🏠 返回首页
🛠️

操作过程

四步轻松生成一份可分享的文献研究报告

1

安装推荐 Skill

打开 AiPy 智能体集市,安装右侧列出的「网页前端开发」Skill,即可开始检索与整理。

2

说一句大白话需求

把「主题 + 篇数 + 中英文配比 + 要整理哪些字段 + 交付成什么」讲清楚,直接粘贴右侧提示词即可。

3

AI 自动检索与整理

AiPy 通过公开学术渠道检索元数据与摘要,逐篇提取标题、作者、期刊、研究问题、方法、结论与创新点,并标注可核查来源与待核实项。

4

一键生成单文件报告页

自动产出含筛选总览表、逐篇卡片、方法分布与年度趋势图、研究空白与未来方向的单文件 HTML,可直接用于学术分享。

✅ 最终产出:AI教育应用文献研究报告(单文件 HTML)
高校研究者 / 教研人员 · 2—3 天 → 约 10 分钟,提效约 300 倍

AI教育应用文献研究报告

集市安装智能体/skill:

提示词

任务目标:围绕「人工智能(大语言模型)在教育领域的应用」这一主题,收集近三年(2022年至今)发表在中英文知名教育技术与教育研究类期刊上的10篇代表性研究文献,梳理该领域的发展动态与未来研究方向。 数据来源:仅使用公开可检索的学术信息渠道(如公开的期刊官网目录、开放获取摘要、公开学术检索平台的元数据),不得依赖任何私有数据库账号或内部系统。若某篇文献无法获取摘要,可基于公开元数据(标题、作者、年份、关键词)进行归纳,并在结果中注明。 处理要求: 1. 中英文文献都要覆盖(建议中英文各5篇左右),优先选择发表在公认权威期刊上的实证研究或高被引综述; 2. 对每篇文献整理:标题(中英文)、作者与机构、发表期刊与年份、研究问题、核心方法、主要结论、创新点; 3. 在逐篇梳理基础上,输出一份综合分析:该主题近年研究热点的演变、主流研究方法分布、当前研究空白与3-5个值得深入的未来研究方向; 4. 所有文献信息须注明可核查的来源线索(期刊名+年份+标题),不得编造不存在的文献;若信息不确定,明确标注「待核实」。 交付物:输出为一个单文件 HTML 页面,包含:① 文献信息总览表格(支持按年份/期刊/语言筛选展示);② 每篇文献的详细卡片;③ 一段趋势分析总结(可用简单的可视化图表呈现研究方法分布与年度发文趋势);④ 未来研究方向建议板块。页面风格简洁专业,可直接用于学术分享与展示。

用户痛点

  • 检索耗时:中英文期刊分散在知网、期刊官网、arXiv 等多个入口,人工翻目录找 10 篇对口文献往往要一整天。
  • 信息不全:只看标题摘要很难提炼“研究问题—方法—结论—创新点”,逐篇读完再归纳动辄数天。
  • 怕编造:让通用大模型直接列文献,容易出现不存在的篇名、错配的作者与年份,学术场景无法接受。
  • 呈现粗糙:整理完还要再做表格、画图、排版,才能拿去做组会分享或开题汇报。

AiPy 实现过程

1
公开渠道检索围绕生成式 AI 教育、ChatGPT 教育实证、系统综述等关键词检索公开学术渠道,只取公开元数据与摘要。
2
中英文配比筛选英文 5 篇取已核实元数据的实证与综述;中文 5 篇覆盖综述、评价改革、实证、教师素养四类议题。
3
逐篇结构化提炼按标题(中英)、作者机构、期刊年份、研究问题、核心方法、主要结论、创新点七字段整理,并附来源线索。
4
可信度分级标注已核实条目注明 arXiv 编号;信息不确定处一律标注「待核实」,不做推测性补全。
5
综合分析与可视化归纳三阶段热点演变、方法分布、六类研究空白与五个未来方向,并生成可筛选的单文件 HTML。

报告亮点

结构五段式:总览表 → 逐篇卡片 → 趋势分析 → 研究空白 → 未来方向,一页读完整个领域。
筛选三条件联动:年份 / 语言 / 期刊下拉即时过滤,表格与卡片同步收敛。
可视化方法分布 + 年度趋势:综述 3 篇、实证 4 篇、理论 2 篇、立场 1 篇;2023 年 5 篇为峰值。
可信来源可查:每条附「期刊名 + 年份 + 标题」,英文条目附 arXiv 编号,不确定处标「待核实」。

效率对比

以前手动做
2—3 天
检索 + 精读 + 归纳 + 排版
现在用AiPy
约 10 分钟
一次对话直出可分享报告
🚀 提效约 300 倍:2—3 天 → 约 10 分钟

使用心得

  • 提示词里写清“不许编”:明确要求标注可核查线索与「待核实」,能显著降低文献幻觉风险。
  • 先定配比再检索:提前约定中英文各 5 篇、实证与综述兼顾,避免结果一边倒。
  • 把交付格式说死:直接要求单文件 HTML 与四个板块,省掉二次排版。
✅ 已复制到剪贴板
放大图片
点击任意位置关闭