ChatGPT读文献Prompt实战：从精准解析到高效知识提取

1次阅读

共计 2024 个字符，预计需要花费 6 分钟才能阅读完成。

科研人员每天需要阅读大量文献，但传统方法效率低下，主要问题包括：

信息筛选困难：一篇论文往往包含大量细节，手动提取核心观点耗时耗力
语义理解局限：传统 PDF 工具只能进行关键词搜索，无法理解上下文关系
专业术语障碍：不同领域的专业术语增加了理解难度
知识整合低效：需要人工将多篇文献的观点进行对比和综合

元指令层：明确任务目标

你是一位专业科研助手，请帮助我分析以下学术论文的核心内容

领域限定层：指定学科范围

本文属于计算机科学 - 机器学习领域，请用专业术语但通俗易懂的方式解释

输出格式控制

请按以下结构输出：1. 研究问题
2. 创新方法
3. 主要结论
4. 实际应用价值

同义词映射表示例：

term_map = {
    "NN": "神经网络",
    "CV": "计算机视觉",
    "NLP": "自然语言处理"
}

上下文消歧策略：

在本文中，"transformer" 是指神经网络架构(而非电力设备)

# 对话状态维护示例
dialog_history = []

def update_context(question, answer):
    dialog_history.append({"Q": question, "A": answer})
    return dialog_history[-3:]  # 保持最近 3 轮对话

import openai
from tenacity import retry, stop_after_attempt, wait_exponential

@retry(stop=stop_after_attempt(3), wait=wait_exponential(multiplier=1, min=4, max=10))
def analyze_paper(text, temperature=0.3):
    """
    带重试机制的文献分析函数
    :param text: 论文文本
    :param temperature: 控制输出创造性(0-1)
    """
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "system", "content": "你是一位专业科研助手"},
            {"role": "user", "content": f"请分析以下论文:\n{text[:3000]}"}
        ],
        temperature=temperature,
    )

    # 处理 Markdown 格式输出
    result = response.choices[0].message.content
    return f"```markdown\n{result}\n```"

# 使用示例
paper_text = """(此处放入论文摘要或关键段落)"""
print(analyze_paper(paper_text))

预处理时截断长文本（保留摘要 + 引言 + 结论）

使用 tiktoken 库计算 token 数量

import tiktoken

enc = tiktoken.encoding_for_model("gpt-3.5-turbo")
tokens = enc.encode(text)
if len(tokens) > 3000:
    text = text[:2000] + text[-1000:]  # 保留开头和结尾

始终标注原文引用
生成的摘要需注明 ”AI 辅助分析 ”
不可直接使用生成内容作为自己的研究成果

人文社科：增加 ” 理论框架 ” 和 ” 研究方法 ” 部分
工程技术：强调 ” 实验设计 ” 和 ” 性能指标 ”
医学：需要特别处理统计数据和临床结果

启用流式输出（适合长文献）

stream = openai.ChatCompletion.create(
    model="gpt-3.5-turbo",
    messages=[...],
    stream=True
)

for chunk in stream:
    print(chunk.choices[0].delta.get("content", ""))