Zotero 配置 ChatGPT 完全指南：从零搭建文献助手

2次阅读

没有评论

共计 2222 个字符，预计需要花费 6 分钟才能阅读完成。

作为一名研究人员，面对海量文献时常常遇到这些困扰：

文献数量庞大时，人工阅读摘要效率低下
跨专业文献理解困难，需要额外查阅背景知识
文献管理工具功能单一，缺乏智能辅助

传统解决方案要么耗时费力，要么需要付费订阅专业服务。通过将 Zotero 与 ChatGPT 集成，我们可以打造一个经济高效的智能文献助手。

这个方案的核心是通过 Zotero 的 JavaScript API 和 OpenAI 的 Python SDK 建立连接：

Zotero 插件：负责获取文献元数据
Python 中间层：处理数据转换和 API 调用
ChatGPT API：执行自然语言处理任务

这种架构既保持了 Zotero 的数据安全性，又能利用 ChatGPT 的强大分析能力。

首先需要安装 Zotero 的插件系统：

打开 Zotero 首选项 → 高级 → 设置编辑器
搜索 extensions.zotero.enable 并设为 true
重启 Zotero

登录 OpenAI 官网创建账号
进入 API Keys 页面生成新密钥
妥善保管密钥（建议设置使用限额）

以下是完整的 Python 脚本示例（保存为 zotero_chatgpt.py）：

import requests
import json
from zotero import zotero  # 需要安装 pyzotero 库

# 配置参数
ZOTERO_LIBRARY_ID = "你的图书馆 ID"
ZOTERO_API_KEY = "你的 Zotero API 密钥"
OPENAI_API_KEY = "你的 OpenAI API 密钥"

# 初始化客户端
zot = zotero.Zotero(ZOTERO_LIBRARY_ID, "user", ZOTERO_API_KEY)

# 获取最新添加的文献
def get_recent_items(limit=5):
    items = zot.top(limit=limit)
    return [{"title": item["data"]["title"],
        "abstract": item["data"].get("abstractNote", "")
    } for item in items]

# 调用 ChatGPT 生成摘要
def generate_summary(text):
    headers = {"Authorization": f"Bearer {OPENAI_API_KEY}",
        "Content-Type": "application/json"
    }

    data = {
        "model": "gpt-3.5-turbo",
        "messages": [{"role": "system", "content": "你是一位专业的学术助手"},
            {"role": "user", "content": f"请用中文总结以下内容:\n{text}"}
        ],
        "temperature": 0.7
    }

    response = requests.post(
        "https://api.openai.com/v1/chat/completions",
        headers=headers,
        json=data
    )

    return response.json()["choices"][0]["message"]["content"]

# 主程序
if __name__ == "__main__":
    items = get_recent_items()
    for item in items:
        summary = generate_summary(item["abstract"] or item["title"])
        print(f"文献标题: {item['title']}")
        print(f"智能摘要: {summary}")
        print("-" * 50)

脚本会自动获取 Zotero 中最新添加的文献，将其标题和摘要发送给 ChatGPT 生成简洁的总结。对于没有摘要的文献，会直接使用标题作为输入。

可以扩展脚本增加问答功能：

def ask_question(context, question):
    prompt = f"根据以下文献内容回答问题:\n{context}\n\n 问题: {question}"

    data["messages"][1]["content"] = prompt
    response = requests.post(
        "https://api.openai.com/v1/chat/completions",
        headers=headers,
        json=data
    )

    return response.json()["choices"][0]["message"]["content"]