为金融研究者、券商分析师与投资经理设计的本地化 AI 阅读终端——
每个 AI 结论都有出处、可回跳、可校验。
Document Intelligence × Evidence Grounding × Active Reading × Knowledge Capture × Evaluation
左侧书库与目录 · 中间 PDF 阅读 · 右侧 AI 分析层。阅读、理解、追问、标注在同一个界面内闭环。点击右侧 Tab 切换 AI 视图。
复杂系统的失败，往往不是因为某个节点做了明显错误的决定，而是因为每个节点都在自己的评价函数下做了"正确"的选择。
当组织把一个跨部门目标拆成多个局部指标时，指标会改变行为。销售追求成交率，运营追求周转率，风控追求违约率，每一方都可能通过优化自己的数字，让系统逐渐偏离原本的业务目标。
真正危险的不是某个指标被优化，而是反馈回路之间存在不同的时间尺度：短期指标先给出正反馈，而成本、风险和副作用在更晚的时候才显现。决策者因此容易把"暂时没有代价"误读成"策略有效"。
事件解释问"这次为什么失败"，结构解释则问"什么机制让类似失败可以反复发生"。后者要求我们画出变量之间的连接、方向、延迟和增强/抑制关系。
如果行为的成本在两个季度之后才被观测，那么一个看似理性的组织，会在前两个季度持续加码同一种行为。
因此，系统分析不是追求绝对预测，而是帮助决策者发现哪些假设最脆弱、哪些反馈最慢、哪些变量拥有非线性影响。
412 页 · 388 页可提取正文 · 19/19 章节 · Chapter Map-Reduce · 1 失败分块已重试成功
第 3 章把前两章的"反馈回路"概念转成组织决策问题——为什么每个人都做对了，系统仍可能失败。它为第 4 章寻找"杠杆点"提供问题定义。
反馈回路 p42 局部最优 p67 杠杆点 p89 系统延迟 p156
"复杂系统一定不可预测"并不是本章的原句。证据不足时不扩大结论。
6 个引用中 5 个通过两级校验，1 个支撑度不足已降级。
"短期指标先给出正反馈，而成本、风险和副作用在更晚的时候才显现。"
"如果行为的成本在两个季度之后才被观测……会持续加码同一种行为。"
（该页未找到与 claim 直接相关的术语，已从回答中移除该引用）
重要结论不只给"页码标签"，还展示实际证据片段与支撑度。如果证据不足，回答会降级或 Abstain。
这和很多企业"部门 KPI 都完成，但公司目标反而变差"的情况一致。后续可以和 Goodhart's Law 做对照，但要区分作者原文与外部概念。
"延迟"与"激励"是两个独立机制，还是作者把它们视为同一个反馈结构中的变量？
真正危险的不是某个指标被优化，而是反馈回路之间存在不同的时间尺度。
事件解释问"这次为什么失败"，结构解释则问"什么机制让类似失败可以反复发生"。
本章核心：局部理性+延迟反馈=系统脆弱性。解决方向是改变信息流和激励结构，而非增加检查节点。
12 大核心能力，从 PDF 解析到知识沉淀的完整闭环。
文件夹自动扫描同步、拖拽上传、SHA256 去重检测、分类标签、回收站机制。
pdfjs-dist + react-pdf 渲染、连续滚动、页码跟踪、目录跳转、3 种划线高亮。
3-tier 提取(书签→印刷目录→推断)、AI 修正 OCR 错误、章节摘要+关键词。
全文分析/关键词双模式、逻辑链拆解、金融含义、市场启示、风险提示。
Map-Reduce 管道、核心命题、论证链、分析框架、关键概念、推荐阅读路径。
倒排索引 + BM25 检索 + 重排、双模式(仅本书/混合)、检索证据可查。
两级校验(存在性+支撑度)、页码精确回跳、证据不足时 Abstain。
8 种 AI 动作：激发/结构化/润色/质疑/总结/投资映射/标题/标签。
Web Speech API、4 级智能文本分块、中英文、速度控制、偏好持久化。
AI 生成标题/解读/视觉方案、多模板多比例、PNG 高清导出。
12 状态追踪、进度/重试/错误日志、本地持久化、可取消/重试。
20 测试用例、10 项指标、离线运行、一键 npm run eval。
不是"把 PDF 扔给模型"，而是有结构的摄入→分析→检索→校验→沉淀。
上传校验 · 文本提取
覆盖度检查 · OCR fallback
章节检测 · 目录提取
AI 增强 · 页码校准
Map-Reduce · 选文解析
思考辅助 · 全书解读
倒排索引 · BM25 检索
重排 · Citation 校验
高亮 · 想法 · AI 辅助
笔记导出 · Evaluation
小书(<30k chars) 直接分析，大书自动进入 5 阶段 Map-Reduce。Honest coverage：绝不截断输入后标记为完整。
pdfjs-dist 逐页提取
计算覆盖度
Regex 标题检测
+ Heuristic fallback
12k chars/块
并发 AI 分析每块
块→章节聚合
Fallback 降级机制
Hierarchical Reduce
includedChapterIds 追踪
不做"信任模型"假设。每个 AI 输出的页码引用都经过两级独立校验。
"短期指标先给出正反馈，而成本、风险和副作用在更晚的时候才显现。"
（未找到与 claim 高度相关的术语，该引用已从回答中移除）
覆盖正常路径、边界情况与对抗测试。AI 产品的质量必须可量化。
文字型 PDF · 扫描版 · 双栏 · 中英混排
有目录 · 无目录 · 页码偏移
精确查询 · 跨章节综合 · 无答案问题
真实页码校验 · 编造页码拒绝
正常回答 · Abstain · 诱导编造拒绝
PDF 损坏 · API Key 缺失 · 模型超时
基于 "Agent 视角的需求分析与结构设计" 六步法。不是凭感觉做功能，而是结构化地定义产品。
三层信息
表面→真实→隐藏
5W2H + Agent 四问
Goal/Capability/Boundary
高频问题验证
价值测算公式
三层竞品 · 四维对比
差异化定位
MoSCoW · Workflow
Evaluation · Roadmap
| 对比维度 | AI 文档对话类 | 阅读/笔记类 | AI Reader 定位 |
|---|---|---|---|
| 功能 | 总结、问答、文档检索 | 批注、摘录、组织、回顾 | 深度分析 + 证据链 + 主动阅读 + 笔记闭环 |
| 体验 | 对话优先，阅读上下文易被遮蔽 | 阅读稳定，AI 多为外挂 | 阅读器内完成理解/回跳/追问/沉淀 |
| 成本 | 长文档推理成本高 | AI 成本较低或非核心 | 章节缓存+增量分析+检索式回答控制成本 |
| 技术路线 | RAG / 对话 | 本地索引/笔记结构 | 解析/OCR → Map-Reduce → RAG → Citation Verify → Eval |
Next.js 14 (App Router) · React 18 · TypeScript 5 · Tailwind CSS 3 · Lucide Icons · react-pdf · html-to-image
Next.js API Routes (Node.js) · pdfjs-dist · PyMuPDF · Zod Schema · Playwright · Web Speech API
DeepSeek API (OpenAI SDK) · Map-Reduce Pipeline · Inverted Index + BM25 · Citation Verifier · OCR Adapter
主阅读工作台 — 三栏布局、真实 PDF 阅读 + AI 深度分析、需配置 API Key 和本地书库。
产品分析框架展示 — 需求三层信息、5W2H、竞品四维对比、MoSCoW、Roadmap。
企业级产品可交互 Demo — Mock 数据、四 Tab 实时切换、选文工具栏、Ask Book 演示。