公众号名称：AI产品自由

作者名称：成峰

发布时间：2026-06-18 10:59

我把 148 万字 Transformer 资料交给 GLM-5.2，它直接生成了一个可以打开的 HTML 阅读页。

打开页面，原本散在十几篇论文里的内容，已经被排成一条能读下去的理解路线。

模型能力怎么样？

Artificial Analysis 的 Intelligence Index（第三方 AI 模型综合评测榜单）里，排在 GLM-5.2 前面的可用模型只有 Claude Opus 4.8 和 GPT-5.5。

这次 GLM 真进“御三家”了。

这张图给出的是外部位置：GLM-5.2 已经进入第一梯队。

1M 上下文

GLM-5.2 这次主打 1M 上下文。回到读书场景，问题变成：资料进去以后，它还能不能在里面找路。

我把 148 万字 Transformer 资料交给它，测的就是这件事。

实际跑下来，它处理知识树时，能把主线、层级和关系抓出来。

这正是长资料最容易卡住人的地方：哪篇论文是起点，哪一步解决了旧问题，后面又留下什么新问题。

GLM-5.2 把这条线抓准以后，这份资料就能接着用：它能继续回答我的追问，也能把追问后的内容写回去。

分享我的做法

第一步：确认主体，生成 HTML

整理一套资料时，我现在第一句话先锁主体。

提示词：

请先确认这批资料的主体，不要直接总结；确认后，再围绕主体重组资料，并只输出 HTML。

“确认主体”先把问题钉住。资料一长，模型很容易滑向摘要、时间线或者论文列表；主体先锁住，后面的页面才会围绕同一个问题展开。

为什么用 HTML 的文件结构呢？
HTML 适合做这个中间产物：它是一个能打开、能继续改的页面。并且能够做到比较好的视觉效果。

第二步：追问写回

第一版页面出来后，我会边看边问。

这里我看不懂，就把这一段复制回去，让它补解释、补例子，然后把新内容写回 HTML。

第三步：用 RoughJS 画关系

遇到关系类内容，我会让它画 RoughJS 图。RoughJS 是一个 JavaScript 图形库，可以画出手绘风的线框和箭头。

这里用 RoughJS 做一件事：把时间线、因果链和概念关系画清楚。

这一轮跑完，原文堆变成了可阅读、可追问、可继续改的版本。

读书的起点变了

AI 正在改变我们的阅读方式。

以前读难书，我要先适应作者的目录、顺序和表达方式。
现在我可以先让 AI 获取作者资料，再按我的问题和习惯，重编出一份适合我读的资料。

---

内容效果不满意？点此反馈