ExplainLens:把复杂材料转化为可理解的解释结构
一个论文和复杂材料的可视化解释系统。核心目标不是简化内容,而是把复杂结构转化为可理解、可传播、可复用的解释形式。
Why this project exists
我每年阅读大量学术论文和复杂材料。一个持续的痛点是:很多内容本身很有价值,但表达方式让大多数人难以理解。不是内容太难,而是解释方式不对。
ExplainLens 的出发点:复杂材料需要被重新解释,而不是被简化。 简化会丢失关键信息,重新解释则是在保持完整性的前提下换种表达方式。
Starting point
最初的需求来自阅读 Arrow 的 "Learning by Doing" 论文。这篇论文的核心思想很有价值,但原文的数学推导和学术表达让非专业读者望而却步。
我尝试用几种方式重新解释:
- 文字摘要:丢失了太多细节
- 图表:难以表达动态过程
- 交互页面:制作成本高,难以复用
需要一个系统化的方法来解决这个问题。
First principles
结构先于内容:在尝试解释之前,必须先理解原始材料的结构。论点、证据、假设、结论之间的关系是什么? 多模态解释:不同的内容适合不同的解释形式。概念适合卡片,过程适合流程图,数据适合图表,论证适合层级结构。 可复用 > 一次性:解释结构应该可以被复用。为 Arrow 论文设计的解释模板,应该也能用于其他论文。 读者导向:解释不是作者的自说自话,而是读者的认知工具。要从读者的已有知识出发,逐步构建新理解。Key decisions
卡片系统:用卡片作为基本单元。每张卡片包含一个概念、一个论点或一个证据。卡片之间通过链接建立关系。 层级结构:支持多层级解释。顶层是核心观点,中层是支撑论点,底层是具体证据。读者可以根据需要深入或浅出。 与 Paper Cartoon Explainer 的关系:ExplainLens 是解释系统,Paper Cartoon Explainer 是具体的实验形式。前者是框架,后者是应用。System architecture
ExplainLens 的核心组件:
结构分析器:分析原始材料的逻辑结构,识别论点、证据、假设、结论。 解释生成器:根据结构分析结果,生成多模态解释(卡片、图表、流程图等)。 交互界面:支持读者按需深入,从概览到细节的渐进式探索。 模板系统:保存常用的解释结构,便于复用。Phase timeline
Phase 1:概念验证。用 Arrow 论文验证"重新解释"的可行性。 Phase 2:卡片系统。建立卡片作为基本解释单元。 Phase 3:层级结构。支持多层级解释和渐进式探索。 Phase 4:模板系统。建立可复用的解释模板。 当前:框架完善阶段,持续积累解释模板。What changed
从"读不懂就放弃"变成了"读不懂就重新解释"。
具体变化:
- 从被动接受升级为主动重构
- 从线性阅读升级为结构化探索
- 从单一文字升级为多模态解释
- 从一次性消费升级为可复用模板
Current status
当前状态:active / 框架完善。
核心框架已完成:
- 结构分析方法论
- 卡片系统
- 层级解释结构
- 基础模板库
仍待完善:
- 更多领域的解释模板
- 交互界面的用户体验
- 与 conanxin.com 写作系统的集成
Impact
对个人工作流的影响:建立了一种"解释者"的思维方式。不再满足于"我懂了",而是追求"我能让别人懂"。这种思维方式不仅适用于学术内容,也适用于任何需要沟通复杂想法的场景。
复用价值:解释结构和模板可以应用于任何需要把复杂材料转化为可理解形式的场景。
What I learned
关于解释:解释不是翻译,而是重构。好的解释会改变内容的组织方式,而不只是换种语言说同样的话。 关于结构:理解结构比理解内容更重要。一旦理解了结构,内容可以按需填充。 关于多模态:不同的认知风格需要不同的解释形式。文字、图表、流程图、交互元素各有适用场景。Next
- 积累更多领域的解释模板
- 优化交互界面的用户体验
- 探索与 conanxin.com 写作系统的深度集成
- 验证解释效果(读者测试)