近年来，人工智能技术加速进化。随着DeepSeek、ChatGPT、Kimi、通义千问等大语言模型相继集成文档解析与阅读功能，用户仅需上传文档或提供网页链接，即可通过问答对话、段落摘要、思维导图等实现对文本内容的快速掌握。具有这种功能的工具一般在平台中被称为“AI阅读助手”，其能够实现AI陪伴人类阅读，也即本文所提出的“AI伴读”的智能阅读形式。在理想情况下，“AI伴读”体现为人机共读的模式，即机器与人类在阅读过程中建立协同互补关系，由机器负责处理结构化和重复性的文本解析工作，人类则专注于需要深度理解、批判性思考和创造性阐释的高阶认知任务，形成“机器预处理—人类精加工”的良性反馈机制。但在现实情境下，这种阅读模式实际上指向另外两个阶段：一是AI基于海量数据进行阅读并生成结果；二是人对结果的接受。[1]这种理想和现实的张力分别对应着现有研究的两种阐释路径，持技术乐观主义的学者强调“AI伴读”的效率提升价值，认为AI阅读工具有助于加快人们的信息处理速度；而持批判态度的学者则关注技术可能导致的阅读能力退化风险，呼吁维护人的主体性和能动性。[2]争议的核心在于，“AI伴读”撼动了“以人为本”的阅读本体结构，将原本基于身体感知、语境解读与意义建构的阅读活动，部分转化为算法计算与概率推理驱动的中介化阅读，尤其在青年用户群体中，AI已不再是辅助工具，而是已深度嵌入知识获取、思维建构及语言表达各个环节，演化成为一种日常使用习惯。有鉴于此，本文以技术中介理论为分析框架，系统考察“AI伴读”的实践样态、潜在风险及可能的修复路径，以期为构建人机共读的新型阅读生态提供理论依据。 一、中介化阅读：“AI伴读”的三重阅读样态 “中介化”一词最早在普通社会学中用于描述中介过程，即两个或多个对象之间经过调停后所发生的关系调节或意义转换。在媒介研究语境中，中介化被进一步解释为“通过媒介传递某物的行为”，[3]其不仅指向传播链条中的信息流通环节，更深层地指涉传播过程如何在符号选择、结构建构、语义配置中介入意义的生成。如果说中介过程意指一种转换，那么中介化则更多指向媒介技术在信息流动、认知建构与文化实践中不再充当中性的传递工具，而是作为具有行动能力的中介体，嵌入人与内容之间，主动参与意义生产、行为导向与经验生成的复杂过程。 在传统阅读场景中，阅读意义的生成始终围绕“作者—文本—读者”三元结构展开，技术仅作为辅助性支持而存在，不对语义解释与逻辑理解进行实质性干预。而在智能阅读场景中，原本的三元结构顺势延展为“作者—文本—技术物—用户”的四元关系，技术物成为具有“中介行动力”的意义参与者。技术物的介入，使得文本的语义结构、呈现方式与理解路径不再由读者与作者共同构建，而是由平台算法对内容进行预设、重组与选择后，再由用户读取或接受。因此，所谓中介化阅读，是指在AI与平台算法深度介入下，媒介技术作为具有行动能力的中介体嵌入作者、文本与用户之间，主动参与意义生成、结构塑造与认知引导的过程。 就研究领域而言，主体如何具有策略性地使用媒介，即主体如何“驯化”技术，媒介的物质性，以及媒介与人形成的共生关系，都是中介化理论所关注的问题。[4]在智能阅读场景下，AI阅读工具作为中介阅读活动的技术系统，参与并重塑了人与文本、人与知识之间的关联过程。AI阅读工具不仅作为阅读工具而被使用，而且通过语义提炼、句法排序、关键词标注等功能，逐步重组了阅读活动所牵涉的各个环节，形构了新的阅读内容、阅读形式及阅读体验。因此，本文试图在智能技术语境下归纳“AI伴读”的三种阅读样态，旨在既尝试揭示人在技术参与下如何重新实践阅读活动，也试图剖析技术作为行动体如何以中介方式重塑人的认知结构与文化经验，形成中介化阅读的技术实践与阅读形态。 1.提要式阅读：内容压缩与形式缺位 大语言模型在摘要生成与语义提炼方面的广泛应用，使得阅读不再仅仅是人与文本之间的直接对话，而是转化为一种经由技术中介的重构语义与理解路径的协作行为。AI不仅在内容层面上压缩信息量，还在认知层面上预设了意义提取的框架，使得用户在接受摘要的同时，也在接受一种由算法建构的阅读逻辑。AI的介入改变了传统阅读的起点与路径，使得阅读原文逐渐被阅读摘要所替代，由此形成了“提要先行”的阅读倾向。 提要式阅读，是一种依赖AI对文本内容进行压缩与信息重组，以快速提取核心要点为主要目的的阅读方式，其基本表现为：用户将原书或文章交由AI阅读工具生成提要或梗概，通过阅读这些摘要迅速掌握文本的主要内容。与传统的深度阅读相比，提要式阅读更侧重于信息的快速提取与要点掌握，较少关注文本的细节展开与文体表达。在这一转变背后，新的阅读内容生成方式与阅读交互模式扮演着关键角色。一方面，生成式人工智能重塑了阅读内容的生成方式，使得原本由作者主导、经由线性逻辑展开的结构性文本，转变为以算法为核心、围绕“高频信息”“核心观点”与“逻辑框架”而提炼出来的概率性输出的内容。另一方面，提要式阅读的涌现也深度关联于人机交互范式的变革。不同于早期机器阅读对于用户指令的简单响应，如今的智能阅读以复杂的语言模型为基础，通过人机之间的界面交互，实现基于提示词的语义调度与提要生成，从而重塑了用户与文本之间的交互逻辑。这种更具参与感与调控性的阅读方式，恰恰迎合了当下人们的技术使用倾向与网络社交需求，从而成为数字原住民获取知识和信息的重要方式。 相较于需要长时间沉浸的传统阅读方式，提要式阅读虽然降低了阅读鉴赏的门槛，却也更直接地导致内容压缩与形式缺位。文本的价值并不止于“讲了什么”，更在于“如何讲述”。在传统阅读中，诸如原始文本中的细节描写、修辞结构和文体风格，是读者理解与思考的重点。然而，AI阅读工具的介入，使得上述重点可能经由算法的计算与处理，逐渐从人们的阅读经验中退隐，甚至被人们主动忽略。同时，在生成式人工智能的逻辑下，阅读文本被拆解为可以被快速处理的信息块，内容压缩成为AI生成提要的核心策略，这种内容生成逻辑优先保留被广泛引用、逻辑清晰、主题突出的部分，进而将原本具有情感节奏、文化语义与结构复杂性的内容还原为一种工具化、模板化的信息文本。因此，提要式阅读虽然回应了当下快速读取内容的现实需求，却也在无形之中削弱了人们对文本完整性与语言表现力的感知能力，使得阅读从富于探索性、反思性、审美性的文化实践，转向一种程序化、去风格、去经验的内容杂合。要真正理解提要式阅读的价值与局限，便需在效率逻辑之外，重新反思文本在文化维度、语言维度与认知维度对于人的阅读能力养成的重要性，在提要与原文、效率与深度、结论与过程之间达到平衡，使得人机共读真正走上多元化、层次化与创造性的发展路径。
