每日复盘｜2026-09-14

今天是9月14日，星期一。

英语课，没有太多要说的，今天是表演一个drama。

我们选的名字叫“I know what you did last night”，本质是五个人讨论昨天晚上做了什么。

仓促准备一下，上台表演之后就完事了。

接下来是比较有趣的一个内容。

上课的时候，我想，读论文对我来说有点煎熬。一方面，基本上所有论文都是用英语写作的，我不容易理解；另一方面，即使翻译成中文，然后用各种AI解读，我还是难以对正片论文发生了什么有比较明确的认知。

所以，我想做一个产品，帮助我读论文。最开始，我想的是通过OCR工具，将PDF格式的论文提取为markdown格式，在得到markdown之后，就很方便整理。所以，在我们从原始的论文转化为现在的格式之后，我的各种操作就会变得更容易一些。

但是，这样并没有很好解决我遇到的问题：阅读论文对我来说很痛苦，而翻译成中文，然后使用AI解读会改变论文原来的味道。

在我和室友讨论这个问题时，他说，为什么不能让刷论文和刷抖音一样呢？

这个点激发出我的一些想象力，为什么看论文不能像刷抖音一样呢？这可以解决我遇见的第一个问题：阅读论文对我来说很痛苦。如果能够让枯燥、干巴巴的论文变得更有趣、更吸引人，那么不是更容易看下去了吗？

然后，我又结合曾经了解到的wiki知识，与ChatGPT讨论，逐渐明确我的需求。

首先，像抖音一样，在首页用钩子吸引住读者，比如说用一个问题。但是，这个问题必须要忠于论文本身，不能成为噱头。

如果用户对这篇论文的知识感兴趣，ta可以选择展开，然后是对论文的深入了解，就像讲故事一样，将读者代入进论文讨论的问题、它的解决方案和效果。最后，用户表现非常感兴趣，那么就可以阅读论文原文。

第二，wiki的使用方式。在观看论文故事时，中间出现的一些关键概念可以做成wiki的形式。这个wiki会指向一个知识卡片，这个知识卡片包含这个概念的介绍、使用这个概念的相关论文。

第三，导航栏的组织方式。我最初打算做四个导航栏，分别是首页、wiki、收藏、我的。首页就是展示推荐论文的页面；wiki展示看过论文中的概念的wiki卡片；收藏就是首页点击收藏论文的管理页面；我的展示个人信息。

这是产品设计文档：

📄 PaperTok：让论文变得值得刷

一句话定位：

---

一、产品设计初衷

1. 为什么想做这个产品？

对于本科生、研究生以及刚开始接触科研的人来说，阅读论文往往是一件困难的事情。

真正困难的地方并不一定是论文中的数学公式，而是：

• 不知道这篇论文为什么值得看；
• 第一次接触一个研究方向时缺少背景知识；
• 论文使用大量专业术语，阅读门槛很高；
• Abstract 和 Introduction 往往无法让人快速产生兴趣；
• 面对几十甚至上百篇论文，不知道应该先看哪一篇；
• 即使通过 AI 获得论文总结，也容易变成“看完了，但没有真正产生兴趣”。
  因此，我们发现一个更基础的问题：

很多人不是不会读论文，而是根本没有产生“我想读这篇论文”的欲望。

传统论文阅读的流程是：

text

 产生研究需求
       ↓
 搜索论文
       ↓
 下载 PDF
       ↓
 阅读 Abstract
       ↓
 阅读 Introduction
       ↓
 遇到大量术语
       ↓
 产生阅读压力

这和短视频产品形成了鲜明对比。

短视频的体验是：

text

 打开 App
    ↓
 看到一个有趣的 Hook
    ↓
 产生好奇
    ↓
 继续观看
    ↓
 发现更多信息
    ↓
 产生兴趣

因此，我们提出一个问题：

能不能让论文也变成一种“可以被刷到”的内容？

---

二、核心产品理念

PaperTok 并不是要做一个：

“更好的 AI 论文总结器”。

也不是：

“把论文翻译成人话的 PDF 阅读器”。

更准确地说：

PaperTok 希望改变用户接触论文的第一步。

传统方式：

论文 → 阅读 → 理解 → 感兴趣

PaperTok：

有趣的问题 → 好奇 → 发现论文 → 逐层理解 → 感兴趣 → 阅读原论文

也就是说，我们把顺序反过来了。

---

三、产品定位

1. 核心定位

论文兴趣发现器（Research Discovery Feed）

或者更直观地理解：

TikTok for Research Discovery

产品不是帮助用户“读完所有论文”，而是帮助用户：

在大量论文中发现那些真正值得自己阅读的论文。

---

2. 产品核心价值

PaperTok 主要解决三个问题：

问题一：不知道看什么

用户面对大量论文时不知道：

“下一篇应该看什么？”

PaperTok 通过 Feed 主动推荐论文。

---

问题二：论文没有吸引力

传统论文从 Abstract 开始，信息密度高、专业性强。

PaperTok 从：

Research Question / Conflict / Surprise

开始。

例如：

普通论文：

We propose a novel framework for cold-start knowledge tracing…

PaperTok：

“只看一个学生前 3 道题，你能不能猜出他第 4 道题会不会做对？”

用户首先接触的是一个问题，而不是一段 Abstract。

---

问题三：产生兴趣以后不知道如何深入

用户产生兴趣之后，可以进入：

Paper Story

逐层了解：

text

 为什么这个问题重要？
         ↓
 以前的方法怎么解决？
         ↓
 以前的方法有什么问题？
         ↓
 作者发现了什么？
         ↓
 核心 Idea 是什么？
         ↓
 实验结果如何？
         ↓
 有什么局限？
         ↓
 原论文

---

四、产品的核心设计

PaperTok 可以理解为三个核心模块：

text

 ┌──────────────────────────────┐
 │                              │
 │       ① Paper Feed           │
 │       发现论文                │
 │                              │
 └──────────────┬───────────────┘
                ↓
 ┌──────────────────────────────┐
 │                              │
 │       ② Paper Story          │
 │       理解论文                │
 │                              │
 └──────────────┬───────────────┘
                ↓
 ┌──────────────────────────────┐
 │                              │
 │       ③ Paper Wiki           │
 │       探索知识                │
 │                              │
 └──────────────┬───────────────┘
                ↓
           📄 原论文

---

五、模块一：Paper Feed

1. 产品目标

Paper Feed 是用户进入产品后看到的第一个页面。

它不是传统的论文搜索页面，而是一个类似短视频的信息流。

用户不需要提前知道：

“我今天应该研究什么。”

而是直接：

刷一刷今天有什么有趣的研究。

---

2. 单个 Feed Card

每篇论文首先不是展示标题和 Abstract，而是展示一个：

Research Hook

例如：

🤔 AI真的能从3道题判断一个学生的能力吗？

下面：

Cold-start Knowledge Tracing

以及一个极短的背景：

新学生刚进入学习系统时，模型几乎不了解他的能力。
这篇论文尝试让模型通过少量交互快速认识一个新学生。

用户可以：

• ↑ 继续浏览
• ↓ 返回
• 点击进入 Paper Story
• 收藏
• 跳过

---

六、Research Hook：产品最核心的内容形式

PaperTok 与传统论文工具最大的差异，很可能就在这里。

我们不直接展示：

Title + Authors + Abstract

而是寻找论文中的：

• Research Question
• Contradiction
• Surprise
• Interesting Finding
• Counter-intuitive Result
• Real-world Problem
  然后将它转化为一个用户容易理解的问题。

例如：

原论文

A model for improving cold-start knowledge tracing.

PaperTok Hook

“如果一个学生只答过3道题，AI真的能知道他擅长什么吗？”

---

原论文

A study on hallucination in large language models.

PaperTok Hook

“为什么 AI 越聪明，有时候反而越容易一本正经地胡说八道？”

---

原论文

A computer vision paper.

PaperTok Hook

“如果把图片里的所有颜色都去掉，AI还能认出这是什么吗？”

Hook 的目的不是标题党。

而是：

把论文中的科研问题转化成值得思考的问题。

---

七、模块二：Paper Story

当用户被 Hook 吸引之后，进入论文的核心内容。

这里不直接展示 PDF，也不首先展示 AI Summary。

而是将论文重新组织成一个：

Research Story

---

Story 的基本结构

Card 1：问题

我们到底想解决什么？

---

Card 2：为什么重要？

如果不解决这个问题，会发生什么？

---

Card 3：过去怎么解决？

Previous Work

---

Card 4：过去的方法有什么问题？

The Gap

---

Card 5：作者想到了什么？

Key Idea

---

Card 6：这个 Idea 怎么实现？

Method

---

Card 7：真的有效吗？

Experiment

---

Card 8：还有什么问题？

Limitation

---

最终形成：

text

 Problem
    ↓
 Why?
    ↓
 Previous Work
    ↓
 Gap
    ↓
 Key Idea
    ↓
 Method
    ↓
 Evidence
    ↓
 Limitation
    ↓
 Original Paper

这实际上就是把论文从：

Academic Paper

转换成：

Research Story

---

八、模块三：Paper Wiki

Paper Story 解决：

“这篇论文发生了什么？”

Paper Wiki 解决：

“这篇论文涉及了哪些知识？”

例如用户在阅读 Cold-start KT 时遇到：

Knowledge Tracing

点击后进入：

Knowledge Tracing

简单来说：

然后：

相关概念

• DKT
• AKT
• SAKT
• Knowledge State
• Student Modeling

相关论文

• Paper A
• Paper B
• Paper C

本文中的作用

本论文使用 Knowledge Tracing 作为……

---

Wiki 的核心特点

Wiki 不应该成为一个新的百科网站。

它应该服务于：

当前这篇论文的理解。

因此用户看到的所有知识都应该回答：

“这个东西为什么出现在这篇论文里？”

---

九、逐层理解机制

PaperTok 不应该一次性把所有信息展示给用户。

而是：

Layer 1：兴趣

这篇论文为什么有意思？

---

Layer 2：直觉

它到底在解决什么问题？

---

Layer 3：方法

作者到底怎么做？

---

Layer 4：专业细节

公式、模型结构、实验设计。

---

Layer 5：原论文

回到证据。

形成：

text

 兴趣
  ↓
 直觉
  ↓
 理解
  ↓
 专业
  ↓
 原文

这就是产品最核心的“渐进式理解”。

---

十、为什么不是“AI总结论文”？

这是产品定位中必须明确的一点。

传统 AI Paper Assistant：

Paper → Summary

PaperTok：

Paper → Story → Curiosity → Exploration

传统 AI 的目标：

提高阅读效率。

PaperTok 的目标：

提高阅读意愿。

两者是不同的问题。

---

十一、AI 在产品中的角色

AI 不应该成为产品的主角。

用户不应该不断看到：

“Ask AI”

“AI Summary”

“AI Explain”

而应该看到：

一个自然的研究故事。

AI 在后台负责：

text

 PDF
  ↓
 Paper Parsing
  ↓
 Research Question Extraction
  ↓
 Problem Extraction
  ↓
 Research Gap
  ↓
 Key Idea
  ↓
 Experiment
  ↓
 Interesting Findings
  ↓
 Limitation
  ↓
 Concept Extraction
  ↓
 Story Generation

即：

Invisible AI

AI 是生产内容的基础设施，而不是产品体验本身。

---

十二、产品与现有竞品的区别

目前主流产品大致可以分为：

产品类型代表产品核心目标论文搜索Semantic Scholar找论文文献调研Elicit找相关研究论文问答SciSpace读懂论文难句解释Explainpaper解释难点论文总结Scholarcy快速总结文献关系ResearchRabbit探索论文关系研究证据Consensus找研究结论

PaperTok 不试图替代这些产品。

它的定位是：

论文发现 + 兴趣激发

核心问题：

“为什么我要读这篇论文？”

---

十三、MVP

第一版应该非常小。

不做：

• ❌ 完整论文数据库
• ❌ 复杂推荐算法
• ❌ Zotero
• ❌ 文献管理
• ❌ AI Chat
• ❌ 多论文比较
• ❌ Systematic Review
• ❌ 复杂知识图谱
• ❌ 在线 PDF 编辑
• ❌ 写论文助手
  只做四件事情：

1. Paper Feed

上下滑浏览论文。

2. Research Hook

每篇论文生成一个吸引人的科研问题。

3. Paper Story

5～8张 Card 逐层讲清楚论文。

4. Original Paper

最后链接到原论文。

---

十四、最小产品流程

text

 用户打开产品
        ↓
 看到一个 Research Hook
        ↓
 “这个问题好有意思”
        ↓
 点击
        ↓
 Paper Story
        ↓
 Problem
        ↓
 Key Idea
        ↓
 Experiment
        ↓
 “我想深入了解”
        ↓
 Original Paper

整个体验的目标是：

让用户从“刷到论文”自然过渡到“主动想读论文”。

---

十五、MVP 的关键验证指标

第一阶段不需要关注：

DAU、商业化、广告、订阅收入。

首先验证：

指标一：Hook → 点击率

用户看到 Hook 后：

有多少人愿意点进去？

---

指标二：Story 完读率

进入 Paper Story 后：

有多少人愿意看到最后？

---

指标三：Original Paper 点击率

最重要的指标之一：

有多少人最终愿意打开原论文？

因为这证明：

PaperTok 并没有把用户留在 AI 总结里，而是真正激发了科研兴趣。

---

指标四：下一篇继续率

用户看完一篇：

是否愿意继续刷下一篇？

这决定产品是否真正拥有“Feed”属性。

---

十六、产品成功的标准

PaperTok 并不是让用户说：

“这个 AI 总结得真好。”

真正理想的用户反馈应该是：

“我本来根本没想看这篇论文，但是这个问题好有意思。”

或者：

“等等，这个方法为什么有效？我想看看原论文。”

甚至：

“还有没有类似的论文？”

如果用户产生了这些反应，说明产品真正完成了它的使命。

---

十七、产品愿景

短视频改变了人们发现娱乐内容的方式。

Wikipedia 改变了人们探索知识的方式。

PaperTok 希望结合两者：

用短视频的信息流降低科研知识的发现门槛，用 Wiki 式结构降低论文的理解门槛。

最终形成：

text

   📱 Feed
     ↓
  好奇心
     ↓
   Hook
     ↓
Research Story
     ↓
 Paper Wiki
     ↓
  原论文
     ↓
 新的研究问题
     ↓
  下一篇论文

最终我们希望实现的不是：

“让论文变得简单。”

而是：

“让人愿意主动靠近论文。”

---

十八、当前产品原则

Principle 1：兴趣优先于效率

我们不是首先追求：

“一分钟读完一篇论文。”

而是追求：

“一分钟后，你想继续看。”

Principle 2：故事优先于总结

不要简单压缩论文。

应该重新发现论文中的：

问题、冲突、发现、惊喜。

Principle 3：渐进式理解

不要一次把所有知识塞给用户。

让用户：

想知道 → 再告诉他。

Principle 4：AI 隐身

用户不需要知道背后用了多少 AI。

最终体验应该像：

有人把科研故事讲给我听。

Principle 5：始终可以回到原文

所有重要内容都应该能够追溯到：

论文原文。

PaperTok 可以降低论文门槛，但不能脱离论文证据。

---

十九、第一阶段产品假设

目前我们最需要验证的并不是：

“技术能不能实现？”

而是：

“论文是否真的可以通过 Hook + Story 的方式变得更有吸引力？”

因此第一阶段应该采用：

Content-first MVP

先人工选择论文、人工辅助设计 Hook，再用 AI 生成部分内容。

如果用户愿意：

刷 → 点击 → 看完 → 打开原论文 → 继续刷

那么再投入时间开发完整的自动化 Pipeline。

---

二十、最终产品概念

PaperTok

让论文变得值得刷。

Feed 负责让你发现论文。

Hook 负责让你产生好奇。

Story 负责让你逐层理解。

Wiki 负责让你继续探索。

原论文负责提供最终证据。

我们不希望用户因为：

“老师让我看论文。”

而打开 PaperTok。

我们希望有一天用户会因为：

“今天有什么有意思的研究？”

而打开它。

今天晚上做了一会，我对AI生成demo的效果还是比较满意的。

后续的问题是：
1、wiki的组织方式和阅读方式
如果多篇论文指向同一个wiki页面，wiki页面怎么呈现
如果从首页直接点进wiki界面，我认为是不是按照wiki界面的浏览顺序去呈现出调整。
所以，我觉得wiki的编排就有三种组织形式，分别对应：当前论文、相关论文、直接点击。
在一个wiki中，有当前论文（正在看的论文）、相关论文（使用同一个wiki的论文）。
直接点击wiki，展示的是结构化的wiki，只有“按领域探索”一种方式。
只有用户打开原论文之后，wiki自动加入。

2、论文展开逻辑
首页点击“展开”后，第一页应该展示什么？

3、工具的盈利模式

4、工具是否值得使用

然后是这两天看的《如何阅读一本书》的总结。

然后是阅读不同类型读物的方法。

如何阅读一本实用的书。

任何实用性的书都不能解决该书所关心的实际问题，实际的问题只能靠实际来解决。

如何阅读想象文学。

首先要代入想象文学，不要抗拒想象文学带给你的影响力。

在想象文学中，不要去找共识、主旨和论述。

不要用适用于传递知识的，与真理一致的标准来批评小说。