基于来源的研究工作流：提取、索引与综合

如何使用这个专题

本合集提供了使用 AI 作为客观数据处理引擎进行基于来源分析的严格工作流。其目标是通过限制 AI 仅处理您提供的文本来防止幻觉。 **阶段 1：原始数据提取** 首先使用**科学数据提取器提示词**。将此提示词复制到任何标准的 LLM 聊天界面中。粘贴包含数值数据（如样本量、p 值、剂量）的科学摘要。该提示词指示 AI 输出一个结构化的 Markdown 表格，列包括“原文片段”、“变量/概念”、“值”、“单位”和“上下文说明”。 *关键约束*：AI 不得解释数据的重要性或总结研究结论。它仅记录明确陈述的内容。如果单位隐含在变量名中，必须明确说明。这创建了可审计的原始事实基线。 **阶段 2：证据映射** 拥有阅读清单后，使用**问题到来源索引构建器**。准备一份编号的具体研究问题列表，并将带有来源 ID（如 S1、S2）的阅读清单摘录粘贴在提示词下方。AI 将生成一个可追溯的索引，将每个问题映射到您文本中的确切引用片段。 *关键约束*：严禁 AI 浏览实时链接或捏造发现。如果提供的文本未回答问题，它将列为“未匹配”，而不是幻觉出一个答案。这确保您报告中的每个主张都能直接追溯到您的材料。 **阶段 3：伦理综合与讨论** 对于定性分析或教育背景，使用**课堂案例讨论指南提示词**。粘贴场景、主题、受众水平和时间限制。AI 将生成一份可直接用于主持的指南，包含中立摘要、“需确认的事实”清单以及按主题分组的开放式问题。 *关键约束*：AI 不得提供法律建议、医疗诊断或专业评估。它区分来源主张与其自身的推断，并清晰标记空白。此阶段有助于在不逾越伦理边界的情况下结构化复杂讨论。 **先决条件与局限性** - 需要标准的 LLM 聊天界面（无需 API 或编程技能）。 - 您必须提供所有源文本（摘要、摘录、场景）。AI 不会获取外部内容。 - 未经运行时验证；始终将提取的数据与原始文档进行交叉核对。 - 不要粘贴敏感个人数据或未获许可共享的受版权保护文本。