介绍智能收藏 - 智能论文组织

我们很高兴宣布智能收藏——这是一个强大的新功能，改变了您在 GeminiPaper 中组织研究论文的方式。

传统文件夹迫使您选择：这篇论文属于哪个单一类别？但研究论文不适合整齐的盒子。一篇论文可能与您的博士论文相关，使用有趣的方法，并与您的教学相关——同时发生。

智能收藏通过 AI 驱动的多维组织解决了这个问题，适应您的实际工作方式。

什么是智能收藏？

智能收藏是智能的、动态的论文组，根据您定义的规则自动更新。

传统文件夹 vs. 智能收藏

传统方法：

• 手动分配到单个文件夹
• 论文不能属于多个文件夹
• 静态——随着文库增长不更新
• 需要持续维护

智能收藏方法：

• 按多个标准自动分类
• 论文可以属于多个收藏
• 动态——添加论文时更新
• 通过 AI 自我维护

真实案例

Sarah 是一名研究医疗保健中机器学习的博士生。使用传统文件夹：

Papers/
├── Thesis/
├── Methods/
└── Teaching/

问题："用于医学影像的深度学习"应该放在哪里？它与所有三个都相关！

使用智能收藏：

收藏 1："论文论文"

• 自动包含：标记为"thesis"或"healthcare-ml"的论文
• 更新：自动添加相关新论文

收藏 2："有趣的方法"

• 自动包含：标题中包含"deep learning"或"neural networks"的论文
• 更新：自动捕获方法论文

收藏 3："教学示例"

• 自动包含：标记为 5 星或标记为"teach"的论文
• 更新：随着 Sarah 评分论文而增长

一篇论文可以出现在所有三个收藏中。没有重复，没有决定，没有维护。

关键功能

1. AI 驱动的自动分类

当您上传论文时，AI 分析：

• 内容：主要主题和主题
• 方法：使用的研究方法
• 领域：学科
• 类型：综述、实证研究、元分析等

然后自动建议收藏并应用规则。

示例： 上传一篇关于"用于临床笔记的 Transformer 模型"的论文

AI 检测：

• 主题：NLP、医疗保健
• 方法：深度学习、Transformers
• 领域：医学信息学
• 类型：实证研究

自动添加到：

• "NLP 研究"收藏
• "深度学习方法"收藏
• "医疗保健应用"收藏

2. 智能规则引擎

无需编码即可创建复杂规则：

简单规则：

• 作者"Smith"的所有论文
• 2020 年后发表的论文
• 状态为"阅读中"的论文

复杂规则：

• （机器学习 OR AI）AND 医疗保健
• 引用 >100 且在顶级期刊发表的论文
• 标记为"important"且尚未在我的工作中引用的论文

动态规则：

• 与[特定论文]相似的论文
• 根据我的阅读历史推荐的论文
• 引用或被此收藏中的论文引用的论文

3. 嵌套收藏

按层次组织收藏：

Machine Learning/
├── Deep Learning/
│   ├── CNNs/
│   ├── Transformers/
│   └── GANs/
├── Traditional ML/
└── Reinforcement Learning/

"Transformers"中的论文也会自动出现在父收藏中。

4. 收藏视图

每个收藏可以有自定义视图：

列表视图：紧凑、可排序 网格视图：带预览的可视化 时间线视图：按时间顺序 网络视图：引用关系 比较视图：并排分析

5. 智能推荐

AI 建议：

• 基于您文库的新收藏
• 要添加到现有收藏的论文
• 来自其他用户的相关收藏（经许可）
• 最佳收藏结构

如何使用智能收藏

创建您的第一个智能收藏

第 1 步：创建收藏

1. 点击"新建收藏"
2. 命名（例如，"博士文献综述"）
3. 选择图标和颜色
4. 添加描述

第 2 步：定义规则

1. 点击"添加规则"
2. 选择条件：
   • 标签包含"thesis"
   • 状态为"阅读中"或"已完成"
   • 发表日期在 2020 年后
3. 设置逻辑：AND/OR
4. 保存规则

第 3 步：让 AI 填充 AI 扫描您的文库并自动添加匹配的论文。

第 4 步：完善 审查建议的论文，如需要调整规则。

最佳实践

从广泛开始，然后缩小：

1. 首先创建高级收藏（例如，"所有 ML 论文"）
2. 为具体内容添加子收藏（例如，"NLP"、"计算机视觉"）
3. 使用 AI 建议发现模式

使用多个条件： 不要依赖单一规则。结合：

• 标签 + 状态
• 作者 + 关键词
• 日期范围 + 引用数
• 您的评分 + AI 置信度

定期审查：

• 每周：检查自动添加的新论文
• 每月：根据使用情况完善规则
• 每季度：重组收藏结构

描述性名称：

• "博士论文 - 方法部分" ✅
• "重要" ❌
• "2024 年资助提案的论文" ✅
• "杂项" ❌

高级技巧

基于时间的收藏： 创建收藏用于：

• "本周阅读"
• "本月要引用的论文"
• "我领域的新论文"

项目生命周期收藏：

• "项目 X - 规划"
• "项目 X - 活跃"
• "项目 X - 写作"
• "项目 X - 已归档"

基于质量的收藏：

• "高引用（>500）"
• "仅顶级期刊"
• "开创性工作"
• "最近突破"

用例

对于博士生

Sarah 的论文收藏：

• "核心文献" - 40 篇重要论文
• "方法参考文献" - 要引用的方法
• "结果比较" - 要比较的论文
• "讨论点" - 解决类似问题的论文
• "补充" - 背景和上下文

随着她添加论文，所有内容自动更新。

对于学术研究人员

Chen 博士的研究计划：

• "当前项目论文" - 活跃研究
• "资助提案参考文献" - 用于资助申请
• "协作论文" - 与团队共享
• "未来方向" - 下一个项目的想法
• "教学示例" - 课程论文

智能规则确保论文流向正确的收藏。

对于研究团队

实验室收藏：

• "实验室出版物" - 所有团队产出
• "新团队成员阅读列表" - 入门论文
• "我们使用的方法" - 方法论文
• "竞争实验室" - 来自竞争对手的论文
• "行业协作" - 应用研究

共享收藏保持团队一致。

从文件夹迁移

已经有基于文件夹的组织？轻松迁移：

第 1 步：将文件夹映射到收藏

对于每个文件夹，创建等效收藏：

• 文件夹："机器学习"
• 收藏："机器学习研究"

第 2 步：导入论文

将论文从文件夹拖到收藏中，或：

• 从文件夹批量导入所有论文
• 让 AI 标记它们
• AI 自动创建智能收藏规则

第 3 步：添加智能规则

用规则增强手动收藏：

• 原始：手动文件夹分配
• 增强：自动包含具有特定标签的论文
• 结果：收藏自我维护

第 4 步：归档文件夹

一旦智能收藏运行良好：

• 将文件夹保留为备份（临时）
• 将主要工作流切换到收藏
• 最终删除旧文件夹结构

与其他功能的集成

智能收藏与以下功能无缝协作：

搜索：

• 在特定收藏中搜索
• 跨收藏查找论文
• 将搜索保存为新收藏

AI 理解：

• 批量总结收藏中的所有论文
• 在收藏内比较论文
• 在收藏中查找主题

项目：

• 将收藏链接到项目
• 自动将收藏论文添加到项目
• 将收藏导出为项目参考文献

标签：

• 在收藏规则中使用标签
• 自动标记收藏中的论文
• 跨收藏同步标签

高级用户技巧

自动化工作流

阅读工作流：

1. 新论文 → "收件箱"收藏
2. AI 建议相关收藏
3. 阅读后 → 自动移动到"已读"收藏
4. 高评分论文 → "收藏"收藏

写作工作流：

1. 撰写论文 → 创建"论文草稿"收藏
2. AI 建议要引用的相关论文
3. 引用的论文 → 自动标记
4. 发表后 → 移动到"我的出版物"

收藏模板

将收藏结构保存为模板：

文献综述模板：

• 基础论文
• 方法论文
• 最近进展
• 批评和局限性
• 未来方向

立即应用于新项目。

批量操作

对整个收藏执行操作：

• 批量导出引用
• 使用 AI 批量总结
• 批量标记或重新标记
• 导出所有 PDF

智能通知

在以下情况获得通知：

• 新论文匹配收藏规则
• 收藏达到里程碑（例如，100 篇论文）
• 添加高引用论文
• 协作者添加论文

定价和可用性

智能收藏现在在所有计划中可用：

免费计划：

• 5 个智能收藏
• 基本规则
• 手动更新

专业计划（$12/月）：

• 无限智能收藏
• 带 AI 的高级规则
• 自动更新
• 收藏模板

团队计划（$29/月/用户）：

• Pro 中的所有功能
• 共享收藏
• 团队模板
• 优先 AI 处理

用户评价

开始使用

准备好尝试智能收藏了吗？

1. 更新 GeminiPaper - 功能在最新版本中可用
2. 观看教程 - 5 分钟视频演练
3. 导入论文 - 上传您的第一篇论文
4. 创建收藏 - 从一个简单收藏开始
5. 让 AI 帮助 - 接受 AI 的规则建议

访问 GeminiPaper 智能收藏指南 了解详细文档。

下一步

我们不断改进智能收藏。即将推出：

• 可视化规则构建器 - 拖放规则创建
• AI 建议的结构 - 最佳收藏组织
• 跨文库搜索 - 跨多个用户查找论文
• 收藏分析 - 您的研究模式见解
• 移动应用 - 随时随地管理收藏

了解更多

• 智能收藏文档

今天使用智能收藏改变您的研究组织。免费试用 GeminiPaper。