本文聚焦从个人资料库检索信息的研究助手。保存需要的文档和引文信息，用 AI 查找段落并起草综合分析；采纳结论前，再核对原始来源。
综合瓶颈：代价最高的失效出现在最后。当需要产出分析时，你并非基于一个连贯的知识库工作，而是在逆向重建一个：重读那些只记得一半的来源，翻找半整理的笔记，重构曾经存在却未被保留的上下文。真正需要判断力的综合工作，被机器本可完成的检索工作挤占了。
第二阶段用一个统一的语义索引取代文件夹结构和标签系统。你不必决定一条信息属于哪里；系统会将其转化为侧重含义、而非仅表面文字的表示。相似的观点会聚在一起，不受来源格式、文件类型或显式分类的限制。
阶段 3：跨知识库综合
第三阶段，是前面捕获和组织投入开始产生回报的地方。当拥有一个密集、经过语义索引的知识库后，你可以提出跨越整个研究历史的综合问题，例如“我们正在提出的定价方案，反复出现的反对意见有哪些？”或“过去一个季度，分析师对这个市场的看法如何变化？”
传统网络搜索和此类工具解决的是不同问题。将二者混为一谈，会导致一个被低估、另一个被寄予不切实际的期待。
你在搜索什么：
- 传统搜索：开放网络，优化目标是你尚未接触过的文档
- AI 研究助手：个人知识库，优化目标是你已经处理过的材料
实用准则是：需要找到新事物时使用传统搜索；需要回忆、重新关联或综合已经接触过的材料时使用 AI 研究助手。高效的研究工作流最终会在同一个项目的不同阶段同时需要两者。
问：AI 研究助手能替代阅读一手来源吗？
答：不能，它本来也不是为此设计的。它自动化的是捕获、组织和检索，从而让你把更多时间用于必须由人完成的工作：评估来源可信度、解读相互矛盾的证据，以及决定发现真正意味着什么。助手减少检索开销；分析仍然需要你来做。