從零建立一個文獻庫：
讓 AI 找得到，也讓你查得回原文

1　先看終點：下課時你會帶走什麼

我們先從一個平常的問題開始：上次你請 AI 幫忙找引用的時候，你怎麼知道它沒有編造？

多數人的做法，是到 Google Scholar 查一下書目。可是查得到書目，只能證明那篇文獻確實存在。至於那篇文獻是否真的說過那句話、那句話在第幾頁、那是作者自己的研究發現還是作者轉述別人的研究，光查書目並看不出來。今天要建立的文獻庫，目的就是讓這三件事情都能夠回到原文查證。

1.1　今天的成果

1.2　三條原則

1. 原始 PDF 檔案一律不修改。轉換出來的 Markdown 檔，只是方便閱讀與檢索的輔助檔案。正式引用的時候，仍然要回到 PDF 或出版者的正式版本。
2. 每一條主張都必須能夠回溯到原文。文獻代號、段落編號與頁碼三項資訊都齊全的主張，才可以放進論文。
3. AI 寫出來的內容，一律先當作草稿。主張、文獻關係與摘要都要標示確認狀態。你親自對照過原文之後，才可以把狀態改成「已確認」。

1.3　整個流程：步驟 0 到步驟 6

因為主張必須從乾淨的主文抽取出來，所以清理步驟排在歸納步驟之前。如果到了歸納或寫作的時候才發現轉檔錯誤，就回到主文修正，並且留下修補紀錄。寫作的時候，查證的方向正好相反：我們從論文裡的一句話出發，經過定位標記、主張與主文段落，一路回到 PDF 的那一頁。

1.4　如果你已經忘了 10/03 的內容

10/03 的課程比較過兩種做法。第一種做法，是把全文切成片段，建立 RAG 檢索系統；第二種做法，是讓 AI 把文獻整理成一個有索引的 Wiki（請參考 10/03 講義）。距離那一堂課已經一個多月，當時的操作細節記不住是正常的。今天的做法延續 Wiki 這一條路，只需要帶回當天的三個結論。下表把這三個結論，分別對應到今天的設計規則：

1.5　需要準備的工具

兩條路徑建立出來的文獻庫完全相同。兩者唯一的差別，是基礎路徑由你自己搬移檔案，進階路徑則由 AI 直接搬移檔案。

2　打開教師示範文獻庫

動手建立自己的文獻庫之前，請先花十分鐘瀏覽教師示範文獻庫。這個文獻庫的資料夾名稱是 吳相勲_Literature_Review，裡面收錄了六篇期刊論文，主題都和「生成式 AI 進入專業工作之後，專業人員的判斷會變強還是變弱」有關。講義後面每一個步驟提到的實例，都可以在這個資料夾裡找到原始檔案。

請注意，示範文獻庫裡所有的主張、論點筆記與文獻關係，目前的狀態都還是「AI草稿」，授課教師還沒有逐條確認。因此，這些內容只能用來學習流程，不能直接引用到你的論文裡。

2.1　建議的閱讀順序

Google Drive 有時無法直接預覽 .md 檔。遇到這種情況時，請按右上角的下載按鈕，再用記事本、VS Code 或任何文字編輯器開啟。CSV 檔可以用 Google 試算表開啟。示範文獻庫的權限是「檢視」，如果你想要修改內容來練習，請先下載或建立副本。

2.2　取得練習文獻

練習的時候，你可以使用自己研究主題的文獻，也可以直接使用示範文獻庫的六篇原始 PDF。使用同一批文獻的好處是，你的 AI 處理完之後，可以和示範文獻庫逐項比對結果，看看兩者哪裡不同。取得練習文獻的方式有兩種：

1. 下載練習文獻包。打開練習文獻包（zip）的連結，按右上角的下載按鈕。解壓縮之後，把六個 PDF 檔案上傳到你自己文獻庫的 01_文獻/unsorted/ 資料夾。壓縮檔裡另外附了一份使用說明。
2. 從雲端資料夾建立副本。打開練習文獻的原始檔資料夾，選取六個 PDF 檔案，按右鍵選擇「建立副本」。副本會出現在你自己的「我的雲端硬碟」，檔名會多出「的副本」或「Copy of」字樣。請先把檔名改回原來的樣子，再把檔案移到你自己文獻庫的 unsorted 資料夾，因為原始檔名本身也是練習的一部分。

這六篇論文的著作權屬於原作者與出版者，只限本課程練習使用，請不要再轉傳或公開。其中三篇是預刊版或接受後尚未排版的版本，正式引用時，請以出版者的正式版本為準。

3　步驟 0：用一段提示詞建立資料夾與規則檔

很多人整理文獻的習慣，是一邊下載 PDF，一邊隨手建立資料夾。這樣做三個星期之後，常常連自己都找不到檔案；換一個 AI 協助的時候，也必須重新說明一次檔案放在哪裡、要怎麼命名。所以第一個步驟還不需要處理文獻。我們先請 AI 把空的資料夾架構建立起來，同時寫好一份給 AI 閱讀的規則檔。規則檔先寫好，AI 每次進入文獻庫，都會依照同一套做法工作；即使你換用另一個 AI，它也會依照同一套做法工作。

3.1　資料夾結構

下面是教師示範文獻庫的資料夾結構，sorted/ 資料夾底下以其中一篇論文為例。你的文獻庫會有完全相同的結構，只是最上層資料夾的名稱換成你的名字。

吳相勲_Literature_Review/
├── 00_給AI的說明.md          任何 AI 進入文獻庫時先讀：結構、命名、引用規則
├── 00_索引.md                每篇一行：文獻代號｜題名｜一句話主張｜標籤｜版本
├── 00_工作紀錄.md            只往下追加：何時收錄、修改了什麼、由誰確認
├── 00_工具/                  轉檔與查核用的程式（進階路徑使用）
├── 01_文獻/
│   ├── unsorted/             原始下載的 PDF，檔名保持原樣
│   │   └── _已入庫/          處理完成的原始檔移到這裡，不刪除
│   └── sorted/
│       └── Lebovitz2022_EngageAI/
│           ├── Lebovitz2022_EngageAI.md              主文：頁碼標記＋段落編號
│           ├── Lebovitz2022_EngageAI.pdf             改名後的原始檔
│           ├── Lebovitz2022_EngageAI_references.txt  參考文獻清單
│           ├── tables/   T1.csv
│           └── figures/  F1.png … F6.png
├── 02_核心論點/
│   └── Lebovitz2022_EngageAI_論點.md
├── 03_文獻關係/
│   ├── 引用關係.csv
│   ├── 主張關係.csv
│   └── 概念_人機協作中的專業判斷.md
├── 04_資料表/
│   ├── papers.csv            每篇文獻一列
│   ├── claims.csv            每條主張一列
│   └── concepts.csv          概念詞表與同義詞
└── 05_應用/
    ├── 草稿/
    └── 引用查核/

這個結構有三個設計上的考量：

• 資料夾的層級刻意做得很淺。路徑越短，雲端同步程式和 AI 工具就越不容易出錯。
• 編號 00 到 05 依照工作的順序排列，所以 AI 和你打開資料夾時，看到的順序是一樣的。
• 所有資料表都存成 CSV 檔，因為任何 AI 和程式都能讀取 CSV 檔，不同版本之間的差異也容易比對。如果你想要篩選或瀏覽資料，可以匯入 Google 試算表另存一份，但是修改時只修改 CSV 檔。CSV 檔要存成含 BOM 的 UTF-8 編碼，這樣用 Excel 開啟時，中文才不會變成亂碼。

3.2　一段提示詞建好全部內容

下面這一段提示詞，會一次建立全部的資料夾、規則檔、索引檔、工作紀錄檔，以及五張空白的資料表。開始建立之前，AI 會先問你兩件事：你的中文姓名，以及你的研究問題。你回答之後，AI 就會一次完成全部的內容。

如果你使用的是無法直接寫入 Google Drive 的網頁版 AI，AI 會把整個資料夾打包成一個 zip 檔讓你下載。你把 zip 檔解壓縮之後，再把整個資料夾上傳到 Google Drive 就可以了。

提示詞 0｜建立文獻庫的資料夾、規則檔與空白資料表（步驟 0）

請幫我在 Google Drive 建立一個文獻庫。開始之前，請先用一則訊息問我兩件事：我的中文姓名，以及我的研究問題。如果我已經在這段提示詞的最後寫了這兩項資訊，就不用再問。得到回答之後，請一次完成下面全部的工作，中間不要停下來問我。

一、建立資料夾
最上層資料夾的名稱是「我的中文姓名_Literature_Review」，裡面建立下列資料夾：
00_工具
01_文獻/unsorted/_已入庫
01_文獻/sorted
02_核心論點
03_文獻關係
04_資料表
05_應用/草稿
05_應用/引用查核

二、建立索引檔與工作紀錄檔
1. 00_索引.md：第一行寫「# 文獻索引」，下面放一張只有表頭的表格，欄位是：文獻ID｜題名｜一句話主張｜標籤｜本檔版本。
2. 00_工作紀錄.md：第一行寫「# 工作紀錄（只往下追加）」，第二行寫「- 今天的日期｜AI｜建立文獻庫的資料夾、規則檔與空白資料表」，日期請寫成 YYYY-MM-DD 的格式。

三、建立五張空白資料表
每一張表只寫表頭，並且存成含 BOM 的 UTF-8 編碼：
1. 04_資料表/papers.csv：文獻ID,題名,作者,年份,出處,DOI,本檔版本,檔案雜湊SHA256,原始檔名,標籤,清理品質,狀態,入庫日期
2. 04_資料表/claims.csv：主張ID,文獻ID,主張類型,主張（改寫）,原文摘錄,段落,PDF頁,本檔印刷頁,概念標籤,證據性質,原文語氣,提出者,確認狀態,備註
3. 04_資料表/concepts.csv：概念,英文,同義詞（含簡體）,定義出處主張ID
4. 03_文獻關係/主張關係.csv：關係ID,主張A,主張B,類型,理由,衝突前檢查／備註,提出者,確認狀態
5. 03_文獻關係/引用關係.csv：文獻A,文獻B,關係,依據,計算方式,備註

四、建立規則檔
請把下面「規則檔內容開始」到「規則檔內容結束」之間的文字，原封不動地存成 00_給AI的說明.md。唯一需要修改的地方，是把第 6 節的研究問題換成我的研究問題。

（規則檔內容開始）
# 給 AI 的說明（任何 AI 進入本文獻庫時，請先讀這份檔案）

本資料夾是我的文獻庫。你的工作是依照規則收錄文獻、依照規則查找資料、依照規則標示引用。遇到不確定的情況時，請停下來問我，不要自行猜測。

## 1. 資料夾結構

| 位置 | 內容 | 你可以做的事 |
| --- | --- | --- |
| 00_索引.md | 每篇文獻一行：文獻ID、題名、一句話主張、標籤、本檔版本 | 查找資料時先讀這份檔案；收錄新文獻之後新增一行 |
| 00_工作紀錄.md | 每一次操作記錄一筆，只往下追加 | 每一次工作結束時追加一筆紀錄 |
| 01_文獻/unsorted/ | 原始下載的 PDF，檔名保持原樣 | 只能讀取；處理完成之後，把原始檔移到 _已入庫/ |
| 01_文獻/sorted/<文獻ID>/ | 主文 .md 檔、改名後的 PDF、tables/、figures/、參考文獻清單 | 收錄時建立；建立之後不修改主文內容 |
| 02_核心論點/ | 每篇文獻一份論點筆記 | 可以起草，並且標示「AI草稿」 |
| 03_文獻關係/ | 引用關係.csv、主張關係.csv、概念頁 | 可以起草，並且標示「AI草稿」 |
| 04_資料表/ | papers.csv、claims.csv、concepts.csv | 可以新增資料列；只有我本人可以把狀態改成「已確認」 |
| 05_應用/ | 草稿與引用查核紀錄 | 撰寫草稿與查核引用 |
| 00_工具/ | 轉檔與查核用的程式 | 可以執行 |

## 2. 命名與定位方式

- 文獻ID：由第一作者的姓氏、出版年份與題名關鍵詞組成，只使用英文字母與數字，中間不留空格，例如 Lebovitz2022_EngageAI。同一位作者同一年有兩篇以上的文獻時，在年份後面加上 a、b。中文作者使用姓氏的漢語拼音，例如 Zhang2024_HumanAI。文獻ID 一經建立就不再修改。
- 頁碼：每一頁的開頭寫「### PDF 第 N 頁（本檔印刷頁 X）」。預刊版或 Pre-proof 上印的頁碼，不是正式版的頁碼。
- 段落：內文的每一段開頭加上 [¶001] 起的連續編號，全篇的編號永遠不重新編排；參考文獻的每一筆條目加上 [R001] 起的編號。
- 修補段落：轉檔之後補回或接回的段落，在原來的編號後面加上英文字母，例如 ¶004a、¶080b；既有的編號永遠不重新編排。
- 表格：tables/Tn.csv 的 n 是轉檔的順序，不一定等於原文的表格編號，所以主文裡指向表格的那一行，要註明「原文 Table N」。
- 引用定位：格式是 [文獻ID ¶nnn p.X]。沒有印刷頁碼時，寫成 [文獻ID ¶nnn PDFN]。一句話跨越兩個段落時，寫成 ¶097–¶098。
- 主張ID：格式是「文獻ID-C01」，從 C01 開始編號。

## 3. 入庫規則（把文獻正式收進文獻庫的步驟）

1. 計算每個檔案的 SHA-256 雜湊值，和 papers.csv 比對；遇到重複的檔案時，列出來問我。
2. 從 DOI 查詢 Crossref 或 OpenAlex，取得書目資料；查不到時寫「書目待查」，依照 PDF 本身的資訊填寫，不要猜測。
3. 使用轉檔程式抽取文字、表格與圖片，不要憑閱讀重新打字。清理工作只限於四件事：接回斷行、修正雙欄的閱讀順序、刪除頁首與頁尾、把全形英數字轉成半形。封面頁要保留，標示為「封面頁，非論文內文」，不編段落號碼。
4. 每一篇都要自我檢查：比對頁數與表格數，隨機抽出 3 段和 PDF 逐字比對，再逐頁看一次 PDF，確認摘要、表格與跨頁的句子沒有被切錯。檢查結果寫進 papers.csv 的「清理品質」欄位。
5. 一定要記錄版本：正式版、線上預刊版或 Pre-proof，以及頁碼的對應方式。
6. 任何檔案都不要刪除。

## 4. 查找與寫作規則

1. 先讀本檔與 00_索引.md，再用 claims.csv 的概念標籤與主張類型篩選主張。
2. 打開主文，閱讀該段以及前後各一段，確認上下文與作者的語氣。
3. 每一句附有引用的句子，句尾都要加上定位標記；另外附上一張引用對照表，欄位是：句子｜主張ID｜段落｜頁碼。
4. 直接引語必須和主文逐字相符。改寫時不能提高作者的確定程度：作者寫 suggest，不能改寫成「證實」；作者說兩者相關，不能改寫成「導致」。
5. 證據性質是「轉述他人研究」的主張，必須寫明是轉引，或者請我本人去閱讀原始文獻。
6. 文獻庫裡沒有相關資料時，請直接回答「文獻庫內無資料」，並且把它列為待補文獻；不要用一般知識補上。
7. 兩篇文獻的說法不同時，請並列兩者的差異。決定標示「衝突」或「邊界條件」之前，先檢查構念定義、樣本與測量方式是否不同。
8. 只有確認狀態是「已確認」的主張，可以寫進定稿；狀態是「AI草稿」或「有疑義」的主張，只能用於練習。

## 5. 查核方式

草稿寫完之後，請逐條查核引用。文獻是否存在、段落是否存在、頁碼是否相符、引語是否逐字相符、文獻是哪一個版本，這些項目由程式或 AI 逐條列出；這段原文是否真的支持這句話，則由我本人判斷，並且填寫在查核紀錄裡。查核發現問題的主張，要在 claims.csv 把狀態改成「有疑義」。

## 6. 我的研究問題

生成式 AI 進入專業工作之後，專業人員的判斷會變強還是變弱？
（規則檔內容結束）

五、完成之後的回報
1. 列出你建立的全部資料夾與檔案。除了上面列出的內容，不要建立其他檔案。
2. 如果你不能直接寫入我的 Google Drive，請把整個資料夾打包成一個 zip 檔讓我下載，並且告訴我解壓縮之後要上傳到哪裡。
3. 最後提醒我下一步要做的事：把 PDF 檔案放進 01_文獻/unsorted/ 資料夾。

3.3　規則檔裡寫了什麼

規則檔一共分成六節：資料夾結構、命名與定位方式、入庫規則、查找與寫作規則、查核方式，以及你的研究問題。規則檔裡的「入庫」，指的是把一篇文獻正式收進文獻庫的整個過程，包含第 5 節的整理步驟和第 6 節的清理步驟。

規則檔裡的每一條規則，都對應一種具體的錯誤。舉例來說，「改寫時不能提高作者的確定程度」這一條規則，是因為 AI 很習慣把作者寫的 suggest 改寫成「證實」；「任何檔案都不要刪除」這一條規則，是因為原始檔一旦被刪除，日後就無法回頭核對；「逐頁看一次 PDF」這一條規則，則是建立示範文獻庫之後才加上去的，原因請看第 6.6 節。你可以打開示範文獻庫的規則檔，和你的 AI 建立的版本互相比較。

這幾張資料表和本課前幾週的作業屬於同一條脈絡。papers.csv 相當於期中 Research Asset Manifest 的文獻版本；claims.csv 是 Claim–Evidence Map 的上游資料；概念頁則延續 10/03 的文獻樹。所以這一次的工作，是把之前分散在各處的表格收進同一個文獻庫，不需要從頭重做。

想一想：你現在把文獻放在哪裡？如果指導教授請你在一分鐘之內，找出論文裡某一句話的原文，你會從哪一個資料夾開始找？你會在哪一個步驟找不到？

4　步驟 1：放入文獻

這個步驟要把下載的 PDF 檔案，原封不動地放進 01_文獻/unsorted/ 資料夾。放進去之前，請不要更改檔名，不要刪除封面頁，也不要先自行整理。這個步驟看起來最簡單，實際上問題卻最多，因為我們下載下來的檔案，常常不是我們以為的那一份。

建立示範文獻庫的時候，授課教師從自己的兩個資料夾，把六篇論文複製到 unsorted 資料夾，原來位置的檔案則保持不動。這六篇論文都和「生成式 AI 進入專業工作之後，專業判斷會變強還是變弱」有關，但是文獻的性質刻意保持混雜：兩篇是英文的實證研究，兩篇是英文的概念論文或類型學論文，兩篇是簡體中文的論文。大家手上的文獻，多半也是這樣混雜。你下載的練習文獻包，就是這六個檔案。

4.1　檔案本身帶來的問題

4.2　放入文獻時的三條規則

• unsorted 資料夾只用來放置與讀取原始檔。AI 處理完一篇文獻之後，會把原始檔移到 unsorted/_已入庫/ 資料夾，原始檔不會被刪除。
• 第一次建立文獻庫的時候，一次只放同一個主題的 2 到 3 篇文獻。篇數少的時候，比較容易看清楚每一個步驟發生了什麼事。
• 請不要先自行更改檔名。原始檔名會記錄在 papers.csv 裡，日後我們才能查出「這一篇當初是哪一個檔案」。

想一想：請打開你電腦裡的文獻資料夾，隨機挑選三個檔案。如果只看檔名，你能說出每一個檔案是哪一篇論文、哪一個版本嗎？

5　步驟 2：整理每篇文獻的身分資料

同一篇論文，在你的電腦裡可能叫做「Research on the Activation Mechanism in AI-Based Human Resource Management….pdf」，在 AI 的回答裡被稱為「那篇 AIHRM 的論文」，在你的論文草稿裡又寫成（趙宜萱、魏丹霞，2025）。這三個名稱指的是同一篇文獻，但是 AI 不一定知道它們是同一篇。整理步驟就是要解決這個問題，它要完成四件事：替每篇文獻取一個固定的文獻代號、查到正確的書目資料、記錄手上的檔案是哪一個版本，以及把這些資料登錄到三個檔案裡。完成這個步驟之後，AI 和你提到同一篇文獻時，就會使用同一個名稱。

5.1　文獻代號（文獻ID）

文獻代號由第一作者的姓氏、出版年份與題名關鍵詞組成，只使用英文字母與數字，中間不留空格。同一位作者同一年有兩篇以上的文獻時，在年份後面加上 a、b；中文作者則使用姓氏的漢語拼音。文獻代號是整個文獻庫的主鍵，資料夾名稱、檔名、資料表與引用的定位標記，都使用同一個代號。即使文獻的題名日後有所修改，文獻代號也不跟著修改。

5.2　查詢書目資料並記錄版本

書目資料不能讓 AI 憑印象填寫。正確的做法，是先從 PDF 的首頁找出 DOI，再用 Crossref 或 OpenAlex 查詢作者、年份、題名、期刊名稱與卷期頁碼。如果查不到，就寫「書目待查」，並且依照 PDF 本身的資訊填寫，不要猜測。

建立示範文獻庫的時候，四篇英文論文的書目資料都由 Crossref 補齊。我們也是從 Crossref 回傳的卷期頁碼，才發現其中三篇是預刊版。另外兩篇中文論文的 DOI 沒有登錄在 Crossref，所以這兩篇的書目資料依照 PDF 填寫，並且在「本檔版本」欄位註明資料來源。

記錄版本的時候，內容要詳細到日後可以直接拿來換算頁碼。下面是 Lebovitz 等（2022）在 papers.csv 的「本檔版本」欄位所記錄的內容：

Articles in Advance 線上預刊版（本檔印刷頁 1–23）；正式版頁碼 126–148，引用前須對照；PDF 第 1 頁為 INFORMS 封面

5.3　登錄到三個檔案

SHA-256 雜湊值相當於檔案的指紋。同一篇論文即使下載了兩次、檔名也不一樣，兩個檔案的雜湊值仍然相同。AI 在收錄新文獻之前先比對雜湊值，就不會重複收錄同一篇文獻。

在索引的「一句話主張」欄位裡，最好同時標出文獻的性質，例如「類型學，非實證」「概念論文」或「理論命題，未實證」。因為 AI 查找資料時會先讀索引，所以這幾個字會影響 AI 把這篇文獻當成證據還是當成觀點。

整理步驟和清理步驟通常使用同一段提示詞一起完成，這段提示詞放在第 6.7 節。

想一想：在你的研究領域裡，最常遇到的是哪一種版本問題？是研討會論文與期刊版本、工作論文與正式版本，還是中文譯本與英文原文？每一種情況，應該在「本檔版本」欄位記錄哪些資訊，日後才有辦法換算頁碼？

6　步驟 3：清理轉檔後的主文

清理是整個流程中最費工的步驟，也是最容易被跳過的步驟。這個步驟的目標，是產生一份 Markdown 格式的文字檔，本講義把這份文字檔稱為「主文」。主文的文字必須和 PDF 一字不差，每一頁標上頁碼，每一段標上編號，表格和圖片則拆成獨立的檔案。之後所有的主張、引用和查核，都以這份主文為準。

6.1　使用轉檔工具，不要讓 AI 重新打字

這個步驟最重要的規則是：文字由轉檔程式抽取，AI 只負責清理。如果讓 AI 直接閱讀 PDF，再把內容「轉寫」成 Markdown，看起來比較省事，但是 AI 可能會漏掉段落、改寫句子，或者把頁碼弄錯。更麻煩的是，改寫過的句子讀起來一樣通順，所以你很難發現這些錯誤。

這些工具都不需要你自己安裝。走進階路徑時，請 AI 代為安裝並執行；走基礎路徑時，請網頁版 AI 在它自己的執行環境裡執行。建立示範文獻庫時，六篇論文的轉檔程式大約一分鐘就執行完畢。示範文獻庫的 00_工具/ 資料夾裡，保留了當時使用的轉檔程式 ingest.py 與查核程式 check_citations.py，走進階路徑的同學可以請 AI 參考這兩支程式。

6.2　清理工作只做四件事

清理工作只限於四件事：接回被切斷的行、修正雙欄排版的閱讀順序、刪除頁首與頁尾，以及把全形的英文字母與數字轉成半形。除了這四件事之外，其他內容一律不修改：不修正錯字、不統一用詞、不翻譯，也不補上漏掉的字。原文如果寫錯了，主文也保留原來的寫法，這樣引用時才會和原文一致。封面頁同樣不刪除，而是標示為「封面頁，非論文內文」，並且不編段落號碼。

6.3　加上定位錨點

段落編號之所以永遠不重新編排，是因為 claims.csv、論點筆記與草稿裡的定位標記，都指向這些編號。我們可以想像一個情況：你已經從 Lebovitz 等（2022）抽出 9 條主張，其中兩條標在 ¶095。三天之後，你發現摘要漏抽了，於是把摘要補回主文的開頭，並且把全文重新編號。補回的兩段讓原來的 ¶095 變成 ¶097，你之前寫好的主張、筆記與草稿，全部指到了錯誤的段落，而且系統不會出現任何錯誤訊息。所以補回的段落一律使用字尾字母，例如 ¶004a，既有的編號一個都不移動。

下面是 Lebovitz 等（2022）主文的一個片段，英文原文只節錄開頭與結尾。從這個片段可以看到定位錨點實際的樣子：

[¶093] Interestingly, the three departments had divergent patterns … Upon closer
analysis, we found that it was critical that professionals

### PDF 第 15 頁（本檔印刷頁 14）

[¶094] Figure 1. Experts Using AI Tools for Critical Judgments

> 圖 F1：見 figures/F1.png（PDF 第 15 頁；圖說見下方或原頁）

[¶095] were enacting “AI interrogation practices” or practices humans enact to
relate their own knowledge claims to AI’s knowledge claims. …

在這個片段裡，¶093 的最後半句和 ¶095 的開頭，其實是同一句話，中間隔著換頁和一張圖的圖說。如果只引用 ¶095，讀者看到的會是一個缺少主詞的句子。遇到這種情況時，定位標記要寫成 ¶093–¶095。你可以打開示範文獻庫裡的 Lebovitz2022_EngageAI.md，搜尋「¶093」，再對照 PDF 的第 14 頁與第 15 頁。

6.4　自我檢查：每一篇檢查三個項目

每一篇文獻轉檔完成之後，都要檢查三個項目：第一，頁數是否和 PDF 一致；第二，表格的數量是否和偵測工具找到的數量一致；第三，隨機抽出 3 段文字，和 PDF 逐字比對。檢查的結果要寫進 papers.csv 的「清理品質」欄位。下面是 Lambrecht 與 Tucker（2019）這一篇的紀錄：

頁數 17/17；表格 11（偵測 11）；圖 6；抽查 3/3 段相符；更正：表格 T1 實為摘要框誤判，摘要補回 ¶002a、關鍵詞 ¶002b；T2–T10 對應原文 Table 1–7、9–10，原文 Table 8 未抽出，T11 為附錄表

建立示範文獻庫的時候，六篇論文一共抽查了 18 段文字，結果全部相符。但是這個欄位後來仍然多出一長串更正說明，原因請看下一節。

6.5　建立示範文獻庫時實際遇到的轉檔問題

下表列出六篇論文收錄時遇到的全部狀況，並且依照問題的類別排列。你的文獻不一定會遇到每一種狀況，但是每一類問題都值得檢查一次。完整的原始紀錄，存放在示範文獻庫的 05_應用/試跑發現.md。

6.6　兩個需要仔細看的例子

摘要被誤判成表格，自我檢查卻顯示「相符」

Lebovitz 等（2022）和 Lambrecht 與 Tucker（2019）都刊登在 INFORMS 出版的期刊上，這兩本期刊把摘要印在一個方框裡。轉檔程式把這個方框誤判成表格，因此摘要從主文裡消失，被存成 tables/T1.csv。自我檢查的時候，Lambrecht 那一篇的表格數量是「11（偵測 11）」，兩個數字完全一致，因為負責偵測表格的工具和轉檔程式犯了同一個錯誤。後來我們改用逐頁比對 PDF 頁面的方式重新檢查，才發現主文裡沒有摘要。

從這個例子可以學到一件事：當檢查工具和被檢查的工具使用相同的判斷方式時，檢查工具抓不到同一種錯誤。因此，我們需要換一種方式檢查，例如逐頁查看 PDF 的原始頁面，或者換一個 AI，從頁面的層級重新查核一次。規則檔第 3 節第 4 點「逐頁看一次 PDF」，就是因為這個例子才加上去的。

修補的方式如下。首先，把摘要補回主文，Lebovitz 那一篇編為 ¶004a 與 ¶004b，Lambrecht 那一篇編為 ¶002a 與 ¶002b，其他段落一個都不重新編號。接著，把 T1.csv 的內容改成一行更正說明。然後，在主文的修補位置加上一行註記，並且在工作紀錄追加一筆紀錄。轉檔程式也增加了一條規則：表格裡如果出現 Abstract 或「摘要」，或者出現特別長的儲存格，就把它當成內文處理。

一個命題被切成兩半

趙宜萱與魏丹霞（2025）的命題 2 跨越了兩頁。轉檔程式把第 9 頁開頭的後半句誤判成一個標題，於是這個命題被切成兩段。下面是修補之後的樣子：

[¶080] 命题2 AIHRM 平衡性越强，员工人力资

### PDF 第 9 頁（本檔印刷頁 1834）

[¶080b] 本潜力开发程度越高。

> 轉檔修補（2026-11-07）：這一行原被誤判為標題，其實是 ¶080 命題 2 的後半句
> （跨 PDF 第 8–9 頁）；用 ¶080b 標示，其他段落不重編。

AI 抽取主張的時候，程式會比對「原文摘錄」和主文的內容。因為這一條主張的原文摘錄和主文對不上，程式自動把它標示為「有疑義」，這個問題才被發現。修補之後，這一條主張的定位改為 ¶080 與 ¶080b，頁碼改為 PDF 第 8–9 頁。轉檔程式也增加了一條規則：如果一個「標題」以句號結尾，而且前面沒有章節編號，就把它改回內文。你可以打開示範文獻庫的 Zhao2025_AIHRM 資料夾，在主文裡搜尋「¶080b」，看看修補註記的寫法。

6.7　收錄文獻的提示詞（整理加上清理）

下面這一段提示詞，會依照規則檔完成步驟 2 的整理工作與步驟 3 的清理工作。每次在 unsorted 資料夾放入新的文獻之後，就執行一次這段提示詞。

提示詞 1｜收錄新文獻：整理與清理（步驟 2 與步驟 3）

請先讀 00_給AI的說明.md，然後依照裡面的規則，處理 01_文獻/unsorted/ 資料夾裡的新檔案。

1. 計算每個檔案的 SHA-256 雜湊值，和 04_資料表/papers.csv 比對。已經處理過的檔案請跳過；重複的檔案請列出來問我。
2. 從 DOI 查詢 Crossref 或 OpenAlex，取得書目資料。查不到的時候寫「書目待查」，並且依照 PDF 本身的資訊填寫，不要猜測。如果手上的檔案是預刊版或 Pre-proof，請查出正式版的卷期頁碼，寫進「本檔版本」欄位。
3. 依照內文的書目資料（而不是檔名）產生文獻ID，建立 01_文獻/sorted/<文獻ID>/ 資料夾，把原始檔複製進去，並且改名為 <文獻ID>.pdf。
4. 使用轉檔程式（例如 PyMuPDF4LLM）抽取文字、表格與圖片，不要憑閱讀重新打字。清理工作只限於四件事：接回斷行、修正雙欄的閱讀順序、刪除頁首與頁尾、把全形英數字轉成半形。封面頁要保留，標示為「封面頁，非論文內文」，不編段落號碼。
5. 每一頁的開頭加上「### PDF 第 N 頁（本檔印刷頁 X）」，每一段的開頭加上 [¶001] 起的連續編號。參考文獻的每一筆條目加上 [R001] 起的編號，另外存成 <文獻ID>_references.txt。
6. 表格存成 tables/T1.csv（含 BOM 的 UTF-8 編碼），圖片存成 figures/F1.png。主文裡原來的位置留下一行指向檔名的文字，並且註明原文的表格編號或圖片編號。
7. 自我檢查：比對頁數與表格數，隨機抽出 3 段和 PDF 逐字比對；再逐頁看一次 PDF，確認摘要、表格與跨頁的句子沒有被切錯。檢查結果寫進 papers.csv 的「清理品質」欄位。
8. 更新 papers.csv 與 00_索引.md，並且在 00_工作紀錄.md 的最下方追加一筆紀錄。最後把原始檔移到 unsorted/_已入庫/ 資料夾。任何檔案都不要刪除。

完成之後，請用五行以內的文字回報：處理了哪幾篇文獻、哪些書目待查、哪些是預刊版，以及哪一頁或哪一張表格需要我人工查看。

想一想：

1. 建立示範文獻庫時，自我檢查的 18 段文字全部相符，卻仍然漏掉了兩份摘要。你會怎麼設計自己的抽查方式，才不會只檢查到「工具本來就做得到」的部分？
2. 在你的文獻裡，哪一種版面最容易出錯？是雙欄排版、表格很多的論文、中英文混排的論文，還是掃描檔？建議你第一篇就拿這一種文獻來試。

7　步驟 4：歸納主張與文獻關係

如果我們把整篇論文直接交給 AI，請它「整理重點」，AI 給出的摘要通常讀起來很順，但是摘要裡的每一句話出自哪一段、作者原來的語氣有多確定，我們都無法查證。所以主文清理乾淨之後，我們歸納的做法是把論文拆成許多小單位，每一個單位都保留原文的位置，不把論文縮寫成一段摘要。這個文獻庫的最小單位是「主張」。一條主張是一句可以單獨被引用的話，並且附有一個可以回溯到原文的位置。AI 撰寫文獻探討的時候，引用的是一條一條的主張，而不是整篇論文。歸納工作分成四個層次，由細到粗依序是：主張、論點筆記、文獻關係，以及概念頁。

7.1　主張：claims.csv

claims.csv 的每一列是一條主張，一共有十四個欄位，其中最關鍵的是下面五個欄位。你可以同時打開示範文獻庫的 claims.csv，對照著閱讀。

建立示範文獻庫的時候，AI 從六篇論文中抽取了 48 條主張，其中發現與意涵各 12 條，機制 6 條，方法 5 條，研究問題與假說各 4 條，邊界 3 條，限制 2 條。程式第一次比對原文摘錄的時候，有 47 條相符；不相符的那一條，就是第 6.6 節被切成兩半的命題 2。修補主文之後重新比對，48 條主張全部相符。

這 48 條主張目前的狀態都還是「AI草稿」。把狀態改成「已確認」的工作，必須由你本人完成，不能交給 AI。確認的方法，是打開主文，閱讀那一段以及前後各一段，確認改寫沒有改變原意、語氣也沒有被升級，然後再修改狀態。第 8.4 節會說明，如果跳過這個確認步驟，會發生什麼事。

提示詞 2｜把一篇論文拆解成主張（步驟 4）

請先讀 00_給AI的說明.md，再讀 01_文獻/sorted/<文獻ID>/<文獻ID>.md 的全文。

請把這篇論文拆解成一條一條的主張，寫進 04_資料表/claims.csv，每一條主張占一列：
1. 主張ID 的格式是「文獻ID-C01」，從 C01 開始編號。
2. 主張類型只能從下面八種選一種：研究問題、假說、發現、機制、方法、邊界、意涵、限制。
3. 「主張（改寫）」用臺灣繁體中文寫成一句話，不能提高作者的確定程度。
4. 「原文摘錄」從主文逐字複製，最多兩句；同時填上段落編號、PDF 頁碼與本檔印刷頁碼。一句話跨越兩個段落時，段落欄位寫成段落範圍。
5. 「證據性質」請分清楚實證發現、理論推論、作者推測與轉述他人研究。作者引述別人的研究時，一定要標示「轉述他人研究」，並且在備註欄寫出被引用的作者與年份。
6. 「原文語氣」請摘錄作者表達確定程度的用語。
7. 「概念標籤」優先使用 04_資料表/concepts.csv 已經有的概念。需要新增概念時，請同時在 concepts.csv 新增一列，並且附上英文名稱、同義詞與簡體寫法。
8. 「提出者」寫 AI，「確認狀態」寫 AI草稿。
9. 全部寫完之後，請逐條比對原文摘錄是否和主文逐字相符。不相符的主張，把確認狀態改成「有疑義」，並且在備註欄寫出原因。

每一篇論文抽取 6 到 10 條主張即可，優先抽取研究問題、主要發現或命題、機制與限制。完成之後，請回報你抽取了幾條主張，以及哪些主張有疑義。

7.2　論點筆記：選擇適合你的拆解方式

主張是給 AI 查找用的，論點筆記則是給你自己閱讀用的。每篇文獻寫一份論點筆記，存放在 02_核心論點/ 資料夾。論點筆記開頭的共同欄位是固定的，包括研究問題、一句話主張、研究情境、作者自述的限制，以及這篇文獻和你的研究問題之間的關係。共同欄位之後的內容要怎麼拆解，可以依照你的研究習慣，從下面三個模組中選擇一個：

論點筆記裡的每一點，都對應 claims.csv 裡的一條主張，句尾附上定位標記與確認狀態。下面用三個分頁，分別節錄示範文獻庫裡三種模組的論點筆記；完整的六份筆記，可以在示範文獻庫的 02_核心論點/ 資料夾找到。

# Rogge2025_AImeetsIA｜論點筆記（假說架構型）

- 研究問題：個人雙元性如何幫助理解不同的生成式 AI 工作類型、它們帶來的張力與結果？
  [Rogge2025_AImeetsIA ¶009 PDF5]
- 提醒：本檔是 Pre-proof，頁碼一律用 PDF 頁；引用前要換成正式版頁碼

## 構念與架構
- 以「專精程度」與「工作例行化」兩個雙元性張力交叉，建立四種工作類型。
  [Rogge2025_AImeetsIA ¶021 PDF8]｜AI草稿

## 邊界條件
- 四種類型是理念型；實務上同一份工作常同時含通才與專才、例行與非例行任務，界線模糊。
  [Rogge2025_AImeetsIA ¶024 PDF9]｜AI草稿

## 主張與張力
- 生成式 AI 提升生產力與創造力，同時帶來心理壓力、信任與倫理上的張力。
  [Rogge2025_AImeetsIA ¶047 PDF16]｜AI草稿

# Lebovitz2022_EngageAI｜論點筆記（方法論型）

- 出處：Organization Science, 33(1), 126–148；Articles in Advance 線上預刊版
  （本檔印刷頁 1–23）；正式版頁碼 126–148，引用前須對照

## 研究設計與樣本
- 在美國一家教學醫院放射科的三個科室做民族誌田野研究，觀察 40 位放射科醫師
  使用 AI 工具。 [Lebovitz2022_EngageAI ¶033 p.5]｜AI草稿

## 主要發現
- 三個科室中，只有肺癌診斷科室的醫師能用 AI 結果強化自己的專業判斷。
  [Lebovitz2022_EngageAI ¶013 p.2]｜AI草稿
- 三個科室的醫師用 AI 後，連「簡單」的案例都多花時間。
  [Lebovitz2022_EngageAI ¶117 p.17]｜AI草稿

## 可借用之處
- 不透明不只是 AI 工具的固有屬性，而是工具在特定情境被使用時，由社會物質
  實踐產生的。 [Lebovitz2022_EngageAI ¶097–¶098 p.14]｜AI草稿

# Baygi2025_SocialFabric｜論點筆記（應用意涵型）

- 文類：概念性論文，沒有實證資料
- 與示範研究問題的關係：把問題從個人判斷拉到組織層次：判斷的品質也取決於
  同事之間的信任與專業流動

## 對管理實務的主張
- 禁用或嚴格限制等防護規則短期內難免，但不足以處理間接、長期的後果。
  [Baygi2025_SocialFabric ¶049 p.8]｜AI草稿

## 成立的前提與機制
- 生成式 AI「無法預測的合理性」會動搖對可靠性的預期，干擾組織內信任的流動。
  [Baygi2025_SocialFabric ¶034 p.6]｜AI草稿

## 研究議程
- 建議研究者改採縱貫的流動觀點，取代靜態、結構式的職場關係觀點。
  [Baygi2025_SocialFabric ¶067 p.11]｜AI草稿

三份筆記的開頭都有共同欄位，每一點也都附上定位標記與確認狀態；三份筆記的差別，只在中間的分節方式。你可以先選一個最接近自己研究習慣的模組，等到熟悉之後，再針對不同的文獻改用不同的模組。

提示詞 3｜撰寫一份論點筆記（步驟 4）

請閱讀 01_文獻/sorted/<文獻ID>/<文獻ID>.md，以及 04_資料表/claims.csv 裡這篇文獻的主張，然後用「方法論型」寫一份論點筆記，存成 02_核心論點/<文獻ID>_論點.md。

1. 筆記的開頭列出：題名、出處與版本、研究問題、一句話主張、研究情境、作者自述的限制，以及這篇文獻和我的研究問題（請看 00_給AI的說明.md 第 6 節）之間的關係。
2. 內文分成五節：研究設計與樣本、主要發現、機制、可以借用的做法、效度與推論的邊界。
3. 每一點都要對應 claims.csv 裡的一條主張，句尾加上 [文獻ID ¶段落 p.頁碼] 與確認狀態。如果 claims.csv 裡沒有對應的主張，請先把主張補進 claims.csv，再寫進筆記。
4. 不要寫原文裡沒有的內容。如果你有自己的觀察，請另外寫在最後一節「AI 的觀察（草稿）」。

如果你要改用假說架構型或應用意涵型，只需要依照表 14，修改提示詞第 2 點的分節方式。

7.3　文獻關係：分成兩個層次處理

文獻之間的關係分成兩個層次，處理的方式也不同。第一個層次是書目層的引用關係，可以交給程式計算；第二個層次是概念層的主張關係，一定要讀過原文之後才能判斷。不論是哪一個層次，每一條連線都必須說得出關係的類型與判斷的依據，這是 10/03 建立文獻樹的時候就已經訂下的規則。

引用關係

示範文獻庫的計算結果記錄在 03_文獻關係/引用關係.csv。六篇論文彼此之間沒有直接引用；2024 年到 2025 年發表的四篇論文，也都沒有引用 Lebovitz 等（2022）。書目耦合一共找到三組。第一組是 Lebovitz 等和 Baygi 與 Huysman，兩篇共同引用了 2 筆文獻，分別是 van den Broek 等（2021）與 Leonardi 與 Barley（2010），兩篇論文都屬於「科技與組織實踐」的研究脈絡。第二組是 Rogge 等和張志學與賀偉，兩篇共同引用了 1 筆文獻。第三組是 Rogge 等和 Baygi 與 Huysman，兩篇可能共同引用了 1 筆文獻，但是程式只比對了作者與年份，還沒有經過確認。另外，因為兩篇中文論文的參考文獻格式不一致，程式無法自動比對，所以共同引用的數量很可能被低估了。

從這個計算結果，我們還可以看到一件事：六篇論文彼此都沒有引用。同一個研究問題分散在醫療診斷、廣告演算法、人力資源管理與組織理論等不同的脈絡中，這些研究之間還沒有互相對話。因此，你的文獻探討可以從這裡著力，把分散在不同脈絡的研究連接起來。

主張關係

主張關係連接的是 claims.csv 裡的兩條主張，而不是兩篇文獻。主張關係一共分成七種類型，示範文獻庫的八條主張關係記錄在 03_文獻關係/主張關係.csv：

在標示「衝突」之前，請先檢查三件事：第一，兩條主張的構念定義是否相同；第二，樣本與情境是否可以互相比較；第三，測量方式是否一致。只要其中有一件事不同，這兩條主張的關係多半應該標示為「邊界條件」。示範文獻庫裡的 R01，就是一個典型的例子：

R01　Rogge 等把生產力提升當成生成式 AI 的效果之一；Lebovitz 等卻觀察到，醫師使用 AI 之後反而花了更多時間。這兩條主張看起來互相衝突，但是三項檢查的結果都不同。在定義上，一邊是一般知識工作的生產力，另一邊是每一次診斷花費的時間；在樣本上，一邊是根據文獻建構的類型學，另一邊是 40 位放射科醫師；在 AI 的類型上，一邊是生成式 AI，另一邊是用途單一的診斷 AI。因此，這兩條主張的關係標示為邊界條件，而不是衝突。

AI 很容易把定義上的差異誤判成立場上的衝突。研究缺口也常常藏在邊界條件裡。以 R01 為例，我們可以從這個邊界條件引出一個新的研究問題：在什麼條件下，AI 才會讓專業工作更有效率？

標示為「研究者推論」的關係，需要特別小心處理。這類關係可能是你論文裡最有價值的一句話，但是寫進論文的時候，必須用你自己的語氣表達，不能把它掛在任何一篇文獻的名下。

另外要注意「提出者」這個欄位。示範文獻庫的 R07 雖然標示為研究者推論，「提出者」欄位寫的卻是 AI，因為這條連線是 AI 起草的。你讀過兩篇原文、同意這個推論之後，再把提出者改成你自己，這條推論才真正成為你的推論。

提示詞 4｜建立引用關係與主張關係（步驟 4）

請先讀 00_給AI的說明.md 與 04_資料表/claims.csv，然後完成下面兩項工作。

一、引用關係：比對 01_文獻/sorted/ 裡各篇文獻的 _references.txt。
1. 如果文獻庫裡的兩篇文獻之間有直接引用，請列出來。
2. 找出兩篇文獻共同引用的文獻（書目耦合）。請優先用 DOI 比對；沒有 DOI 的條目，用第一作者的姓氏加上年份比對，並且標示「待確認」。
3. 把結果寫進 03_文獻關係/引用關係.csv，並且註明計算方式與限制，例如哪幾篇文獻的參考文獻格式無法比對。

二、主張關係：在 claims.csv 中，找出不同文獻之間有關係的主張，寫進 03_文獻關係/主張關係.csv。
1. 類型只能從下面七種選一種：支持、延伸、互補、依存、邊界條件、衝突、研究者推論。
2. 標示「衝突」之前，請先在「衝突前檢查」欄位寫出兩條主張的構念定義、樣本與情境、測量方式。只要三者中有任何一項不同，就改標示為「邊界條件」。
3. 如果兩位作者都沒有這樣說，是你把兩條主張連接起來的，請標示「研究者推論」。
4. 每一列寫一句理由；「提出者」寫 AI，「確認狀態」寫 AI草稿。

請先列出 5 到 8 條你最有把握的主張關係，不要為了湊數量而勉強連接。

7.4　概念頁：以概念為中心撰寫文獻探討

歸納的最後一個層次是概念頁。概念頁裡有一張矩陣，矩陣的每一列是一個概念，每一欄是一篇文獻，格子裡填的是主張ID 的尾碼。這張矩陣就是 Webster 與 Watson（2002）提出的概念矩陣。它由 claims.csv 的概念標籤彙整而成，不需要手動填寫。完整的矩陣請看示範文獻庫的概念頁。

從這張矩陣可以看出下面四件事。這些觀察由 AI 起草，還沒有經過確認：

• 專業判斷只有一篇實證研究。直接觀察專業人員如何使用 AI 下判斷的研究，只有 Lebovitz 等（2022）；張志學與賀偉提出的偏好順序，則是作者的推論。
• 效率是一個爭論點，但是兩篇文獻之間並沒有衝突。這一點請看 R01，它被標示為邊界條件。
• 演算法偏誤的研究，還沒有和人才發展的研究連接起來。Lambrecht 與 Tucker 發現的機制，和趙宜萱與魏丹霞提出的命題之間是一片空白，R07 是一個可以繼續發展的研究者推論。
• 組織層次只有一篇概念論文。關於信任與組織社會結構的主張，全部來自 Baygi 與 Huysman（2025），目前沒有實證資料支撐。

有了這張矩陣，我們撰寫文獻探討的時候，就可以用概念來組織段落，例如寫成「關於專業判斷，目前只有一項實證研究……」，避免寫成「甲說……、乙說……、丙說……」這種依照作者排列的流水帳。

提示詞 5｜製作概念頁（步驟 4）

請閱讀 04_資料表/claims.csv 與 04_資料表/concepts.csv，在 03_文獻關係/ 資料夾建立一份概念頁，檔名是「概念_人機協作中的專業判斷.md」。檔名裡的主題，請換成我論文的核心概念。

1. 製作一張矩陣：每一列是一個概念標籤，每一欄是一篇文獻（作者加上年份），格子裡填入主張ID 的尾碼。
2. 在矩陣下方寫 3 到 5 點「從矩陣看得出來的事」，例如哪一個概念只有一篇文獻支撐、哪裡是空白，以及哪些主張關係是邊界條件或研究者推論。每一點都要指出是根據哪幾條主張。
3. 在整份概念頁的開頭標明：「AI 草稿，本人確認之前，不要直接寫進論文」。

想一想：

1. 同一篇文獻，用假說架構型拆解和用應用意涵型拆解，留下來的主張有什麼不同？哪一種拆解方式比較接近你要寫的論文？
2. AI 抽取的「一句話主張」，和作者在摘要裡的說法一致嗎？如果不一致，兩者的差別在哪裡？
3. 請在你的文獻裡找出一組看起來互相衝突的主張，再用三項檢查重新看一次。它們真的互相衝突嗎？還是其實是邊界條件？

8　步驟 5：用文獻庫寫作，並查核每一條引用

建立文獻庫的主要目的，是幫助我們寫作。很多人在這個時候，會把所有檔案一次交給 AI，請它「幫我寫一段文獻探討」。這樣做等於回到第 8.6 節的條件 B，AI 仍然可能把頁碼弄錯，或者把作者轉述的研究當成作者自己的發現。比較可靠的做法有兩個重點：第一，讓 AI 依照固定的兩個階段查找資料；第二，讓撰寫草稿的 AI 和查核草稿的 AI 分開。

8.1　兩階段查找：先查表，再回到主文

第一階段是查表篩選。AI 只閱讀 00_給AI的說明.md、00_索引.md、claims.csv 與 主張關係.csv，依照概念標籤與主張類型，篩選出和這一段主題有關的主張ID 與關係ID。寫定稿的時候，只使用狀態是「已確認」的主張。

第二階段是回到主文。AI 依照篩選出來的段落編號打開主文，閱讀那一段以及前後各一段；如果這條主張關聯到表格，也要一併打開 tables/ 資料夾裡的 CSV 檔。AI 確認上下文與作者的語氣之後，才開始改寫。改寫時，每一句話都附上定位標記 [文獻ID ¶段落 p.頁碼]，文末再附上一張引用對照表，欄位是：句子｜主張ID｜段落｜頁碼。

這兩個階段寫在規則檔裡，所以不論換用哪一個 AI，都會依照同一個順序工作。第二階段最常被省略，卻也最重要。因為主張是經過摘要的內容，只有回到原文的段落，我們才看得到作者在前後文加上的保留條件。

8.2　寫作時的六條引用規則

1. 沒有定位標記的句子，不能附上引用。
2. 直接引語必須和主文逐字相符。
3. 改寫的時候，不能提高作者的確定程度。作者寫 suggest，不能改寫成「證實」；作者寫 can，不能改寫成「會」；作者寫 enabled，不能改寫成「才」；作者說兩者相關，不能改寫成「導致」。
4. 作者轉述別人的研究時，要標示「轉引自」，或者把那篇原始文獻放進 unsorted 資料夾，等待閱讀。概念論文與尚未實證的理論命題，也要在句子裡寫明它們的性質。
5. 文獻庫裡找不到相關資料時，要直接說明「文獻庫內無資料」，並且列為待補文獻，不能用一般知識補上。
6. 兩篇文獻的說法不同時，要並列兩者的差異，不替你決定哪一方是對的。

提示詞 6｜用文獻庫撰寫一段文獻探討（撰寫者）

請先讀我的文獻庫裡的 00_給AI的說明.md 與 00_索引.md，只使用這個文獻庫的資料回答問題。

問題：生成式 AI 進入專業工作之後，專業人員的判斷會變強還是變弱？文獻庫裡的文獻怎麼說？請寫成一段 200 字的繁體中文文獻探討。

請依照下面的順序工作：
1. 第一階段：閱讀 04_資料表/claims.csv 與 03_文獻關係/主張關係.csv，先列出你篩選出來的主張ID 與關係ID。
2. 第二階段：針對每一條入選的主張，打開 01_文獻/sorted/ 裡對應的主文，閱讀那一段以及前後各一段；如果這條主張關聯到表格，也一併打開 tables/ 裡的 CSV 檔。確認上下文與作者的語氣之後，再開始改寫。
3. 每一句附有引用的句子，句尾都要加上 [文獻ID ¶段落 p.頁碼]。
4. 保留作者原來的語氣，不要把推測寫成發現。概念論文或尚未實證的理論命題，要在句子裡寫明是「作者提出」或「作者推論」。作者轉述別人的研究時，要寫明是轉述。
5. 兩篇文獻的說法不同時，請並列兩者的差異，並且檢查構念定義、樣本與測量方式是否不同。
6. 文獻庫裡沒有的資料，請直接說「文獻庫內無資料」，不要用一般知識補上。
7. 最後附上一張表格，欄位是：句子｜主張ID｜段落｜頁碼。

請把這段文字存成 05_應用/草稿/ 資料夾裡的一個 .md 檔。

8.3　撰寫與查核分開：三道查核

同一個 AI 寫完草稿之後，如果再請它自己檢查，它常常會沿用剛才的理解，因此抓不到自己的錯誤。這個道理和第 6.6 節的例子相同：檢查的一方和被檢查的一方用同樣的方式判斷，就會漏掉同一種錯誤。比較可靠的做法，是開一個新的對話，或者換一個 AI，請它擔任獨立的查核者。查核工作分成三道，每一道檢查不同的問題：

走基礎路徑的同學，只需要使用提示詞 7，請另一個 AI 擔任查核者。走進階路徑的同學，可以再加上提示詞 8，請 AI 寫一個查核程式，把第一道與第二道查核裡可以機械比對的項目自動化。不論走哪一條路徑，「這段原文是否真的支持這句話」這個問題，最後都必須由你本人判斷。

提示詞 7｜獨立查核草稿的引用（查核者，請開新的對話或換一個 AI 執行）

你是一位獨立的學術查核者，這份草稿不是你寫的。請先讀 00_給AI的說明.md，再閱讀 05_應用/草稿/ 資料夾裡的草稿、04_資料表/papers.csv、04_資料表/claims.csv，以及草稿引用到的每一篇文獻在 01_文獻/sorted/ 裡的主文。然後逐句完成下面三道查核：

第一道：書目、版本與文獻性質
- 文獻ID、作者與年份是否和 papers.csv 一致？
- 引用的頁碼是預刊版的頁碼，還是正式版的頁碼？如果是預刊版，草稿有沒有註明？
- 這篇文獻是實證研究、概念論文，還是尚未實證的理論命題？草稿的寫法有沒有把它寫成實證結果？

第二道：定位與一手性
- 打開定位標記指向的段落，以及前後各一段。草稿這句話的意思，是否完整出現在這些段落裡？
- 如果原文的句子跨頁，或者中間夾著圖說，定位標記有沒有寫成段落範圍（例如 ¶093–¶095）？
- 這段內容是作者自己的發現，還是作者轉述別人的研究？

第三道：語意與語氣
- 作者的語氣有沒有被升級？例如 may、can、suggest、enabled 被寫成「證實」「會」「才」。
- 兩篇文獻並列的時候，有沒有把任務、樣本或工具不同的邊界條件，寫成直接的衝突？
- 有沒有把 AI 自己的推論，寫成原作者的主張？

請產出一份查核報告，存到 05_應用/引用查核/ 資料夾。報告是一張表格，欄位依序是：句子｜定位標記｜查核項目｜發現的問題｜初步判定（支持、部分支持、過度推論、不支持）｜建議的修正寫法｜本人最終判斷。最後一個欄位請留給我填寫。

提示詞 8｜撰寫引用查核程式（進階路徑）

請在 00_工具/ 資料夾寫一個引用查核程式 check_citations.py，使用方式是：
python 00_工具/check_citations.py . <草稿.md> <輸出.csv>

1. 找出草稿中所有 [文獻ID ¶段落 p.頁碼] 與 [文獻ID ¶段落 PDFN] 格式的定位標記，並且支援段落範圍（例如 ¶097–¶098）與修補段落（例如 ¶004a）。
2. 逐條檢查：文獻ID 是否存在於 papers.csv；段落是否存在於主文；段落是否落在標示的頁碼內；句子裡引號內的直接引語，是否和那一段逐字相符。
3. 從 claims.csv 找出對應的主張ID、原文語氣與確認狀態。如果這篇文獻是預刊版、這條主張還沒有確認，或者證據性質是「轉述他人研究」，請寫進「系統提醒」欄位。
4. 輸出一個含 BOM 的 UTF-8 編碼 CSV 檔，欄位依序是：序號、句子、定位標記、文獻存在、段落存在、頁碼相符、引語相符、對應主張ID、原文語氣、系統提醒、人工判斷、判斷理由。最後兩個欄位留給我填寫。

驗證方式：請先製作一份故意寫錯的草稿，裡面包含不存在的文獻ID、不存在的段落、改過一個字的引語，以及錯誤的頁碼。程式必須抓出這四種錯誤，之後再檢查正式的草稿，並且回報測試結果。示範文獻庫的 00_工具/ 資料夾裡有一份可以參考的 check_citations.py。

8.4　示範文獻庫的查核結果：程式全部通過，人工判斷仍有 3 處需要修改

示範文獻庫建立完成之後，授課教師請 AI 依照第 8.2 節的規則，用文獻庫回答「生成式 AI 進入專業工作之後，專業人員的判斷會變強還是變弱」，寫出一段文獻探討。這段文字一共使用了 8 個引用。程式檢查的結果全部通過：文獻、段落與頁碼都正確，唯一的一句直接引語也和原文逐字相符。但是經過人工判斷之後，仍然有 3 處需要修改。這段草稿與查核紀錄都可以在示範文獻庫裡打開來看。

第二處問題需要特別注意。「當作前提」這個說法，其實來自 claims.csv 裡 AI 自己寫的備註，備註的內容是「『提升生產力』在本文是前提敘述」。那一條主張的狀態還是 AI 草稿，沒有人對照過原文。AI 撰寫草稿的時候，引用了 AI 自己寫的備註，錯誤就這樣從歸納階段流到寫作階段。這個例子說明了規則檔為什麼規定，只有「已確認」的主張才能寫進定稿。

除此之外，這 8 個引用之中有 7 個來自預刊版，所以定稿之前，必須把頁碼換成正式版的頁碼。轉述 Logg 等（2019）的那一句話，雖然已經標明是轉述，定稿之前仍然要去閱讀原始文獻。程式無法檢查出上面這些問題中的任何一個。查核發現有問題的主張，要在 claims.csv 把狀態改成「有疑義」，這樣下一次 AI 就不會再使用這些主張。

8.5　引用陷阱演練：六種常見的錯誤寫法

下面六個分頁，各自示範一種引用陷阱。每一個分頁都依照同樣的順序排列：先列出錯誤的寫法，再說明在哪一道查核中發現了什麼問題，最後列出修正之後的寫法。標示「真實案例」的分頁，錯誤真的出現在示範文獻庫裡；標示「示範寫法」的分頁，是用示範文獻庫的真實主張，改寫成常見的錯誤寫法。建議你先只看錯誤的寫法，自己判斷問題在哪裡，再往下看查核的說明。

8.6　同一個題目，三種材料

今天的課堂會現場進行一個試驗：用同一個題目「寫一段 200 字的文獻探討，附上 5 個引用」，讓 AI 在三種條件下各寫一次，再比較三種條件下出現的錯誤類型。三種條件寫出來的文字，表面上都很像期刊論文，差別要到查核之後才看得出來。

提示詞 9｜條件 A：什麼材料都不提供

請寫一段 200 字的繁體中文文獻探討，主題是「生成式 AI 進入專業工作之後，專業人員的判斷會變強還是變弱」，並且附上 5 個學術引用（APA 第 7 版格式，包含頁碼），文末列出參考文獻。

提示詞 10｜條件 B：直接上傳 5 篇 PDF

（請先上傳 5 篇 PDF）請只根據我上傳的這 5 篇 PDF，寫一段 200 字的繁體中文文獻探討，主題是「生成式 AI 進入專業工作之後，專業人員的判斷會變強還是變弱」，並且附上 5 個引用（APA 第 7 版格式，包含頁碼）。

條件 A 與條件 B 請各自開一個新的對話來執行，不要在已經讀過文獻庫的對話裡執行，這樣結果才不會受到影響。條件 A 要查核每一筆參考文獻是否真的存在，可以用 DOI 或 Google Scholar 查詢；條件 B 要查核頁碼是否正確，以及 AI 有沒有把甲篇文獻的內容安到乙篇文獻上。條件 B 可以直接使用練習文獻包裡的 PDF。

8.7　七種引用錯誤

8.8　定稿之前要完成的事

• 定稿只使用狀態是「已確認」的主張。
• 把定位標記轉換成 APA 第 7 版的文中引用格式；引用對照表另外保存，口試時如果被問到任何一句話，都能翻到原文。
• 把預刊版的頁碼換成正式版的頁碼。papers.csv 已經記錄了正式版的頁碼範圍，但是逐頁的對應關係，仍然要打開正式版核對。
• 直接引語一定要附上正式版的頁碼。

想一想：

1. 條件 C 的錯誤，為什麼程式都查不出來？這個結果對你日後分配查核時間，有什麼意義？
2. 如果指導教授抽查你論文裡的任何一條引用，你能在一分鐘之內翻到原文嗎？你會在哪一個環節找不到？
3. 這六種陷阱之中，哪一種最像你自己在沒有使用 AI 的時候也會犯的錯誤？

9　步驟 6：維護文獻庫，讓它持續可信

很多人的文獻筆記，只有剛建立的第一個星期是整齊的；一個月之後又下載了十幾篇論文，筆記就慢慢荒廢了。文獻庫也一樣，並不是建立一次就結束。新的文獻會陸續加入，預刊版會變成正式版，你也可能發現某一條主張抽錯了。這類 Wiki 式的文獻庫最常見的問題，是索引早就過時了，看起來卻仍然很完整。下表列出六種維護操作，以及每一種操作完成之後，需要重新檢查哪些內容。

重建主文時發生問題的風險是真實存在的。建立示範文獻庫的過程中，我們曾經為了測試新的轉檔規則，重新執行了一次轉檔程式，結果程式把查核用的段落資料覆蓋回修補之前的版本，只好依照最後版本的主文重新建立一次，再重新比對 48 條原文摘錄。因為有這次經驗，規則檔才會規定「任何檔案都不要刪除」，工作紀錄也只往下追加。這樣一來，出錯的時候，我們才知道要回到哪一個步驟。

9.1　健康檢查清單

9.2　定期執行的工作

在整個流程中，只有收錄新文獻與健康檢查這兩項工作，適合交給 AI 定期自動執行。主張、文獻關係與確認狀態，都必須由你讀過原文之後才算數，所以不能交給排程自動完成。

• 進階路徑：在 Claude 桌面版（需要付費方案）建立一個排程任務，指定這個資料夾，每個星期執行一次。使用本機資料夾的排程任務只會在你的電腦上執行，所以執行時電腦必須開著，Google Drive 電腦版也必須正在同步。
• 基礎路徑：每個星期固定一個時間，把同一段提示詞貼給 AI，以手動的方式執行，得到的結果是一樣的。

提示詞 11｜每週例行維護：收錄新文獻與健康檢查（步驟 6）

請先讀 00_給AI的說明.md。這是每週例行的維護工作，請依照順序完成：

1. 收錄新文獻：如果 01_文獻/unsorted/ 資料夾裡有新的檔案，請依照 00_給AI的說明.md 第 3 節的入庫規則收錄。
2. 健康檢查：
   - 確認 claims.csv 裡的文獻ID 都存在於 papers.csv，而且標示的段落都存在於主文；
   - 比對原文摘錄和主文是否逐字相符，不相符的主張把狀態改成「有疑義」，並且在備註欄寫出原因；
   - 確認 00_索引.md 的列數等於 papers.csv 的列數；
   - 確認 主張關係.csv 兩端的主張ID 都存在；
   - 列出仍然是預刊版的文獻、狀態是「撤除」卻仍然被引用的文獻，以及狀態仍是「AI草稿」的主張數量。
3. 不要修改任何狀態是「已確認」的主張。發現問題時，只在備註欄寫明，並且回報給我。
4. 在 00_工作紀錄.md 追加一筆紀錄。

完成之後，請用五行以內的文字回報：新增了哪幾篇文獻、健康檢查發現了什麼問題，以及哪些項目需要我人工處理。

9.3　黃金測試：同樣三題，問兩個 AI

文獻庫好不好用，最後要看 AI 在文獻庫上回答得好不好。每次大幅修改文獻庫之後，請用同樣的三題問兩個以上的 AI，再比較它們的答案。三題的設計方式是固定的：一題是文獻庫可以回答的問題，一題是兩篇文獻說法不同的問題，一題是文獻庫裡沒有資料的問題。

提示詞 12｜黃金測試（同一段提示詞，分別問兩個 AI）

請先讀我的文獻庫裡的 00_給AI的說明.md 與 00_索引.md，只使用這個文獻庫的資料回答下面三題。每一句附有引用的句子，句尾都要加上 [文獻ID ¶段落 p.頁碼]。文獻庫裡沒有的資料，請直接說「文獻庫內無資料」，不要用一般知識補上。

1. Lebovitz 等人（2022）的研究樣本是什麼？
2. 使用 AI 會讓專業工作更有效率嗎？
3. 文獻庫裡有沒有研究 AI 如何影響律師判斷的文獻？

建立自己的文獻庫之後，請把這三題換成你自己文獻庫裡的題目。第三題最容易被 AI 用一般知識補上答案，所以最能看出規則檔有沒有發揮作用。

兩個 AI 的答案不一樣時，請不要急著選擇其中一個答案，而是先回到定位標記，查看原文。換一個 AI 從頭查一次，是成本最低的交叉檢核方式。

10　今天的課堂流程

今天課堂的順序是「先讓引用出錯，再建立文獻庫，最後用文獻庫重新測試一次」。我們先親眼看到 AI 的引用怎麼出錯，才會在意為什麼要替每一段文字編號。

課前準備：請帶 3 到 5 篇同一個主題的 PDF。沒有準備自己文獻的同學，請下載練習文獻包，使用和示範文獻庫相同的六篇論文。使用相同的文獻還有一個好處：你可以直接和示範文獻庫比對處理的結果。

如果時間不夠，第五段的「標示主張關係」會改成由教師示範，第六段的「問兩個 AI」會移到課後完成。第二段與第六段的引用查核不會刪減，因為這是今天一定要帶走的經驗。

10.1　今天的進度檢核表

請一邊上課，一邊在下面的檢核表打勾。勾選的結果只會存在你自己的瀏覽器裡；換一台電腦，或者清除瀏覽紀錄之後，勾選的結果就會消失。

11　課後任務

1. 把自己的文獻庫擴充到 5 篇以上的文獻。每一篇都要完成自我檢查，papers.csv 的「本檔版本」與「清理品質」兩個欄位都要寫清楚。
2. 確認至少 10 條主張：對照過原文的主張，狀態改成「已確認」；有問題的主張，狀態改成「有疑義」，並且寫下原因。
3. 選一個你論文會用到的核心概念，製作一份概念頁，並且寫出一件你從矩陣看到、但是 AI 草稿沒有寫到的事。
4. 用文獻庫寫一段 300 字的文獻探討，附上引用對照表與查核紀錄。查核紀錄裡的每一條引用，都要有你本人的判斷與理由。
5. 設定每週定期執行的工作（排程任務，或者固定時間手動執行），並且在工作紀錄留下第一次執行的紀錄。
6. 用你自己文獻庫裡的三題做一次黃金測試，分別問兩個 AI，記下兩者答案不同的地方，以及你回到原文之後的判斷。

這些成果涵蓋了原定 11/07 要驗收的四件事：新增文獻、定位來源、在沒有資料時拒絕回答，以及處理來源之間的衝突。這些成果歸入期中原型驗證，不另外增加成績比例。

12　收斂：今天做的事，在文獻上叫什麼

今天我們刻意到最後才說出這些做法的名稱。下表把你做過的每一個步驟，對應到它在方法論或工具上的名稱，方便你日後查找相關的資料。

和一般的 LLM Wiki 相比，這個文獻庫只改變了一件事：把重心從「AI 寫的 Wiki 頁面」移到「可以回溯原文的主張」。一般的 Wiki 是為了理解內容而設計的；寫論文的時候，我們還需要段落層級的定位，以及你本人的確認。

附錄　提示詞一覽

參考來源

本課既有材料

1. 10/03〈文獻知識庫的兩條路：Wiki 化與 RAG〉講義
2. Claim–Evidence Map 工作流程
3. 教師示範文獻庫（吳相勲_Literature_Review）

方法與工具

1. Karpathy, A. (2026, April 4). LLM Wiki [GitHub Gist]. https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f
2. Commonplace. Ingest: LLM Wiki. https://zby.github.io/commonplace/sources/karpathy-llm-wiki.ingest/
3. Webster, J., & Watson, R. T. (2002). Analyzing the past to prepare for the future: Writing a literature review. MIS Quarterly, 26(2), xiii–xxiii.
4. Walters, W. H., & Wilder, E. I. (2023). Fabrication and errors in the bibliographic citations generated by ChatGPT. Scientific Reports, 13, 14045. https://pmc.ncbi.nlm.nih.gov/articles/PMC10484980
5. Dublin Core. Citation Typing Ontology (CiTO). https://msi.dublincore.org/standards/cito
6. OpenAlex. Citations. https://help.openalex.org/data/works/citations/
7. Crossref. REST API. https://www.crossref.org/documentation/retrieve-metadata/rest-api/
8. Artifex. PyMuPDF4LLM. https://pymupdf.readthedocs.io/en/latest/pymupdf4llm/
9. Song, J. (2025). Best open source PDF to Markdown tools: Marker vs MinerU vs MarkItDown. https://jimmysong.io/blog/pdf-to-markdown-open-source-deep-dive/
10. Anthropic. Schedule recurring tasks in Claude Cowork. https://support.claude.com/en/articles/13854387-schedule-recurring-tasks-in-claude-cowork

示範文獻庫收錄的六篇文獻（依照正式版書目排列）

1. Baygi, R. M., & Huysman, M. (2025). Generative AI and the social fabric of organizations. Strategic Organization, 24(2), 374–387. https://doi.org/10.1177/14761270251385456（示範文獻庫使用的是 OnlineFirst 預刊版，檔案頁碼 1–14）
2. Lambrecht, A., & Tucker, C. (2019). Algorithmic bias? An empirical study of apparent gender-based discrimination in the display of STEM career ads. Management Science, 65(7), 2966–2981. https://doi.org/10.1287/mnsc.2018.3093（示範文獻庫使用的是 JSTOR 下載的正式版，第 1 頁是 JSTOR 封面）
3. Lebovitz, S., Lifshitz-Assaf, H., & Levina, N. (2022). To engage or not to engage with AI for critical judgments: How professionals deal with opacity when using AI for medical diagnosis. Organization Science, 33(1), 126–148. https://doi.org/10.1287/orsc.2021.1549（示範文獻庫使用的是 Articles in Advance 預刊版，檔案頁碼 1–23，第 1 頁是 INFORMS 封面）
4. Rogge, N. D., Lamovšek, A., & Batistič, S. (2026). AI meets IA: A typology of GenAI-supported work through individual ambidexterity. Business Horizons, 69(4), 477–492. https://doi.org/10.1016/j.bushor.2025.06.006（示範文獻庫使用的是 2025 年的 Journal Pre-proof，當時的題名寫作 generative-AI-supported work，所以文獻代號是 Rogge2025，講義內文也寫作 Rogge 等〔2025〕）
5. 张志学、贺伟（2024）。人与人工智能的研究及其对组织管理的意义。外国经济与管理，46（10），3–17。https://doi.org/10.16538/j.cnki.fem.20240907.101
6. 赵宜萱、魏丹霞（2025）。基于人力资本弹性与人力资源管理价值校准的人工智能型人力资源管理激发机制研究。管理学报，22（10），1826–1838。https://doi.org/10.3969/j.issn.1672-884x.2025.10.006

講義中的原文只節錄一、兩句作為說明。論文的全文請依照各校的授權取得，正式引用時請以出版者的正式版本為準。