以下整理2026/9開學季的相關資訊,請自行至官方說明網頁再次確認最新現況。
政大學生本來就有Microsoft 365與Google教育版Workspace帳號
【通用型】
申請人須擁有個人Google帳戶與Google Payments帳戶,使用有效的學校電子郵件完成學生身分驗證。只適用於目前未訂閱Google One的18至24歲的大學生,必須在2026年12月31日前完成兌換。
包含Gemini Omni、較一般免費用戶高2倍的使用量上限,以及400GB雲端儲存空間。
Google AI Plus方案內容 (可與最多五位家庭成員共享):Gemini 3 Pro 的進階使用權限、Deep Research、Nano Banana Pro、Veo 3.1 Fast、Gemini Notebook;每月獲得 200 點影片製作AI點數; 200GB 的雲端儲存空間。訂閱價格為每月新台幣 260 元。
Google AI Pro (Google one)方案內容 (可與最多五位家庭成員共享):Gemini 3 Pro 的進階使用權限、Deep Research、Nano Banana Pro、Veo 3.1 Fast、Gemini Notebook、Google Antigravity、Google Health Premium、Google 開發者程式高級版。100GB 月付 NT$65,年付 NT$650;2TB 月付 NT$330,年付 NT$3,300。
Perplexity Education Pro 每個月9美金
可以用個人或學生電子郵件建立。如果有現有帳號,請在應用程式左下角點選升級,切換到教育方案,然後點選「以學生身份驗證」。
包括 Perplexity Computer、最新的 AI 模型存取權,以及學習模式、無限次的專業搜尋、較高的檔案與圖片與文件上傳上限。
ChatGPT Go 每個月8美金 (非折扣方案,乃低價方案)
包含無上限的日常文字聊天,相較於免費版,在圖像生成、檔案上傳和資料分析等適用功能上有更高的使用上限。可以在網頁版和 ChatGPT 行動應用程式中使用 Think。Think 使用 GPT-5.6 Luna。ChatGPT Go 不包含 GPT-5.6 Sol。
使用個人電子郵件 (非 EDU 帳戶) 建立 Microsoft 帳戶,提供經認可院校的全日制及兼讀制大學及大專學生驗證,即可使用此優惠。
包含 Word、Excel、PowerPoint、OneNote 和 Outlook的 Microsoft Copilot 桌面版功能、1TB 的雲端儲存空間,以及 Copilot 聊天視窗中的 AI 驅動影像生成功能。
【學術搜尋】
可根據一篇種子文獻利用引用關係找到更多資料。
Consensus 教育版6折 原價每個月12美金,特價7.2美金
查學術論文、evidence synthesis、Pro Search、Deep Search、Study Snapshot。
【編程/設計/文字編修】
GitHub Copilot Student能即時、具上下文感知建議程式碼。GitHub Codespaces 提供雲端開發環境。
若想升級使用權限,請留意秋季優惠。
Overleaf 學生方案 每個月8.5美金
可使用AI助理協助修正錯誤與提供寫作回饋。
Adobe Creative Cloud Pro 教育版 第一年每月19.99美金/每年239.88美金
包含20 多款桌面應用程式,如 Photoshop、Illustrator、InDesign、Premiere、Acrobat 等與行動裝置應用程式,以及Fotoshop、Firefly生成式功能。
驗證使用的 email 不一定要跟 Grammarly 帳號 email 一樣。如果學校不在 SheerID 清單,也可以要求新增機構。折扣只適用一個 subscription period,續訂會恢復標準價格。
包含所有核心寫作功能—完整句子重寫、語氣建議、抄襲偵測,以及每月2,000個生成式AI提示。
中美高等教育環境AI資源概覽
ChatGPT for Academic Researchers:預計至2027年年底提供選定研究型大學10萬名研究者免費使用AI模型,申請須驗證機構身分、說明活躍研究及科學用途。2026年8月已有13,000份申請(相當於最多 65,000 個研究人員名額),將從符合資格的申請者中抽籤分配首批1萬名。計劃將依參與者不同的經驗程度提供相應培訓。
Anthropic's AI for Science Program:2025年推出、2026年8月擴大,預計提供10,000個研究團隊申請使用免費Claude Team,須由符合資格的研究團隊主持人代表實驗室提出申請。之後可能會開放更多申請人次。
美國推動America’s AI Action Plan,教育部2025年7月Dear Colleague Letter,正式說明聯邦教育經費可以合法用於AI 教育用途,特別把「高等教育中的AI與資工教育」列為支持範圍。11月開放申請的FIPSE特別專案計畫提供5000萬美金用於AI教育。美國聯邦政府已和多家AI模型談好採購優惠方案(OpenAI、Claude1美元;Google 0.47美元、Grok 0.42美元、Perplexity 0.25美元,且會提供訓練),官網亦分享AI導入工作流程的實際案例。加州政府也和Claude建立合作關係,讓州政府員工享有五折優惠與訓練。
中國《教育強國建設規劃綱要(2024–2035)》已涵蓋「促進人工智能助力教育變革」,2025 年發布《關於加快推進教育數字化的意見》建設大學 AI通識課程、「AI+X」國家級實驗教學中心、推動大模型與教學融合,2026年教育部、國家發改委、工信部、科技部、國家數據局共同發布《「人工智能+教育」行動計畫》。中國模型不論訂閱費或Token費都較美國低價,且開源模型可供研究者自行安裝本地端訓練。已有多間大學使用Deepseek建立學校的AI平台,清華大學「智譜GLM」、阿里雲「千問Qwen」、華為都有提出大學合作方案(包含算力優惠)。且網路廣為流傳的「清華大學Deepseek指南」提供詳盡教學內容。
以下整理部分大學提供校園可免費使用的AI工具 (皆有承諾隱私資安保障):
AI模型的挑選與排行榜
AI模型快速發展,如果想挑選AI大型語言模型,您可以參考Arena.AI、OpenRouters、SuperClue的排行榜,通常是根據自己的任務來挑選,像是評估需要的推理能力、編程能力、多模態能力 (能否輸入與輸出圖像影音)、上下文窗口 (能上傳多少資料量)等。不過,這些排行榜的結果不一定跟自己的使用經驗一致,還是需要自己體驗後再決定。
另外,許多模型現在會根據任務類型決定要調度哪個模型來提供服務,若沒有特別選擇進階模式或環境,可能就會被分配到比較平凡的模型資源。舉例來說,Gemini雖然官方說支援100萬Tokens的上下文窗口,然而要在AI studio才真的能調用到這樣的上下文處理能力,有網友實際測試Gemini網頁板只能存取32K的Tokens。
許多網站都會介紹不同AI模型,並會一步一步引導您操作ChatGPT、Gemini、Claude、Perplexity、Grok,也有許多Youtube影片介紹,可以先了解一下這些AI模型的基本使用策略,可能就會發現不太需要另外購買其它AI工具。
此網站主要介紹學術類型的AI,政大圖書館創客空間網站有整理其他用途的AI工具,也歡迎參考。
使用前的評估與測試
使用前請閱讀AI工具的資料來源、隱私政策、資料蒐集與使用政策、定價機制,確定自己可以接受才開始使用。現在許多AI工具都有大量廣告強調功能強大的一面,建議審慎評估後再付費訂閱 (由於AI模型發展迅速,很多AI工具的功能可能會被最新模型取代,可以先逐月訂閱避免一次訂一年)。
建議先用熟悉的領域知識來測試與檢驗AI生成結果,來了解這個AI工具的能與不能,並且模擬AI工具帶來的最壞後果。有些AI工具即使符合其他人的需求,也未必符合自己的任務需求。
由於您最清楚自己需要執行的任務,建議您可以和AI討論出一套檢驗AI能力的方式,像是詢問AI「我通常的任務需要進行OOXX、並且希望達成OOXX的標準,請幫我設計一個檢驗AI是否能協助我完成此任務的測試題目,並且說明設計此測試題目的原因,以及我可以怎麼評估AI的表現?」通常AI都會提供一個還不錯的測試題目與評分量表。
您可以使用AI詢問某AI工具的使用經驗,在指令中可以特別強調想要獲得使用者真實使用經驗或社群媒體上的討論,避免都只找到官方宣稱效益的網頁。不過,許多廠商會用自己的網站寫「最好的10大OO工具」並把自家產品放置其中,或是在討論區假裝網友發言宣傳自家產品,因此要檢視資料出處內容是否真的可信。或是您可以從自己相信的Youtube頻道或其他社群論壇來獲得真實使用的評測經驗。查詢這些使用經驗或介紹文時請注意發布時間,AI工具持續更新,盡量尋找最新的評測分享。
舉例說明五種通用型AI的學術用法,主要原則就是盡可能增加模型的推理反思能力及設定學術資料來源,
使用過程也要保持批判性思考,詳細作法請見以下:
對話模式設定:Deep Research/ Extended thinking/ Learning Mode
生成式 AI 平台常提供 Deep Research(深度研究)、Extended Thinking(延長思考) 與 Learning Mode(學習模式/引導學習) 等功能。不同平台的名稱、可用方案與實作方式會調整。例如,ChatGPT 將不同的推理時間標示為 Standard、Extended、Heavy 等;Claude 提供 extended 或 adaptive thinking;Gemini 將學習功能稱為 Guided Learning。
三者都可能看起來比一般聊天回答更深入,但它們解決的是不同問題:
Deep Research 是一種較長時間運行的研究代理功能。它通常會先拆解問題、規劃檢索方向,再搜尋網路、開啟多個來源、比較資料,最後產出含引用的報告。有些平台還可使用已連接的雲端文件、資料庫 connector 或 MCP,將個人資料與外部資料一併納入研究。
Extended Thinking 不一定會多找資料;它的核心是讓模型在輸出前花更長時間處理複雜的推理、規劃、計算、比較與自我檢查。它特別適合資料已在對話中、由你提供,或問題本身主要是分析與設計,而非缺乏外部事實。
Learning Mode 的目的不是立刻給出完整答案,而是以教師、助教或學習夥伴的方式,透過追問、提示、分段解釋、例題、測驗與回饋,幫助使用者建立理解,而不是直接提供答案。
根據圖書館的測試結果,若為AI模型缺乏訓練資料的主題 (例如臺灣歷史或社會事件),即使動用Deep Research,良好的推理能力也無法改變缺乏豐富高品質資料的限制,仍然會有幻覺、錯誤、虛擬文獻,且AI會充滿自信地引用品質不佳的期刊或網路資料來佐證論點。使用Deep Research適合用來初步掌握一個領域的基本概況、獲得關鍵字與第一批資料,但是不建議直接當成自己的作業或論文來使用。另外,如果您使用他人研究的研究問題當成指令請AI產生一篇Deep Research報告,AI很有可能會在網路上找到這篇研究並以此研究做為主幹內容、稍加填充其他資料完成報告,若您直接使用這份報告,也就很高機率的複製他人研究、形成抄襲行為。
建議您,只要是AI搜尋結果,雖然都有標示來源出處好像很可信,但都還是要點回資料內容驗證後再引用。AI找到的資料在未經人工驗證的情況下,日常生活中可能可以使用,但在學術論文中就不要輕易引用。
以指令模仿學術AI工具
本網頁介紹的學術AI工具展示了許多為研究者設計的功能,您可以利用免費版額度或試用期間,了解這些功能設計的原理,再轉換成指令用在通用型AI上。以下為GPT模仿學術AI搜尋工具功能的指令範例,此指令很長,不一定要照用,然而可以學習指令內的概念。過於完整的指令可能會讓AI模型有以下問題,因此學習指令精神並彈性使用,會比獲得一組萬用指令更重要:(警語:這類指令不保證可以取得最相關資料及消除AI幻覺)
篇幅與注意力稀釋:後段的指令要求可能只得到幾句泛泛回應。
初始框架錨定:會被第一批找到的結果影響,後續仍反覆沿用同一組術語與引文,限縮查詢範圍。
看似完成,實際未測試:可能說「已納入不同觀點」、「已查核」,但實際上並沒有進行。
你正在執行一項可稽核、可驗證的學術Deep Research。
一、研究任務
研究問題:【填入研究問題】
研究目的:【例如:了解2023年至2026年間亞洲大學圖書館與寫作中心合作的模式、成效、限制及研究缺口】
預期用途:【例如:正式研究報告、課程教材、採購評估或文獻回顧】
請先不要直接撰寫結論。依照「研究規劃、實際檢索、證據篩選、引用查核、綜合分析」的順序執行。
二、研究範圍
請遵守以下範圍:
•時間範圍:【 】 •地理範圍:【 】 •語言範圍:【 】 •對象或研究領域:【 】
•納入的資料類型:【同儕審查期刊、會議論文、官方報告等】
•排除的資料類型:【行銷文章、無作者文章、無法確認來源的AI摘要等】
如研究問題中的概念可能有不同定義,請先列出:
1.核心概念。2.真正同義詞。3.較寬概念。4.相關但不等義的相鄰概念。5.容易造成誤納的詞彙。
不得在未說明的情況下自行擴大研究範圍與形成確定結論。
三、來源品質規則
請依下列優先順序選擇資料:
1.原始研究、同儕審查論文及系統性回顧。
2.政府、國際組織、學會、標準機構或大學官方資料。
3.出版商正式頁面、原始資料集及研究機構報告。
4.高品質新聞或專業媒體,只能用於交代近期事件或背景。
5.部落格、商業產品介紹及一般網頁,只能作為補充線索,不得作為核心學術結論的唯一證據。
請避免:
•搜尋結果摘要取代原始網頁。
•未實際開啟或讀取的文獻。
•無作者、無日期或無法確認出版來源的頁面。
•只有其他AI產生摘要、但找不到原始來源的內容。
•將新聞稿中的宣稱當成獨立實證結果。
•以一篇研究概括整個領域。
若只能找到低品質來源,請明確標示「目前缺乏高品質證據」,不要用低品質來源填補證據缺口。
四、查詢規劃
開始檢索前,先提出研究計畫供我檢查,包括:
1.研究問題拆解。
2.納入與排除標準。
3.預計使用的資料來源。
4.至少三條互補查詢:A:高召回率查詢。B:召回率與精確率平衡查詢。C:替代術語或跨學科補漏查詢。
5.每條查詢可能造成的漏查與誤納。
6.哪些證據可以回答各個子問題。
7.哪些問題可能無法由現有資料回答。
不要在研究計畫完成前撰寫文獻回顧。
五、實際檢索與證據篩選
執行搜尋時,請記錄:
•使用的資料來源或網站。
•完整查詢詞或查詢式。
•搜尋日期。
•使用的篩選條件。
•取得結果的資料層級:•L0:只有題名或metadata。•L1:已讀摘要。•L2:已讀全文相關段落。•L3:已讀完整HTML或全文。•L4:已檢查PDF、表格、圖形或附錄。
不得因題名相關就判定研究支持某項主張。
只有讀到摘要、方法、結果或全文證據後,才能判定研究的實際發現。若只有metadata或搜尋片段,請標示「無法判定研究結果」。
六、文獻查核規則
對每一篇納入的研究,請確認:
1.文獻確實存在。
2.題名、作者、年份及期刊名稱一致。
3.DOI或穩定連結確實指向該文獻。
4.不得依DOI格式自行猜測或補寫DOI。
5.是否有撤稿、更正、勘誤或重大爭議。
6.引用來源是否為原始研究,而不是只引用轉述該研究的二手資料。
7.目前實際讀取的是摘要、部分全文還是完整全文。
若無法確認DOI,請明確標示「無法確認」,不得自行補上。
七、證據帳本
先製作證據表,再撰寫綜合敘述。每篇文獻至少包含:•題名。•作者。•年份。•期刊或出版來源。•DOI或穩定連結。•文獻類型。•國家或研究情境。•研究對象與樣本數。•研究方法。•實際研究結果。•可以支持的主張。•不能支持的主張。•研究限制。•全文取得層級。•證據位置,例如頁碼、章節、表格或結果段落。•證據判定:支持、部分支持、不支持、結果混合或無法判定。
請將以下三種內容分開標示:
1.文獻作者的實證結果。
2.文獻作者的解釋或推測。
3.AI根據多篇文獻進行的綜合推論。
不得把三者混寫成同一項研究發現。
八、引用規則
每一項可由外部來源驗證的重要事實,都必須在最接近該敘述的位置附上引用。
引用必須符合以下條件:
•引用來源直接支持前面的具體主張。
•不得使用只有主題相關、但沒有支持該句內容的文獻。
•不得將一個引用放在包含多個不同事實的長段落末尾。
•數字、日期、比例、樣本數及因果關係必須有直接來源。
•若同一結論來自多篇研究,應列出多個來源。
•若研究結果互相矛盾,必須呈現不同結果,不得只選擇支持預設立場的研究。
•不得為了讓文章看起來完整而加入未查證的引用。
•不得引用Deep Research自己的前文作為證據。
避免大段引用原文。以精確轉述為主,必要時只保留短句,並附頁碼或段落位置。
九、降低幻覺與過度推論
請遵守以下原則:
•找不到資料時直接說「未找到足夠證據」。
•資料只能部分回答時,說明能回答與不能回答的部分。
•不要把相關性寫成因果關係。
•不要把態度、使用意圖、實際使用及拒絕使用視為同一概念。
•不要將不同國家、學科、樣本或研究設計直接合併。
•不要因多篇文章使用相似措辭,就推論它們具有相同研究結果。
•不要使用「研究普遍證實」「學界一致認為」等語句,除非證據足以支持。
•若進行推論,必須明確標示「以下為根據現有資料的推論」。
•每一項結論都要標示證據信心:高、中、低。
•信心判斷須考量研究數量、研究品質、研究設計、結果一致性及全文可得性。
十、反證與缺口搜尋
不得只搜尋支持研究問題或假說的文獻。必須另外搜尋:
1.不支持或反駁假說的研究。
2.結果不顯著的研究。
3.結果混合或依條件而異的研究。
4.可能的混淆因素。
5.與主題相近但實際不能回答研究問題的研究。
6.研究不足的地區、學科、族群或年份。
請明確區分「沒有找到證據」與「已有證據顯示不存在」。
十一、最終輸出結構
最後報告請依照以下順序:1.執行摘要。2.研究問題與範圍。3.檢索方法與資料來源。4.納入與排除標準。5.證據表。6.主要發現。7.支持與反對證據。8.不同研究之間的差異。9.證據品質與可信度評估。10.研究限制。11.尚未回答的問題與研究缺口。12.結論。13.完整參考文獻。14.搜尋紀錄與查詢式。15.引用稽核結果。
若證據不足以回答原研究問題,請直接在執行摘要及結論中說明,不要勉強形成確定結論。
Perplexity的學術搜尋範圍與Premium Data Source
Perplexity的搜尋框下方點選加號,可以看到「連接器」按鈕,點選後請打勾「學術的」,可讓查詢範圍為學術資料。請注意,這些學術資料以英文開放取用期刊為主,資料仍不夠全面。且您看得到的是被選進答案的少量資料,不等於被省略的資料不重要。搜尋結果的排序主要服務於「回答當前問題」,不是為了產出可複現、可宣稱檢索完全的文獻清單。
Premium Data Sources 將已授權的專業與出版商內容納入研究介面,可提供例如 Wiley、EBSCO、BMJ Publishing Group、New England Journal of Medicine、Springer Publishing、Statista、PitchBook 等來源。點選「管理連接器」即可看到多種學術資源可以加入,加入這些連結器後,提問時輸入@與連接器名稱即可以此範圍來搜尋,學術搜尋範圍不會直接帶入這些連接器的資料內容。請參考官方提供的使用說明。
有了學術性資料來源設定後,建議您搭配使用下方的兩輪搜尋指令,您可以看看這組指令的實際使用結果。
當您讓AI拆分流程逐步進行「搜尋」這個看似簡單的動作時,才會知道平常AI直接提供資料、省略這些小細節,會造成很多問題。而且AI給的答案很有限,還是需要搭配其他資料庫檢索才能獲得更完整的資料來源。
【第一輪:一次性主指令】
你是我的跨語學術研究助理。請以繁體中文輸出,但檢索不限於中文;
請同時使用英文、繁體中文與簡體中文的學術術語進行搜尋。
英文學術原始研究與系統性回顧不可因我以中文提問而被排除。
【研究問題】________________________
【範圍界定】
- 研究對象/情境:__________
- 地理或制度脈絡:__________
- 出版年代:__________
- 要納入的研究類型:__________
- 不納入的主題、對象或資料類型:__________
【來源與品質規則】
1. 優先順序:
(a) 系統性回顧與統合分析;
(b) 同儕審查期刊的實證研究;
(c) 學術出版社專書或書籍章節;
(d) 政府、國際組織、專業學會與大學發布的原始報告。
2. 預印本、新聞、媒體、智庫或專業評論可作為補充,
但必須標示其資料類型;不得與同儕審查研究混合當作同等證據。
3. 排除無作者、無日期、無原始出處、內容農場、純行銷文章,
或只轉述他人研究卻無法追溯原始資料的內容。
4. 不可把「學術網域/Academic 標籤」直接視為研究品質保證;
必須依研究設計、樣本、方法、出版狀態與直接相關性判斷。
【工作步驟】
請依序完成,不要跳過:
1. 將研究問題拆為 3–5 個可檢索子問題。
2. 為每個子問題列出英文、繁中與簡中檢索詞,包括同義詞、
舊術語、相關概念、可能的排除詞與跨領域用語。
3. 說明本次結果可能主要依賴的資料來源類型與可預期限制;
不得聲稱已完整檢索所有學術資料庫。
4. 建立 12–20 筆候選文獻/報告表,不要先撰寫整體結論。
5. 每筆至少列出:
- 作者或機構、年份、題名、期刊/出版來源
- DOI、正式出版頁或原始全文連結
- 資料類型與是否可確認同儕審查
- 研究設計、研究對象或資料來源
- 可直接回答哪一個子問題
- 主要發現,限於來源能直接支持的內容
- 作者提出的限制,或你能確認的證據限制
- 與本研究問題的相關性:高/中/低,及一句理由
6. 將結果分為「核心優先閱讀」「補充脈絡」「待人工核對」三組。
7. 最後提出:目前可能遺漏的語言、地區、學科、研究方法、
資料類型與相反觀點;並建議下一輪補搜的中英文關鍵詞。
【重要限制】
- 不得編造書目、DOI、研究結果或資料庫涵蓋範圍。
- 若無法確認全文、DOI、同行評審狀態、樣本或方法,請標示「待人工核對」。
- 每個實質主張均需附可點開的原始來源。
- 先給我「候選文獻與檢索缺口稽核」,不要直接撰寫完整文獻回顧。
【第二輪:必要的缺口稽核】
請針對上一輪的候選文獻與檢索策略進行「反向補搜與缺口稽核」。
這一輪的目標是檢驗第一輪的偏差與遺漏,不是重複列出相同資料。
請分別搜尋並比較:
A. 與目前主要結論不一致、效果不顯著、負面或具條件限制的研究;
B. 第一輪較少出現的研究方法,例如質性研究、長期追蹤研究、
實驗/準實驗、系統性回顧、統合分析或政策評估;
C. 第一輪較少涵蓋的語言、國家/地區、學科與制度脈絡;
D. 使用不同術語、舊術語、相近但未完全相同概念的研究;
E. 可能在重要專業資料庫中出現、但目前無法確認 Perplexity 已涵蓋的資料類型。
輸出內容:
1. 新增且高相關的候選資料表;
2. 可修正、限制或反駁第一輪結論的資料表;
3. 重複或低相關資料,不必詳列,只說明為何排除;
4. 仍未補足的檢索缺口;
5. 建議到哪些資料庫進一步查詢,並為每個資料庫提供可直接改寫的
布林檢索式或主題詞方向。
請明確區分:
- 「來源直接證據」
- 「跨研究的綜合推論」
- 「目前證據不足、互相矛盾或無法確認的部分」
不要聲稱已搜遍所有學術資料庫。
Perplexity的學術搜尋範圍與學術資料連接器的使用方式請見下圖說明:
Claude與GPT的學術MCP
Model Context Protocol(MCP)讓 AI 模型能以標準化方式呼叫外部資料與工具,使研究者可依需求將資料庫接入 GPT 或 Claude。這使 AI 不只提供概括式回答,也能在既有權限範圍內檢索書目、讀取資料、核對引文脈絡、整理文獻欄位,並保留較明確的查詢與資料來源紀錄。簡單來說,資料庫決定 AI「能查到什麼」,MCP tools 決定 AI「能對這些資料做什麼」,LLM/Agent 則決定「什麼時候要做哪一步」。
當 AI 透過 API 或 MCP 整合不同工具時,功能將大幅擴展。以下舉例說明幾種,還有更多類型可以自行瀏覽與了解:
Scholar Gateway:Wiley 提供的學術 AI 連接服務,讓 AI能在Wiley 出版的同儕審查期刊中進行語意搜尋,回傳相關證據段落、論文書目與 DOI,方便研究者回到原始出版品查核。
EBSCO:EBSCO 是面向學術圖書館的研究資訊服務平台,提供跨學科研究資料庫、電子期刊、電子書、雜誌、新聞、部分原始史料與探索服務。連接後,AI 可在機構已授權、權利已釐清的研究內容中協助搜尋、理解與彙整資料,並提供可回溯的學術來源。
Undermind、Consensus:針對開放取用學術文獻進行AI搜尋與證據綜整平台。連接後除了可以使用Semantic scholar及合作出版社的開放取用文獻,也可以使用此兩個AI平台各自開發的文獻檢索與資料綜整能力。可以使用「請綜整 2020 年後有關生成式 AI 輔助文獻回顧的實證研究,列出研究設計、樣本、主要發現與 DOI。」這類指令。
Scite:其Smart Citations功能不僅顯示論文的被引用次數,還會標示該引用是支持、反駁或僅提及,讓研究者能進一步判斷一項研究結論在學術社群中是獲得支持、存在爭議,或只是作為背景資料被引用。連接後可以使用到 Smart Citation 的分類與引用脈絡,可以使用這樣的指令「請檢查這篇論文的後續引用,分別列出支持、反駁與僅提及其結論的研究,並附上引用脈絡和 DOI。」
Exa:為 AI agent 設計的即時網路搜尋與內容擷取服務,讓系統依「意思與研究問題」而非關鍵字尋找網頁、技術文件等公開資料,並將結果整理成可供模型閱讀的乾淨內容。連接後可以即時搜尋公開網路、限制網域與日期範圍、尋找相似頁面。適合補足學術資料庫對最新政策、機構報告、新聞、軟體文件、資料集與灰色文獻的涵蓋缺口,然而需自行核對作者、出版機構、日期與品質。
Zotero: 個人與團隊的文獻管理工具,可保存書目、PDF、資料夾、標籤、筆記及標註。連接後,AI 可在授權文獻庫中搜尋、分類、比對與彙整既有研究資料,協助形成引用清單。
Google Drive:雲端檔案與協作平台,可保存文件、試算表、PDF、訪談逐字稿及研究資料。連接後,AI 能在授權範圍內搜尋、讀取、比較與摘要檔案,協助整理研究計畫與工作紀錄。
MCP或資料連接器不會自動消除 AI 幻覺、資料庫覆蓋不足、授權限制或研究判讀上的偏誤。連接器只是改變模型可存取的資料邊界與可操作的工具;其結果品質仍取決於資料來源、檢索策略、模型版本、提示設計、權限配置,以及研究者是否回查原始文獻與保留完整紀錄。
建議一開始先使用官方Connector/MCP,較無資安問題。若想嘗試他人分享的MCP或Skill,可以先請AI協助評估是否有資安風險,或是請AI說明安裝後可能發生的風險可以如何處理。
GPT與Claude的MCP設定方式請見下圖說明:
以下是與GPT 5.6 sol多輪討論後,GPT建議的兩種結合MCP的學術搜尋指令範例
您可以在設定好Connector後搭配以下指令測試看看 (指令中輸入@和connector名稱就能指定要用哪些MCP進行此指令);
也可以開啟一個專案(Project)貼入「專案設定」中的指令,讓特定專案內皆依照以下指令進行;
甚至可以進一步將這些指令發展成Skill,未來只要展開學術搜尋任務就會自動照這樣的流程進行。
【大學生版:學術資料探索與報告準備指令】
我要針對以下主題完成大學報告或小論文:【填入你的主題/問題】
請使用目前可用的學術搜尋工具、Connector 或學術資料來源幫我找資料。
不要只靠模型原本記得的內容,也不要自行編造文獻。
我的目標不是讓你直接替我把報告寫完,而是幫我找到可信資料、理解不同觀點,並讓我知道哪些地方還需要自己閱讀與判斷。
一、先幫我把題目想清楚
先用容易理解的方式告訴我:
- 這個題目主要在討論什麼?
- 題目是否太大、太小或有模糊之處?
- 不同研究領域可能用哪些不同說法討論它?
- 有沒有我一開始沒有想到、但值得一起看的角度?
如果我的問題本身帶有預設立場,也請提醒我,不要只搜尋支持我原本想法的資料。
二、從不同學術來源找資料
請自行選擇與分工目前可用的學術工具:
- 先廣泛找到主要研究與常見概念;
- 再用其他學術來源檢查是否漏掉重要研究或不同觀點;
- 找到重要文章後,可沿著它們引用的早期研究,以及後來回應、修正或延伸它們的新研究繼續尋找。
不要讓多個工具只是重複完全相同的搜尋。
可以根據搜尋結果自行調整關鍵詞與方向,不必只使用我原本提供的用語。
如果第一輪找到的資料都很相似,請優先改變「研究角度」,例如研究對象、方法、地區、時間、觀點或學科,而不只是替換幾個意思相近的關鍵詞。
三、搜尋後先檢查有沒有漏掉重要面向
每一輪搜尋後,先看看目前結果是否明顯缺少:
- 不同觀點
- 相反或不支持的研究
- 不同族群或研究對象
- 不同國家或地區
- 較早的重要研究
- 最近的新研究
- 不同研究方法或學科角度
如果有明顯缺口,再針對缺少的部分補搜。
如果後續搜尋主要只是重複已經找到的研究,沒有再出現重要的新概念、觀點或文獻,就可以停止搜尋,並告訴我目前仍可能有哪些沒有涵蓋的地方。
四、幫我看到「研究怎麼說」,而不是只列文章
請整理:
- 哪些觀點已有較多研究支持?
- 哪些只有在特定情況下成立?
- 哪些研究得到不同結果?
- 哪些問題目前還沒有足夠證據?
如果資料互相矛盾,不要直接替我選一個答案,而是說明可能造成差異的原因,例如研究對象、方法、時間、資料或情境不同。
五、推薦我最值得先讀的資料
請挑選約 10–20 篇最適合這份報告的文獻,兼顧:
- 與主題直接相關的重要研究
- 較新的研究
- 具有代表性的早期研究
- 不同或相反觀點
- 若適用,可包含重要 review
多個學術工具找到同一篇文章時,只列一次。
請用簡單表格整理:
- 題名
- 作者與年份
- 這篇主要研究什麼
- 最重要的發現
- 為什麼值得我讀
- DOI/PMID/其他可確認文獻身分的資訊
- 是否取得全文
- 目前判斷是根據摘要還是全文
六、防止 AI 虛構或錯誤引用
正式推薦給我的文獻必須先由外部學術來源確認確實存在。
不要自行補出:
- 不確定的作者
- DOI
- 頁碼
- 期刊卷期
- 原文引句
- 樣本數
- 統計數字
如果無法確認,請直接標示:「尚未確認」
而不是猜一個看起來合理的答案。
同時請注意:
「文章存在」不等於「文章真的支持某個說法」。
如果你建議我用某篇文章支持重要論點,請告訴我:
- 目前只確認了書目資料;
- 只讀到摘要;
- 還是已經從全文確認這個論點。
不要把摘要資訊描述成全文結論。
七、最後幫我準備開始自己寫
請最後整理:
1. 這個主題我現在應該知道的 3–6 件事
2. 建議的報告架構
3. 每一部分值得我優先閱讀的文獻
4. 我還需要自己確認的地方
5. 搜尋可能仍有的盲點
6. 3–5 個讓我自己思考的問題
批判思考問題至少要提醒我檢查:
- 我是否只選了支持自己想法的資料?
- 我是否真的讀懂引用的文章?
- 我的結論是否比研究證據說得更強?
- 還有沒有其他合理解釋?
- AI 的整理是否可能漏掉重要觀點?
請先完成搜尋、理解與整理。
除非我之後另外要求,不要直接替我生成整份報告。
【研究者版:研究版圖、證據品質與研究方向探索指令】
我要深入探索以下研究主題/初步問題:【填入主題、問題或研究構想】
請使用目前可用的學術 Connector、MCP 與學術資料來源,協助我快速建立這個領域的研究版圖。
我的目的不只是找一批相關文獻,而是想判斷:
- 這個領域研究到什麼程度;
- 哪些證據真正值得重視;
- 哪些結論已有較穩定支持、哪些仍有爭議;
- 我的初始問題是否忽略其他學科或重要概念;
- 哪些地方真的可能產生值得研究的新問題。
請對「證據與引用」保持嚴格查證,但對搜尋策略、概念延伸與研究方向保留探索彈性。
我指定的是研究目標與品質要求,不是固定的搜尋詞或死板流程。請根據每一輪發現主動調整下一步。
一、先建立問題的研究版圖
先探索:
- 核心概念與不同定義
- 同義詞、舊稱、新稱與相鄰概念
- 不同學科如何描述同一或相近現象
- 主要研究群、理論、方法與研究對象
- 我目前的問題是否過窄、過廣或帶有預設立場
如果搜尋過程顯示有比我的原始說法更適合的研究框架,請主動提出。
二、使用不同學術來源進行互補搜尋
請依目前可用工具的強項自行分工,而不是讓所有 Connector 執行完全相同的搜尋。可採取例如:
- 用適合語意探索的工具發現不同概念與研究群;
- 用大型學術檢索工具建立主要候選文獻;
- 用獨立來源尋找可能遺漏、反例或不同結論;
- 從核心研究繼續追查重要早期來源與後續研究;
- 必要時讀取全文確認重要證據。
如果某個工具沒有明顯增加新的重要資訊,可以停止重複搜尋並說明原因。
後續搜尋應優先擴展不同的:
- 研究角度
- 學科
- 研究方法
- 研究對象
- 地區
- 時期
- 理論
- 相反或零結果
而不只是反覆替換相近關鍵詞。
三、建立具代表性的核心文獻集
不要只挑搜尋排名最高或引用最多的文章。
請兼顧:
- 奠基研究
- 高品質的代表性實證研究
- 最近的重要發展
- review / meta-analysis(若適用)
- 反例、零結果與不同結論
- 方法或觀點具有創新的研究
- 可能屬於不同研究社群但討論相近問題的研究
重要核心文獻可進一步追查:
- 它建立在哪些早期研究上;
- 後來有哪些研究驗證、修正、反駁或延伸它;
- 是否存在與它沒有直接引用關係、但研究相似現象的另一個研究群。
四、每輪搜尋後進行 coverage check
每一輪整理結果後,主動檢查目前文獻版圖是否存在明顯缺口,例如:
- 某些時間區段
- 某些學科
- 某些國家或語言
- 某些族群
- 某些研究方法
- 相反證據
- 零結果
- 灰色文獻或較新的研究
- 另一套可能使用不同術語的研究群
若有明顯缺口,再針對缺口補搜。
如果新的搜尋仍持續找到重要的新概念、核心文獻、不同證據或新的研究群,請繼續探索。
如果後續搜尋主要只是重複已有內容,新增的重要資訊已明顯減少,可以停止,並說明:
- 為什麼判斷目前搜尋已相對充分;
- 還可能有哪些沒有涵蓋的盲點。
不要宣稱「已經找齊所有文獻」。
五、合併與去重
多來源搜尋結果請先去重。
優先依:
- DOI
- PMID
- 題名
- 作者
- 年份
辨識是否為同一篇文獻。
如果同一篇研究由多個 Connector 找到,只保留一筆,但可記錄它由哪些來源找到。
若不同來源提供的書目資料不一致,請保留差異並提醒查核,不要自行猜測。
六、嚴格區分「文獻存在」與「證據支持」
不得依模型記憶自行產生正式引用。
納入分析的文獻至少應確認:
- 題名
- 作者
- 年份
- 出版來源
- DOI/PMID/其他穩定識別碼(若存在)
若資料來源有衝突或無法確認,請保留不確定性,不要自行補全。
並為重要文獻區分:
- 書目資料已確認
- 已閱讀摘要
- 已取得全文
- 已從全文確認特定論點
不得把摘要資訊當成全文結論。
不要生成未經查證的:
- DOI
- 頁碼
- 原文引句
- 樣本數
- effect size
- 統計結果
- 作者沒有實際提出的結論
七、評估證據,而不是只摘要文章
請特別注意:
- 研究設計能否回答作者提出的問題
- 樣本與資料來源
- 測量與分析方法
- 是否有適當比較或控制
- 結果能否推廣到其他情境
- 不同研究是否真的互相獨立
- 是否使用相同資料集或彼此引用
- 結論是否超過資料能支持的程度
- 是否有其他研究重現、修正或挑戰它
不要把「高引用 = 高品質」或「很多文章都這樣說 = 已有充分證據」當成理所當然。
八、整理目前的知識狀態
請將主要發現分成:
A. 較穩定的共識: 有多個相對可靠且相互支持的研究。
B. 條件性結論: 只在特定族群、方法、場景、時間或其他條件下成立。
C. 真正的爭議: 品質相近的研究得到不同結果。
D. 常被重複引用但證據薄弱: 被頻繁主張,但直接驗證不足。
E. 尚未充分研究: 目前確實缺少足以回答問題的證據。
F. 目前無法判斷: 可能受到搜尋來源、語言、全文取得或其他限制。
請明確區分:「目前沒有找到」與「目前沒有研究」。
九、探索研究機會,但不要輕易製造 research gap
不要因為某類文獻數量少就宣稱存在研究缺口。
請優先尋找:
- 現有理論無法解釋的矛盾結果
- 不同學科對同一現象有不同解釋
- 長期被視為理所當然、但其實沒有被直接驗證的假設
- 現有方法造成的系統性盲點
- 新技術、新制度或新資料使舊研究值得重新檢驗
- 研究只集中在少數族群、地區或場景
- 已有大量個別研究,但缺少能整合它們的理論或架構
- 新方法使過去無法回答的問題現在變得可研究
對看似重要的 research gap,請先主動反查:
- 是否只是我沒有搜尋到;
- 是否只是使用了不同術語;
- 是否其他學科已經研究過;
- 是否其實已有研究,只是結果不一致。
如果你發現比我的原始構想更有價值的方向,可以主動提出。
十、最後請給我一份研究導航
請整理:
1. 研究版圖:這個領域目前主要有哪些研究方向。
2. 核心研究與代表文獻:哪些值得優先閱讀。
3. 證據品質:哪些結論比較可靠,哪些需要保留。
4. 主要共識、條件性結論與爭議。
5. 哪些主張常被提及但證據其實有限。
6. 搜尋可能存在的盲點。
7. 3–6 個值得繼續探索的研究問題。
8. 其中最有潛力的 2–3 個方向,說明真正的新意、已有相關研究與主要反證風險。
9. 下一輪最值得補查的文獻、作者、研究群、資料、方法或關鍵詞。
10. 為什麼目前可以停止搜尋,或為什麼還值得繼續搜尋。
最後增加:「我不應直接交給 AI 判斷的事項」
列出在我決定研究題目、引用重要結論或撰寫論文前,仍應親自回到原始研究確認的關鍵事項,例如:
- 核心文章全文
- 核心理論的原始文獻
- 重要數據與統計結果
- 相互矛盾研究的方法差異
- 是否真正構成研究缺口
- 研究問題的學術與實務價值
你的角色是:「擴大我的觀察範圍、協助查證、發現矛盾、指出可能遺漏的研究群,並提出可以被挑戰的解釋」而不是替我完成最後的學術判斷。
Gemini Notebook
Gemini Notebook可以處理多達50 個來源、每個來源 500,000 字,能同時消化影片、文字內容,AI回答的內容可以對照到文件的段落,有助於進一步核對AI是否有幻覺或錯誤。且可以使用多種預設樣板快速產出心智圖、報告、問答、部落格、影片、Podcast音檔等形式,已經成為許多人閱讀資料的好夥伴。
在此分享一些小技巧與注意事項:
根據網友測試,Gemini Notebook並不會看到所有文字,可以拆分成多個小文件上傳後分別詢問,細節一定要自己看全文。
跟Gemini Notebook對話的內容可以儲存為筆記(Note),再將自己的想法筆記當成資料來源,這樣就能讓自己閱讀的資料與自己的想法筆記加總在一起,更能激盪出新想法。
可以上傳自己的報告簡報,讓Gemini Notebook幫忙規劃簡報的講述時間、模擬聽眾提問、提出修改建議。
可以請Gemini Notebook繪製表格整理資訊、分析時間線與主題叢集、發現文獻缺口與矛盾處。
雖然Gemini Notebook的來源搜尋功能現在也有Deep Research,但是不論網頁或資料庫都有許多無法取得權限,在此搜尋的效果並沒有到很好,可以考慮先搜尋與精選出需要閱讀的資料實再使用Gemini Notebook。
實際測試Gemini Notebook,有時候回答會出現資料來源內沒有講的東西,可能是來自訓練資料內容而非上傳的資料。因此建議如果需要引用,還是要回去讀全文。
Studio可以自行給指令,像是針對Podcast提出這類指令:「主持人要審閱並討論文件中每個部分的每個資源的所有細節。他們將定義關鍵術語,並提出信息的實際用途。主持人將會很專業、口齒清晰,同時不會互相打斷或頻繁重複字詞和短語。他們會對他們所呈現的內容感到興奮,並在最後概述主要觀點。」英文版的Podcast功能可以打斷中途AI主持人、參與他們的討論 (將系統語言切換為英文即可使用此功能)。
【學生版指令參考:AI 幫我看懂「這篇在說什麼」】
我正在閱讀這篇學術文獻,希望你協助我理解,而不是取代我閱讀原文。
請只根據我提供/目前可存取的文章內容回答;如果文章沒有提供某項資訊,請直接說「文中未明確說明」,不要用一般知識自行補足。若文件解析不完整、圖表無法讀取或附件內容不足,只能看到摘要或部分內容,請在回答最前面明確告訴我,並把分析限制在實際可取得的內容,不要假裝已閱讀全文。
請依照以下方式協助我:
第一步:先幫我看懂文章在做什麼
用容易理解的語言說明:
作者想回答什麼問題?
為什麼作者認為這個問題重要?
使用什麼資料、研究對象與方法?
最主要的發現是什麼?
作者最後做出什麼結論?
請區分「作者實際報告的結果」和「作者對結果的解釋」。
第二步:整理文章的論證脈絡
比較這些文獻時,先逐篇確認各自的研究問題、方法、研究對象與結果,再比較。不要因為它們使用相似詞彙,就假設它們研究的是完全相同的問題。
如果不同文章的結果不同,先檢查研究對象、方法、測量方式與情境差異,再提出可能解釋。
請告訴我哪些結論有多篇研究支持,哪些只來自單篇文獻,並指出我最值得回去閱讀的原文章節。
請告訴我:研究問題 → 使用的證據/方法 → 主要結果 → 作者如何從結果推到結論。
如果其中某一步的連結比較弱、需要額外假設,請指出,而不是替作者補強。
第三步:幫我找到最值得回原文閱讀的位置
對以下重要內容,請指出它大約出現在文章哪個章節、表格、圖或段落;若目前系統能可靠定位頁碼或原文位置,再提供位置,不能可靠定位時不要猜頁碼:
研究目的
方法
最重要的結果
作者自己的限制
對我目前研究/報告最相關的論點
每一項請告訴我:「為什麼這一段值得自己讀」。
第四步:不要只替我接受作者的結論
請提出文章值得注意的限制,例如:
樣本或資料來源是否有限?
研究方法是否真的能回答研究問題?
有沒有其他可能的解釋?
作者的結論是否比研究結果說得更遠?
研究結果能不能推廣到其他族群或情境?
有哪些重要問題這篇文章其實沒有回答?
請區分:「作者自己承認的限制」與「你根據文章提出、需要我再判斷的可能限制」。
不要因為我要批判性閱讀,就硬找缺點;如果某項設計其實做得合理,也請說明。
第五步:幫我避免誤讀文章
列出 3–5 個讀者最可能過度解讀這篇文章的地方,例如:
相關被說成因果
某個族群的結果被泛化到所有人
「沒有顯著差異」被理解成「完全沒有效果」
作者提出可能性,被轉述成已證實結論
如果這篇沒有某類問題,不需要硬套。
第六步:讓我自己思考
不要直接告訴我「這篇文章好不好」。
請根據這篇文章提出 3–5 個我應該自己回答的問題,讓我判斷:
我是否相信這個研究設計?
我認為證據足以支持作者的結論嗎?
有沒有其他合理解釋?
這篇文章可以支持我的哪種說法,又不能支持哪種說法?
如果我要引用它,我最應該先回原文確認什麼?
最後請提供一個「閱讀狀態」小結:
我只看 AI 整理也能先掌握的內容
我應該一定回原文看的內容
目前仍無法從文章確認的事項
【研究者版指令參考:有一定知識背景並自行挑選重點文章後,讓AI幫忙看見「我可能沒注意到什麼」】
通則
以下資料是我已經自行篩選過、認為值得分析的文獻。除非我要求,不需要再替我判斷哪些文章「最好」或逐篇做一般摘要。請把重點放在跨文獻比較、證據關係、方法差異、矛盾、隱含假設與值得重新閱讀的位置。只根據目前可取得的文本內容回答;請區分作者明確陳述、可由文本合理歸納,以及你提出的可能解釋。若重要判斷需要回到原文確認,請指出具體應查看的章節、表格或內容,而不要用推測補足。
快速重新進入一批熟悉文獻
「假設我已經知道這些文章的大致內容。不要逐篇摘要,請整理這批文獻圍繞哪些核心問題、理論、方法與爭議形成研究版圖,並指出每個群組的代表文獻。」
比較研究設計
「比較這些研究在研究問題、樣本、資料、操作化、方法與分析上的差異。特別指出哪些看似結論不同,其實可能只是研究設計不同。」
找矛盾
「找出這批文章中表面上互相矛盾的結果。對每一組矛盾,先比較研究對象、定義、方法、資料與分析,再提出可能解釋;不要急著判定哪一篇正確。」
不要迎合我的解釋
「我的初步解釋是【__】。請只根據這批文獻,找出最可能挑戰這個解釋的證據、其他合理解釋,以及我可能忽略的研究設計差異。不要為了反對而反對;若我的解釋確實較符合目前證據,也請說明理由。」
找隱藏假設
「找出這些文章共同接受、但很少直接驗證的假設。區分作者明確提出的前提與你從多篇文章推論出的隱含假設。」
建立 claim–evidence map
「不要按文章整理。請以主要學術主張為單位,列出哪些文章支持、限制、反對或沒有直接回答;並指出證據是來自結果、作者討論,還是你的跨文獻歸納。」
確認某個特定主張
「我想主張『___』。只根據目前上傳的文獻,判斷哪些資料能直接支持、只能間接支持、或其實不能支持這句話。指出我應回到哪些原文章節確認。」
從「paper-centered」改成「question-centered」
「請不要逐篇摘要。以我的研究問題【__】為中心重新組織這批文獻。對每一個重要問題,整理各研究提供的證據、方法差異、矛盾以及尚未回答的部分。」
找值得重讀的地方
「我不需要完整摘要。請根據我的研究問題【__】告訴我每篇最值得重新閱讀的 1–3 個位置,以及為什麼值得讀。」
「我的問題現在已經從「AI detection accuracy」轉向「偵測技術如何影響制度治理」。根據這個新的問題,重新掃描這批文獻,告訴我哪些文章值得重讀,以及每篇我最應該重新查看的方法、結果或討論位置。不要重新摘要所有文章。」
方法上的盲點
「從方法角度比較這批研究。哪些限制在多篇文章中反覆出現?哪些問題可能不是單篇研究的 limitation,而是整個研究傳統的系統性盲點?」
理論整合
「這些文章用了不同理論解釋相近現象。請比較各理論實際解釋了什麼、不能解釋什麼,以及它們是否真的互斥,還是可以放在不同層次整合。」
研究缺口壓力測試
「我目前認為研究缺口是【__】。請用這批文獻主動反駁這個判斷:哪些研究其實已經處理過?哪些只是用了不同術語?哪些部分才真的沒有被回答?」
發展新問題
「不要只找『研究較少』的地方。請從矛盾結果、未驗證假設、方法限制、跨學科斷裂或新技術帶來的條件改變中,提出可能的新研究問題。」
寫作前組織
「不要直接替我寫 literature review。請把這批文獻整理成 3–5 個可以形成論證的段落,每段說明核心 claim、支持文獻、反例/限制,以及我還需要自行判斷的地方。」
寫完後 citation audit
「以下是我的草稿。只使用目前上傳的來源,逐項檢查重要 claim 是否真的被引用文獻支持。區分:直接支持/部分支持/引用存在但不支持/目前無法從全文確認。」