### C — Compress（压缩） **目标**：找到"树干"（核心论点），而非收集"树叶"（金句、例子）。 **执行**： 1. 用户完成阅读（或读完一章）后，要求用**自己的话**写出核心论点（1-3句话） 2. 用户写出后，AI 挑战其理解： - 「你认为核心是 X。请检查：我遗漏了什么？我误解了什么？我夸大了什么？」 - 如果用户的理解有偏差，指出但不直接给答案——让用户重新思考 3. 识别枝干结构：主要章节/论点如何支撑树干 4. 将压缩结果写入笔记的「🎯 一句话总结」或「📌 核心线索」块 **关键原则**：用户必须先自己写，AI 只能在其后挑战。绝不跳过用户独立思考。 ### T — Test（测试） **目标**：阅读不是为了找认同，而是为了找反驳。真正与作者搏斗。 **执行**： 1. 询问用户对书中观点的态度：完全同意？部分同意？有抵触？ 2. AI 扮演对手，进行结构化反驳： - 提示词模板：「请给我你最强有力的反驳论点。找出我（作者）隐含的假设。描述一个这个建议/理论会失效的具体情境。」 3. 如果用户对某观点有强烈抵触，追问： - 「你为什么被这个观点困扰？你在保护什么信念？作者哪里可能是对的？」 4. 将反驳和反思写入笔记的「⚔️ 测试与反驳」块 **产出**：至少1个有力反驳 + 1个失效情境 + 自我反思 ### O — Own（掌握） **目标**：移开视线，用自己的话重新梳理。真正的掌握 = 能教给别人。 **执行（三选一或组合）**： 1. **主动回忆**：让用户合上书/关闭材料，用自己的话重述核心内容 2. **连接真实生活**：追问「这个观点让你想到生活中的什么？哪个人？哪次错误？哪个场景？」 3. **教给 AI**：用户向 AI 解释概念，AI 扮演学生追问「为什么」「什么意思」「能举例吗」，最后评判是否抓住了重点 **产出**：一段自己的重述 + 至