介紹智能收藏 - 智能論文組織

我們很高興宣布智能收藏——這是一個強大的新功能，改變了您在 GeminiPaper 中組織研究論文的方式。

傳統文件夾迫使您選擇：這篇論文屬於哪個單一類別？但研究論文不適合整齊的盒子。一篇論文可能與您的博士論文相關，使用有趣的方法，並與您的教學相關——同時發生。

智能收藏透過 AI 驅動的多維組織解決了這個問題，適應您的實際工作方式。

什麼是智能收藏？

智能收藏是智能的、動態的論文組，根據您定義的規則自動更新。

傳統文件夾 vs. 智能收藏

傳統方法：

• 手動分配到單個文件夾
• 論文不能屬於多個文件夾
• 靜態——隨著文庫增長不更新
• 需要持續維護

智能收藏方法：

• 按多個標準自動分類
• 論文可以屬於多個收藏
• 動態——添加論文時更新
• 透過 AI 自我維護

真實案例

Sarah 是一名研究醫療保健中機器學習的博士生。使用傳統文件夾：

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

問題："用於醫學影像的深度學習"應該放在哪裡？它與所有三個都相關！

使用智能收藏：

收藏 1："論文論文"

• 自動包含：標記為"thesis"或"healthcare-ml"的論文
• 更新：自動添加相關新論文

收藏 2："有趣的方法"

• 自動包含：標題中包含"deep learning"或"neural networks"的論文
• 更新：自動捕獲方法論文

收藏 3："教學示例"

• 自動包含：標記為 5 星或標記為"teach"的論文
• 更新：隨著 Sarah 評分論文而增長

一篇論文可以出現在所有三個收藏中。沒有重複，沒有決定，沒有維護。

關鍵功能

1. AI 驅動的自動分類

當您上傳論文時，AI 分析：

• 內容：主要主題和主題
• 方法：使用的研究方法
• 領域：學科
• 類型：綜述、實證研究、元分析等

然後自動建議收藏並應用規則。

示例： 上傳一篇關於"用於臨床筆記的 Transformer 模型"的論文

AI 檢測：

• 主題：NLP、醫療保健
• 方法：深度學習、Transformers
• 領域：醫學信息學
• 類型：實證研究

自動添加到：

• "NLP 研究"收藏
• "深度學習方法"收藏
• "醫療保健應用"收藏

2. 智能規則引擎

無需編碼即可創建複雜規則：

簡單規則：

• 作者"Smith"的所有論文
• 2020 年後發表的論文
• 狀態為"閱讀中"的論文

複雜規則：

• （機器學習 OR AI）AND 醫療保健
• 引用 >100 且在頂級期刊發表的論文
• 標記為"important"且尚未在我的工作中引用的論文

動態規則：

• 與[特定論文]相似的論文
• 根據我的閱讀歷史推薦的論文
• 引用或被此收藏中的論文引用的論文

3. 嵌套收藏

按層次組織收藏：

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

"Transformers"中的論文也會自動出現在父收藏中。

4. 收藏視圖

每個收藏可以有自定義視圖：

列表視圖：緊湊、可排序 網格視圖：帶預覽的可視化 時間線視圖：按時間順序 網絡視圖：引用關係 比較視圖：並排分析

5. 智能推薦

AI 建議：

• 基於您文庫的新收藏
• 要添加到現有收藏的論文
• 來自其他用戶的相關收藏（經許可）
• 最佳收藏結構

如何使用智能收藏

創建您的第一個智能收藏

第 1 步：創建收藏

1. 點擊"新建收藏"
2. 命名（例如，"博士文獻綜述"）
3. 選擇圖標和顏色
4. 添加描述

第 2 步：定義規則

1. 點擊"添加規則"
2. 選擇條件：
   • 標籤包含"thesis"
   • 狀態為"閱讀中"或"已完成"
   • 發表日期在 2020 年後
3. 設置邏輯：AND/OR
4. 保存規則

第 3 步：讓 AI 填充 AI 掃描您的文庫並自動添加匹配的論文。

第 4 步：完善 審查建議的論文，如需要調整規則。

最佳實踐

從廣泛開始，然後縮小：

1. 首先創建高級收藏（例如，"所有 ML 論文"）
2. 為具體內容添加子收藏（例如，"NLP"、"計算機視覺"）
3. 使用 AI 建議發現模式

使用多個條件： 不要依賴單一規則。結合：

• 標籤 + 狀態
• 作者 + 關鍵詞
• 日期範圍 + 引用數
• 您的評分 + AI 置信度

定期審查：

• 每週：檢查自動添加的新論文
• 每月：根據使用情況完善規則
• 每季度：重組收藏結構

描述性名稱：

• "博士論文 - 方法部分" ✅
• "重要" ❌
• "2024 年資助提案的論文" ✅
• "雜項" ❌

高級技巧

基於時間的收藏： 創建收藏用於：

• "本週閱讀"
• "本月要引用的論文"
• "我領域的新論文"

項目生命週期收藏：

• "項目 X - 規劃"
• "項目 X - 活躍"
• "項目 X - 寫作"
• "項目 X - 已歸檔"

基於質量的收藏：

• "高引用（>500）"
• "僅頂級期刊"
• "開創性工作"
• "最近突破"

用例

對於博士生

Sarah 的論文收藏：

• "核心文獻" - 40 篇重要論文
• "方法參考文獻" - 要引用的方法
• "結果比較" - 要比較的論文
• "討論點" - 解決類似問題的論文
• "補充" - 背景和上下文

隨著她添加論文，所有內容自動更新。

對於學術研究人員

Chen 博士的研究計劃：

• "當前項目論文" - 活躍研究
• "資助提案參考文獻" - 用於資助申請
• "協作論文" - 與團隊共享
• "未來方向" - 下一個項目的想法
• "教學示例" - 課程論文

智能規則確保論文流向正確的收藏。

對於研究團隊

實驗室收藏：

• "實驗室出版物" - 所有團隊產出
• "新團隊成員閱讀列表" - 入門論文
• "我們使用的方法" - 方法論文
• "競爭實驗室" - 來自競爭對手的論文
• "行業協作" - 應用研究

共享收藏保持團隊一致。

從文件夾遷移

已經有基於文件夾的組織？輕鬆遷移：

第 1 步：將文件夾映射到收藏

對於每個文件夾，創建等效收藏：

• 文件夾："機器學習"
• 收藏："機器學習研究"

第 2 步：導入論文

將論文從文件夾拖到收藏中，或：

• 從文件夾批量導入所有論文
• 讓 AI 標記它們
• AI 自動創建智能收藏規則

第 3 步：添加智能規則

用規則增強手動收藏：

• 原始：手動文件夾分配
• 增強：自動包含具有特定標籤的論文
• 結果：收藏自我維護

第 4 步：歸檔文件夾

一旦智能收藏運行良好：

• 將文件夾保留為備份（臨時）
• 將主要工作流切換到收藏
• 最終刪除舊文件夾結構

與其他功能的集成

智能收藏與以下功能無縫協作：

搜索：

• 在特定收藏中搜索
• 跨收藏查找論文
• 將搜索保存為新收藏

AI 理解：

• 批量總結收藏中的所有論文
• 在收藏內比較論文
• 在收藏中查找主題

項目：

• 將收藏鏈接到項目
• 自動將收藏論文添加到項目
• 將收藏導出為項目參考文獻

標籤：

• 在收藏規則中使用標籤
• 自動標記收藏中的論文
• 跨收藏同步標籤

高級用戶技巧

自動化工作流

閱讀工作流：

1. 新論文 → "收件箱"收藏
2. AI 建議相關收藏
3. 閱讀後 → 自動移動到"已讀"收藏
4. 高評分論文 → "收藏"收藏

寫作工作流：

1. 撰寫論文 → 創建"論文草稿"收藏
2. AI 建議要引用的相關論文
3. 引用的論文 → 自動標記
4. 發表後 → 移動到"我的出版物"

收藏模板

將收藏結構保存為模板：

文獻綜述模板：

• 基礎論文
• 方法論文
• 最近進展
• 批評和局限性
• 未來方向

立即應用於新項目。

批量操作

對整個收藏執行操作：

• 批量導出引用
• 使用 AI 批量總結
• 批量標記或重新標記
• 導出所有 PDF

智能通知

在以下情況獲得通知：

• 新論文匹配收藏規則
• 收藏達到里程碑（例如，100 篇論文）
• 添加高引用論文
• 協作者添加論文

定價和可用性

智能收藏現在在所有計劃中可用：

免費計劃：

• 5 個智能收藏
• 基本規則
• 手動更新

專業計劃（$12/月）：

• 無限智能收藏
• 帶 AI 的高級規則
• 自動更新
• 收藏模板

團隊計劃（$29/月/用戶）：

• Pro 中的所有功能
• 共享收藏
• 團隊模板
• 優先 AI 處理

用戶評價

開始使用

準備好嘗試智能收藏了嗎？

1. 更新 GeminiPaper - 功能在最新版本中可用
2. 觀看教程 - 5 分鐘視頻演練
3. 導入論文 - 上傳您的第一篇論文
4. 創建收藏 - 從一個簡單收藏開始
5. 讓 AI 幫助 - 接受 AI 的規則建議

訪問 GeminiPaper 智能收藏指南 了解詳細文檔。

下一步

我們不斷改進智能收藏。即將推出：

• 可視化規則構建器 - 拖放規則創建
• AI 建議的結構 - 最佳收藏組織
• 跨文庫搜索 - 跨多個用戶查找論文
• 收藏分析 - 您的研究模式見解
• 移動應用 - 隨時隨地管理收藏

了解更多

• 智能收藏文檔

今天使用智能收藏改變您的研究組織。免費試用 GeminiPaper。