Codex use case
學習新概念
將內容密集的原始資料轉化為清楚且方便檢閱的學習報告。
使用 ChatGPT 研讀研究論文或課程等資料，將閱讀工作分派給多個子代理程式、蒐集上下文，並製作含有圖表的 Markdown 報告。
最適合
- 想學習陌生概念的個人
- 適合透過平行閱讀、蒐集上下文、圖表和書面統整來理解的內容密集型原始資料
- 將單次閱讀轉化為可重複使用、附有引用和詞彙表條目的 Markdown 報告
Contents
學習新概念
將內容密集的原始資料轉化為清楚且方便檢閱的學習報告。
使用 ChatGPT 研讀研究論文或課程等資料，將閱讀工作分派給多個子代理程式、蒐集上下文，並製作含有圖表的 Markdown 報告。
最適合
- 想學習陌生概念的個人
- 適合透過平行閱讀、蒐集上下文、圖表和書面統整來理解的內容密集型原始資料
- 將單次閱讀轉化為可重複使用、附有引用和詞彙表條目的 Markdown 報告
技能與外掛程式
- ImageGen當 Mermaid 圖表不足以應付需求時，產生示意性而非精確的視覺素材。
| Skill | Why use it |
|---|---|
| ImageGen | 當 Mermaid 圖表不足以應付需求時，產生示意性而非精確的視覺素材。 |
起始提示詞
簡介
要從內容密集的論文或課程中學習新概念，不能只靠摘要。目標是建立一套可實際運用的心智模型：這個概念要解決什麼問題、方法實際如何運作、有哪些證據支持它、它依賴哪些假設，以及哪些部分仍需進一步探究。
ChatGPT 在這裡很實用，因為它能自動蒐集上下文，並將複雜概念轉化為有助理解的圖表或插圖。這個使用案例也很適合運用 子代理程式：一個執行緒可研讀論文架構，另一個可蒐集先備上下文，還有一個可檢查圖和符號表示，而主執行緒則可統整結果，產生日後方便檢閱的報告。
在此使用案例中，最終成果應該易於檢閱，例如 notes/concept-report.md，也可以是其他格式的文件。內容應包含摘要、詞彙表、導讀、圖表、證據表、限制和待解問題，而不是只留下短暫的對話回答。
界定學習目標
首先說明你要學習的概念，以及希望得到的輸出。聚焦的問題會比籠統的摘要更能提升報告的實用性。
例如：
我想了解這篇研究論文的核心概念、方法如何運作、實驗為何支持或不支持這項主張，以及接下來應該閱讀哪些內容。
有了這個範圍，ChatGPT 就能執行一項具體任務。它不僅應向你講解概念，也應如實保留不確定性、註明各項主張的出處，並區分論文的主張與它自己的解讀。
貫穿全文的範例：研究論文分析
假設你想研讀一篇探討陌生模型架構的論文。你希望有一份報告，讓你不必讀完整篇論文，就能一目了然地理解概念。
理想的成果可能包括：
notes/paper-report.md，其中包含核心說明。notes/figures/method-flow.mmd，或說明方法的行內 Mermaid 圖表。notes/figures/concept-map.mmd，或呈現各項先備概念之間關係的小型 SVG。- 一份將各項主張對應至論文章節、頁碼、圖或表格的證據表。
- 延伸閱讀與未解問題清單。
重點是讓學習過程更有系統，並留下可長久留存的成果。
將工作分派給多個子代理程式
當每個子代理程式都有範圍明確的任務和清楚的回傳格式時，成效最佳。請明確要求 ChatGPT 啟動這些子代理程式；並非每項閱讀任務都需要使用子代理程式，但如果論文很長或概念密集，平行探索會很有幫助。
以研究論文為例，可以按以下方式實際分工：
- 論文概覽： 擷取問題陳述、貢獻、方法、實驗、限制，以及論文宣稱的結果。
- 先備上下文： 說明背景術語、相關概念，以及論文假定讀者已了解的任何先前研究。
- 符號表示與圖： 逐一解說方程式、演算法、圖解、圖與表格。
- 質疑型審查者： 檢查證據是否支持主張、列出注意事項，並找出缺少的基準方法或不明確的假設。
主要智慧體應等待這些子代理程式完成、比較其答案並釐清矛盾。接著，ChatGPT 會將結果統整成一份連貫的報告。
有策略地蒐集額外上下文
當論文預設你具備某些背景知識，但你其實沒有時，請 ChatGPT 從經核准的來源蒐集上下文。來源可能包括本機筆記、參考文獻資料夾、所連結的論文、已啟用的網頁搜尋，或已連線的知識庫。
如果你要學習的是內部概念，可以透過 外掛程式 連結多個來源，以建立知識庫。
明確限制這個步驟的範圍。告訴 ChatGPT 哪些資料可視為可靠來源，以及最終報告應如何處理外部上下文：
- 在詞彙表中定義先備術語。
- 加入簡短的「需要先了解的背景」章節。
- 將延伸閱讀連結與論文本身的主張分開列出。
- 標記來自論文以外來源的主張。
為報告產生圖表
圖表往往是檢驗你是否真正理解某個概念的最快方式。對於 Markdown 報告，請 ChatGPT 產生忠於原始資料且易於修訂的圖表。
可優先採用的圖表包括：
- 呈現先備概念及其相互關係的概念圖。
- 追蹤輸入、轉換、模型元件與輸出的方法流程圖。
- 將資料集、指標、基準與論文所述主張連結起來的實驗概覽圖。
- 區分各項假設、失敗模式與待解問題的限制圖。
對以 Markdown 為主的報告，如果目標平台支援 Mermaid，請要求使用 Mermaid；若不支援，則改用納入版本控制的小型 SVG/PNG 素材。只有在需要示意性而非精確的視覺素材，或內容不適合用 Markdown 原生圖表呈現時，才請 ChatGPT 使用其預設隨附的 imagegen 系統技能。
撰寫 Markdown 報告
請 ChatGPT 讓報告的內容足夠完整且自成一體，以便你日後回來查閱。實用的架構如下：
- 執行摘要。
- 閱讀前必備知識。
- 關鍵術語與符號。
- 論文導讀。
- 方法圖解。
- 證據對照表。
- 論文未證明的事項。
- 未解問題與後續閱讀。
報告應盡可能附上來源參照資訊。若來源是 PDF，請 ChatGPT 提供頁碼、章節、圖或表的參照資訊。如果 ChatGPT 無法擷取確切的頁碼，應如實說明，改以章節或標題作為參照。
以報告建立學習循環
第一份報告只是起點。閱讀完後，請提出後續問題，並讓 ChatGPT 修訂這份報告。
實用的後續問題包括：
- 這個方法中，我應該先理解哪個部分？
- 能說明核心概念的最簡單玩具範例是什麼？
- 論文的論證最仰賴哪一張圖？
- 哪項主張最薄弱或最缺乏支持？
- 如果我想實作這個方法，接下來該讀什麼？
若要理解這個概念需要進行實驗，請 ChatGPT 新增一個小型 notebook 或指令碼，重現這個概念的簡化版本。請在 Markdown 報告中連結這份試作內容，讓說明與實驗放在一起。
範例提示詞：
可考慮使用的技能
請只使用與所需產出相符的技能：
$jupyter-notebook適合製作玩具範例、圖表或輕量重現內容，並確保其可執行。$imagegen適合用於製作示意視覺素材，不需要是精確的技術圖解。$slides適合在完成學習後，用來將報告轉成簡報。
對大多數論文分析報告而言，Markdown 原生圖解或簡單的 SVG 檔案，比產生的點陣圖更適合作為預設選擇。當你的理解有所改變時，它們更容易進行差異比對、審查與更新。
建議提示詞
先建立報告大綱
為概念建立圖解
將報告轉為學習計畫
