核心功能
Deep Reading 是一款对抗快餐式阅读的深度精读系统，强制要求逐章逐节阅读原文，禁止 AI 用自有知识替代文本分析。核心产出为每章 6 项结构化笔记：原文引用（≥3段逐字）、逐句解析（拒绝零解析）、义理阐释（思想内核）、跨文本关联（双链 [[书名/章节]] 格式）、现代启示（具体可操作）、疑难标注（≥1个真实问题）。
显著优点
反偷懒设计：宪法级禁令明确禁止跳过原文、一次性概括全书、改写省略原文，通过自检清单和可选质量巡检脚本强制质量。自动化程度高：自动推断书籍类型（古典原典1章/次、学术著作1节/次、文学类3-5章/次），自动配置阅读量，用户仅需确认。知识网络构建：强制双链格式，对接 Hebbian 共现网络，支持长期知识图谱生长。生态整合：与 agent-sleep（睡眠归档）、memory-sync-enhanced（遗忘曲线管理）形成完整记忆管道。
潜在缺点与局限
时间成本极高：古典原典每章一次精读，完整读完一本书可能需要数十至上百次交互，与现代"速读"习惯冲突。交互负担重：每次必须完成6项笔记，自检7项 checklist，对轻度阅读者过度设计。依赖用户自律：质量巡检脚本为可选，核心依赖"宪法级禁令"的自我约束，无强制技术拦截。格式门槛：双链 [[书名/章节]] 语法对非 Obsidian/Logseq 用户不友好，跨平台迁移成本高。
适合人群
- 学术研究者和研究生（论文精读、原典研读）
- 经典阅读爱好者（四书五经、柏拉图、康德等慢读）
- 知识管理重度用户（已使用 Obsidian/Logseq 双链笔记）
- 对抗碎片化阅读、追求深度理解的长期主义者
常规风险
幻觉风险：即使强制"逐字引用"，AI 仍可能在原文不存在时虚构引用，需人工核对关键段落。进度丢失：plan.md 和 chapter-XX.md 文件依赖本地存储，无云端同步机制，设备切换或清理可能导致进度丢失。过度结构化：6项笔记模板可能扼杀文学阅读的感性体验，诗歌、小说等文体适配性存疑。长期放弃率高：设计目标与当代用户行为习惯相悖，实际持续使用率可能显著低于预期。