Codex use case
学习新概念
将信息密集的源材料转化为清晰、便于审查的学习报告。
使用 ChatGPT 学习研究论文或课程等材料，将阅读任务分配给多个子智能体，收集上下文，并生成带有图表的 Markdown 报告。
最适合
- 学习陌生概念的个人
- 可通过并行阅读、收集上下文、绘制图表和撰写综合报告提升学习效果的信息密集型源材料
- 将一次性的阅读过程转化为可复用且包含引用和术语表词条的 Markdown 报告
Contents
学习新概念
将信息密集的源材料转化为清晰、便于审查的学习报告。
使用 ChatGPT 学习研究论文或课程等材料，将阅读任务分配给多个子智能体，收集上下文，并生成带有图表的 Markdown 报告。
最适合
- 学习陌生概念的个人
- 可通过并行阅读、收集上下文、绘制图表和撰写综合报告提升学习效果的信息密集型源材料
- 将一次性的阅读过程转化为可复用且包含引用和术语表词条的 Markdown 报告
技能与插件
- ImageGen当 Mermaid 图表不足以表达时，生成用于说明且不要求精确的视觉素材。
| Skill | Why use it |
|---|---|
| ImageGen | 当 Mermaid 图表不足以表达时，生成用于说明且不要求精确的视觉素材。 |
入门提示
简介
从内容密集的论文或课程中学习新概念，不能只做摘要。目标是建立一个能实际运用的心智模型：它解决什么问题、方法实际如何运作、哪些证据支持它、它依赖哪些假设，以及哪些部分仍需进一步研究。
ChatGPT 在此很有帮助，因为它可以自动收集上下文，并将复杂概念转化为实用的图表或插图。此用例也很适合使用 子智能体：一个线程可以梳理论文结构，另一个可以收集先修背景，还有一个可以检查图表和符号系统，而主线程则可以核对并整合这些结果，整理成一份供您日后审查的报告。
最终成果应便于您审查，例如 Markdown 文件 notes/concept-report.md，或其他格式的文档。其中应包含摘要、术语表、解读、图表、证据表、局限性和开放问题，而不是仅以一条临时聊天回答收尾。
明确学习目标
首先明确您要学习的概念和期望的输出。相比宽泛的摘要，聚焦的问题能让报告更有用。
例如：
我想理解这篇研究论文的核心思想、其方法如何运作、实验为何支持或不支持相关主张，以及接下来应该阅读哪些内容。
这样的范围为 ChatGPT 明确了具体任务。它既应向您讲解概念，也应如实保留其中的不确定性，注明各项主张的出处，并区分论文的主张和自身的解读。
贯穿全文的示例：研究论文分析
假设您想学习一篇讨论某种陌生模型架构的论文。您希望得到一份无需阅读全文、便可让您迅速掌握该概念的报告。
理想的结果可能如下：
notes/paper-report.md，其中包含主要讲解内容。notes/figures/method-flow.mmd，或用于说明该方法的内嵌 Mermaid 图表。notes/figures/concept-map.mmd，或展示各项先修知识如何关联的小型 SVG。- 一张证据表，将各项主张对应到论文的章节、页码、图或表。
- 后续阅读资料和尚未解决的问题列表。
这样做的目的是让学习过程更系统，并留下一份可长期保留的成果。
将工作拆分给多个子智能体
每个子智能体都有范围明确的任务和清晰的返回格式时，工作效果最佳。请明确要求 ChatGPT 启动它们；ChatGPT 不必为每项阅读任务都使用子智能体，但论文较长或概念密度较高时，并行探索会很有帮助。
对于研究论文，一种实用的任务拆分方式如下：
- 论文脉络： 提取问题陈述、贡献、方法、实验、局限性及论文声称的结果。
- 先修背景： 解释背景术语、相关概念，以及论文假定读者已了解的先前研究。
- 符号系统与图示： 逐一讲解公式、算法、示意图、论文插图和表格。
- 质疑型审稿人： 核查证据是否支持各项主张，列出注意事项，并找出缺失的基线或不明确的假设。
主智能体应等待这些子智能体完成任务，比较它们的回答并解决其中的矛盾。然后，ChatGPT 会将结果整合成一份连贯的报告。
有针对性地收集更多上下文
当论文假定读者具备您尚未掌握的背景知识时，请让 ChatGPT 从已获批准的来源收集上下文。这些来源可能包括本地笔记、参考文献文件夹、链接的论文、已启用的网页搜索，或已连接的知识库。
如果您在学习内部概念，可以使用 插件 连接多个来源并创建知识库。
请限制此步骤的范围。告诉 ChatGPT 什么样的来源才算可靠，以及最终报告应如何处理外部上下文：
- 在术语表中定义需要预先了解的术语。
- 添加简短的“您需要先了解的背景”一节。
- 将后续阅读资料的链接与论文自身的主张分开列出。
- 标明哪些主张来自论文之外。
为报告生成图表
图表通常是检验您是否真正理解某个概念的最快方式。对于 Markdown 报告，请让 ChatGPT 生成紧扣源材料且易于修改的图表。
合适的默认选择包括：
- 一张概念图，展示先修知识及其关联方式。
- 一张方法流程图，呈现输入、转换、模型组件和输出的流转过程。
- 一张实验关系图，展示数据集、指标、基线与论文所报告主张之间的关系。
- 一张局限性图，区分各种假设、失败模式和开放问题。
对于以 Markdown 为主的报告，如果目标环境支持 Mermaid，请让 ChatGPT 使用 Mermaid 图表；如果不支持，则使用纳入版本控制的小型 SVG/PNG 素材。仅当您需要用于说明且不要求精确的视觉素材，或需要呈现不适合放入 Markdown 原生图表的内容时，才让 ChatGPT 使用其默认附带的 imagegen 系统技能。
编写 Markdown 报告
请让 ChatGPT 确保报告包含足够完整的信息，以便您日后回顾。一种实用的结构是：
- 执行摘要。
- 阅读前须知。
- 关键术语和符号。
- 论文详解。
- 方法图解。
- 证据表。
- 论文未能证明的内容。
- 开放性问题和后续阅读。
报告应尽可能包含来源引用。对于 PDF，请要求注明页码、章节、图或表。如果 ChatGPT 无法提取确切页码，应明确说明，并改为引用章节或标题。
用报告开展迭代学习
第一版报告只是起点。阅读后，请提出后续问题，并让 ChatGPT 修改这份报告。
可用的后续问题包括：
- 我应该先理解这个方法的哪一部分？
- 能体现核心思想的最简单示例是什么？
- 哪幅图对论文论证的支撑作用最大？
- 哪项主张最薄弱，或得到的支持最少？
- 如果我想实现这个方法，接下来应该阅读什么？
如果需要通过实验来理解这个概念，请让 ChatGPT 添加一个小型 notebook 或脚本，复现这个思想的简化版本。在 Markdown 报告中保留指向这些试验内容的链接，让解释与实验保持关联。
提示示例：
可考虑使用的技能
仅使用与您想要的成果相匹配的技能：
$jupyter-notebook用于创建可运行的简化示例、图表或轻量级复现。$imagegen用于生成说明性视觉素材，这些素材无需像技术图表一样精确。$slides用于在完成一轮学习后将报告转换为演示文稿。
对于大多数论文分析报告，Markdown 原生图表或简单的 SVG 文件比生成的位图更适合作为默认选择。当您的理解发生变化时，它们更便于比较差异、审查和更新。
建议的提示
先创建报告大纲
为概念绘制图表
将报告转化为学习计划
