AI agent 幫我追文獻、抓全文、評讀：在慈濟研究部講的一堂課

謝謝花蓮慈濟研究部的邀約，九月八號中午在協力樓和氣會議室講了一場 AI agent。中午時段還來了九十位左右，研究部、醫師、醫事人員、行政同仁都有，課前問卷收了 89 份，最擔心的三件事是「它講錯而我沒發現」、「個資會不會外洩」、「用了 AI 論文裡要怎麼寫」。所以這場就繞著這三件事排。

這篇把當天講的內容整理成文字版，給來聽的人回看，也給沒來的人一份完整版。課堂上有幾段因為時間被壓短了，這裡補完整。

AI agent 到底是什麼

用 AI 有三個層次。第一層是聊天框，把問題或論文貼給它，它回答你，資料要自己收集好、自己貼。第二層是 NotebookLM 這類，可以把一疊資料丟給它，它從固定的來源找答案。第三層才是 agent：它有手，可以開你電腦裡的檔案、跑程式、上網查、把結果存回你的資料夾。聊天框只能給你答案，agent 可以把事情做完。

它住在你的電腦上，只拿得到你給它的那個資料夾，每一個動作都可以要求它先問過你再做。所以「怕它控制我的電腦」這件事，答案是權限是你給的，可以只給一個資料夾。

整場最重要的一句話：AI 是人，它操作的是電腦。把它當一個人相處，很多規矩自己就推得出來。

跟它合作的四個原則

後面每一條規矩都從這四條來，記住這四件事，細節忘了也推得回來。

一、AI 是人，它操作的是電腦。 人接得住模糊、需要判斷的事，但慢、要花錢、每次講的話都不太一樣。程式是電腦，快、不花錢、給 A 永遠出 A，但只做你寫死的那件事。所以模糊的交給它，重複而確定的，叫它寫成程式再交給電腦跑。課前有人問「每個月統計醫院發表篇數」，這就是典型：叫 AI 寫一次程式，以後每個月都是電腦在跑，不要每個月叫 AI 算一次，它會算錯、算很久、又花錢。當天這題現場投票，四十一個人全部選對。

二、生成便宜，修補昂貴。 以前寫程式很貴，所以壞了就修補。現在生成很快，重做常常比修補簡單。所以計畫書比以前更重要：先寫清楚，再開工。工程界叫這個 SDD（Spec Driven Development），把這個字記下來回去問你的 AI 就好。

三、它會漂，但有錨就拉得回來。 每一步 95 分，做十步之後 0.95 的十次方剩 60 分。所以要有一份寫下來的計畫書，叫它每一步回去對「這一步對得上第幾條」。寫下來的那份就是錨。

四、AI 不碰原始資料，程式才碰。 在你自己的電腦上，用 AI 設計程式、寫程式、用假資料測程式；在醫院的電腦上，用程式跑病歷資料，AI 不在場。程式是在本機運算的，不會把東西送出去。這條在醫院一定要講。相關的法規我之前查過一輪，寫在這篇。

學術工作上，它已經能走完哪幾步

每一件事都用同樣的三拍講：我原本怎麼做、現在交出去哪幾步、我還留著哪一步。留著的會越來越少，因為連判斷都拆得開。

一、每個月追新文獻

原本：訂期刊通知信、掃標題、存進待讀清單。待讀清單越積越長，最後沒有人讀。

交出去：它每天掃新文獻，照我的興趣排序，放上一個網頁。「我的興趣」是一份寫下來的檔案，不是它猜的，所以排序會跟著我的興趣改。

我留著：勾哪幾篇真的要讀。一週看一次，五分鐘。工具是論文雷達。

二、抓回全文

原本：一篇一篇進圖書館系統點。

交出去：勾好之後它自己去抓，走四層階梯，只走合法的路：①免費全文（Unpaywall、PubMed Central）②出版社授權的文字探勘 API，用自己申請的金鑰 ③醫院館藏，走圖書館的遠端認證，嚴格限速 ④程式驗抓到的是不是「那一篇」，比 DOI、比標題，不是就退件。

這裡要特別講一下，也是圖書館同仁最擔心的事：用 AI 大量下載文獻，違反圖書館跟出版商簽的合約，會讓全院的 IP 被封。所以每一層都有節流，一次一篇、間隔幾秒、被拒就退避。工具是我自己寫的，程式碼公開在 paper-fetch，節流那一段請照抄。

我留著：幾乎沒有。

三、整理成可以查的筆記

交出去：兩支工具，兩種讀法。Paper Digest 是內容平讀，產出教學式筆記，問題、方法、發現、限制，每個重點附頁碼，再加一組複習卡隔幾天考我。Paper Review 是深度評讀，期刊可不可信、作者過去的紀錄、參考文獻逐條查、journal club 講稿。讀完一篇一則進筆記庫，連到哪一則主題筆記也是它提議、我點頭。程式碼在 paper-review-and-digest。

我留著：讀進腦子。

收：判斷也拆成兩種

留著的那一步「判斷它寫得對不對」，本身也是一個流程。是流程就可以拆解，拆解之後就可以交出去。拆得成指標的（頁碼對不對得上原文、數字有沒有變、重跑會不會錯）交給程式；拆不成的（這篇評讀公不公允）換一個模型交叉、不合就仲裁。最後真的留給我的，只剩閱讀與吸收。

把腦中的規矩變成工具

大家做研究都寫過 protocol，但 protocol 沒有寫到它能照著跑。差的那幾行，就是一張交班單：怎麼驗收、誰負責。

先講清楚：五個欄位

講清楚一件事只要五格：目標（要什麼）、背景（為什麼、給誰用）、素材（它可以拿什麼）、完成的樣子（做出來長怎樣）、誰驗收（怎樣算做完）。這五格你早就寫過，那叫交班單。它也要讀交班單：先叫它讀一遍，再問它缺什麼。

當天問大家平常請 AI 做事會講到哪幾格，「誰驗收」是最少人講的那一格。其實你的目標就是你的驗收；想不到怎麼驗收的時候，叫它從目標幫你生一份驗收清單就好。

示範：排班

有人課前問排班。我用自己科的規則做範例，對著手機碎碎唸十分鐘，週末怎麼分、什麼叫公平、QOD 不能連值，然後跟它說「先不要動手，一次問我一題，問到你弄清楚為止」。它問完，三十分鐘做出一個排班程式，可以輸入每個人這個月在不在、值班上限、跑出來檢查有沒有撞到、週末一整年分布平不平均。三十分鐘換一整年，後面每年都收回來。

重點是要有檢核器：故意排錯一份，看它抓不抓得到。這是驗證的方法，也是四原則第一條的落地：判斷交給它，檢查交給程式。

為什麼要寫成檔案

很多人說 ChatGPT 教過又忘。那是因為只留在對話裡：對話一長就被擠掉，開新對話從零開始，同一句話講第三次。寫成一個檔案，它每次開工先讀這個檔，結果每次一致，改規則就改檔案，不用重教。同一句話講到第三次，就該搬進檔案。這也是為什麼要讓它在你電腦裡跑：每個專案一個資料夾放它的記憶，它不會撈錯地方。

講不出來的時候

有些判準自己講不出來。我的做法是從對話紀錄反推：我批別人稿子時反覆講的那幾句，就是我的判準，讓它從往來紀錄把這幾句整理出來，比我憑印象寫的完整，而且有例子。三條界線：事前取得對方同意、產出是我自己的判準檔不外流不上架、沒同意的對話連丟進去都不行。

請它做系統性回顧，要注意什麼

這是研究部的主場，講得多一點。

起手式：先叫它去學

別問它能接哪幾步，先叫它去讀 PRISMA 2020 跟 Cochrane Handbook，讀完對著你的題目寫可行性分析（資料庫、預估篇數、要幾個人），再整理給你每一步怎麼做、誰做、怎麼驗收。你確認內容對不對，這一步才是你的。它會很嚴格、很誠實地照 handbook 執行，有時候嚴到超過一個 pilot study 需要的程度，這時候要不要做到那樣，是你決定，不是它。

分工：把它當第二、第三作者

篩選跟萃取要兩個 reviewer，我的做法是審閱者 A 用某一家公司的模型、審閱者 B 用另一家公司的模型，條件逐字相同，不合的時候第三個模型仲裁，人裁決不確定與衝突的那一疊。訓練方向不同，犯的錯也不同，所以要跨公司。

當天投票問「A、B 兩個模型盲篩，結果一致的那些篇可以直接納入嗎」，三十二人有二十九人答不行。對，一致不等於對，兩個都可能錯在同一個地方。什麼時候會一起錯？多半是你給的條件本身就錯了。醫院 conference 常講瑞士起司，很多層洞排成一直線才會出事，這裡一樣，要評的是這個錯的爆炸範圍多大，再決定要不要再審一次。

自己跑過一輪的教訓

• 原則：用程式留下紀錄。每一步的輸入輸出都落地，回頭查得到；不一致的不投票，追到具體的錯。
• 審查：三件不能省。逐字引用回原文找；一樣不代表對；抽樣只證明有問題，看到異常就普查。
• 紀錄：裁決附理由存成檔案，不留在對話裡；反覆對照需求，確認它照著走。

紅線與怎麼寫進稿子

官方立場是可輔助、不能當作者。Cochrane、JBI、Campbell、CEE 四機構 2025 年 11 月的聯合聲明加上 RAISE 指引：AI 做出或建議的判斷（去重、篩選、萃取）都要揭露，而且要嵌進對應的 PRISMA 條目，不是另開一節帶過。目前不支持沒有實質人類參與的生成式 AI 篩選。

寫進稿子的具體做法：PRISMA 流程圖的「紀錄篩選」跟「全文評估」兩個格子多寫幾句，AI 篩了幾篇、排除幾篇，人依排除條件排了幾篇，分開寫。方法段寫用哪個模型、哪個版本、什麼日期。規則檔、指令、程式附 supplementary，整段對話不用附。

怎麼知道它在編

課前問卷有人寫：「我下了『找不到就直接告訴我沒有』，它還是編出假資訊給我。」對，它會錯，而且錯得很自然，語言模型的目標就是把話講得漂亮。

數字：JMIR 2024 那篇，醫療文獻引用出錯的比例 GPT-3.5 是 39.6%，GPT-4 是 28.6%；限定資料庫加允許拒答加單一來源的設計下才降到零。零是設計出來的，不是模型天生的。

聊天框就能做的三原則

要出處：每個重點標頁碼或來源，要能翻回原文。就像寫論文每句話都要有 reference，你就會斟酌字句，它也一樣。允許拒答：明講「不知道就說不知道」。抽查驗證：隨機挑一條叫它把出處翻出來。

但抽查是人工。查核可以寫成程式。

把查核交給程式：四個例子

引用那題當天投票分歧最大。「AI 給你一條引用，最省力又可靠的第一步是什麼」，三十八人裡二十三人選「問 CrossRef 這個 DOI 存不存在」，十三人選「叫另一個 AI 查」。這裡把順序講清楚：先程式，後 AI。CrossRef 是程式，一秒一條、免費、確定；另一個 AI 是人，慢、花錢、會有主觀，但它能看出「這篇存在，可是不支持這個說法」。兩個都要，順序不能反。

還有一個不做的事：叫同一個模型「再檢查一次」。它檢查自己的作業，跟你檢查自己的作業一樣不可靠。驗算不是再算一遍，是換一條路、換一個人。

收成一句：讓 AI 做判斷，讓程式做計算與查核。它會錯，但我攔得住。

用了 AI，論文裡怎麼寫

JAMA Network 2026 年 8 月更新了規定，這是研究部最多人問的一段。

不准做的，揭露也沒用：把 AI 生的資料當成原始研究；用 AI 起草 Opinion、Letter to the Editor、線上留言；AI 生成或修改的臨床影像、插圖、影音（除非是研究設計的一部分）；審稿人把稿子丟進 AI；作者用 AI 回覆審稿人。參考文獻不建議用 AI 產生或排版，用一般的文獻管理軟體。

紅線是起草：人先寫初稿，它潤稿翻譯，可以。審稿沒有例外，貼進去就違反保密。

當天這題投票，十九個人裡只有五個人全對。最多人漏的是「用 AI 起草給審稿人的回覆」也在不准之列，還有「人先寫初稿再用 AI 翻成英文」其實是可以的。

可以做的，在 Acknowledgment 寫六件事：工具名、版本、廠商、使用日期、用在哪一段做了什麼、作者對正確性負全責。研究流程裡用的（篩選、萃取、寫程式）寫 Methods；潤稿、翻譯、摘要寫 Acknowledgment，且人先寫初稿；資料圖表寫 figure legend；拼字文法檢查不用寫。沒寫被抓到，退稿或刊後更正。

課前問卷的兩題直接答：用它把中文論文翻成英文，可以，人先寫初稿，Acknowledgment 寫工具、版本、日期、用在哪。把稿子跟文獻丟給它問我漏了什麼，可以，這是審閱不是代寫，同樣寫進 Acknowledgment。寫出來就沒事，藏起來才是問題。

明天早上第一句打什麼

• 只有聊天框：「先不要動手做。一次問我一題，問到你弄清楚我怎麼挑論文為止。」
• 想裝 agent：裝好後第一句：「這個資料夾裡有我的筆記，先讀一遍，告訴我你看到什麼。」安裝是最大的困難，裝完你就有一個隨時可以問的工程師。從哪開始看這篇。
• 想做系統性回顧：先把納入排除條件寫成一份檔案，再來找我。

費用與硬體一頁講完：免費網頁版就能做今天講的拷問法跟三原則；訂閱版含 agent 每月約 20 美元起，今天講的所有事都做得到；本地模型要買硬體，只有資料不能出本機時才有理由。一般筆電就夠，agent 跑的是你的電腦，吃力的計算在對方那邊。

課堂上沒答完的問題

側欄留言收了不少問題，當天沒答完的補在這裡。

• 被 reject 的修改紀錄，能不能變成審稿對手？ 可以，就是上面「從對話紀錄反推判準」那招：把歷次審稿意見跟你的修改整理成一份檔案，叫它每次投稿前用這份先審一輪。網頁版也做得到，agent 只是省掉複製貼上。
• Claude Code 跟 Codex 差在哪？ 兩家都成熟，選你訂閱的那家，做法一樣。真的要比，同一件事兩家各跑一次，留答對的，訓練方向不同，錯的地方也不同。
• 連圖書館資料庫抓文獻要注意什麼？ 館藏那一層走的是機構 IP 的遠端認證，擋的是程式行為：序列抓取、間隔至少十幾秒、被拒就自動退避，這些都寫在 paper-fetch 的 README。另外要有文件跟紀錄，抓了什麼、什麼時候抓的，查得到。
• Claude 標記自己生成的內容，有什麼影響？ 對正常使用沒有影響。它要抓的是整篇論文交給 AI 生成、一個字沒改的人，還有把 AI 協助藏起來不揭露的人。你有揭露，就沒有事。
• 互動系統是自己做的嗎，怎麼下指令？ 是。方法跟排班一樣：手機錄音十分鐘，當個慣老闆把你想要的全部講給它聽，它整理好你對一遍，加一句「你覺得我哪裡沒講清楚」，再叫它做。不用一開始就做到最好。

後記

這場的投影片、互動側欄、課前問卷分析到這篇整理，都是跟 AI 一起做的，錄音回放逐字稿也是它轉的。研究部同仁回饋最多的是「希望有實作」，這篇先把段落補完整，實作的部分之後想辦法～

三套工具都在 GitHub：paper-radar、paper-fetch、paper-review-and-digest。有單位想聽類似的內容，歡迎來問我喔～