2025-04-16 Gemini Gems + Deep Research 導讀 AIM 期刊 TOC — pipeline prototype

2025-04-16 Gemini Gems + Deep Research 導讀 AIM 期刊 TOC

FB post ID: 3884
對應 talk slide: B6 pipeline prototype 早期 proof — 「這 pipeline 不是當天現編，已運作 1 年」

原 FB post（字面引用，節錄主體）

之前分享過用 AI 導讀《刺胳針》(The Lancet) 期刊目錄的經驗。今天嘗試了一個新的方法，也想特別提一下 AI 在資訊不確定情境下的處理方式。

這次使用了 Google 的 Gemini Gems 工具來產生 AI 提詞（Prompt）。Gems 的特色是協助使用者將較為模糊的想法轉換為結構化且明確的提詞。使用方式也較為直覺，只需在介面中以自然語言描述需求（例如：「深入導讀醫學期刊的最新目錄，分析每篇文章的主題、研究方法、主要發現、結論與重要性，並盡可能加入相關背景資訊或出版歷史」），Gems 即能自動產生完整且結構清晰的提詞，減少從零開始構思的負擔。

接著利用這段 Gems 生成的提詞，再透過 Gemini Pro Deep Research 分析今天（4 月 16 日）剛出刊的《內科醫學年鑑》(Annals of Internal Medicine) 最新文章目錄。

這次的操作過程中，除了體驗 Gems 提供便利性之外，值得注意的是 AI 對於不確定性資訊的處理方式：當 AI 無法從期刊網站或公開來源（例如 ResearchGate）獲取詳細內容、僅能從標題推斷文章大意時，它會在生成的結果前明確標註「（推測）」字樣。

這樣的標示意義重大，它清楚指出 AI 在資訊不足下的合理推斷，而非已經確認的事實，提升了結果的透明度。**明確區分「已知事實」與「合理推測」**有助於判斷 AI 內容的可靠程度，也使 AI 工具在學術研究及臨床學習領域的應用更具可信度與實用性。

Talk 引用方式

B6 開場「pipeline 不是當天現編，已運作 1 年」：

2025-04-16：用 Gemini Gems + Gemini Pro Deep Research 導讀 AIM 期刊 TOC，1 年前我已經在玩這套。今天 demo 的 pipeline 是這個 prototype 進化 production version 的成果。

也呼應 honesty marking 主題（Part A 的擴展）：

AI 自己標「（推測）」vs 假裝有把握 — 這個區分能力是 AI 應用可信度的關鍵；藥學系畢業生未來用 AI 工具要學會找這種標示。

為什麼這篇 quote 對 talk arc 重要

• 時間 anchor：證明 pipeline 不是當天現編，是 13 個月前就 prototype
• honesty marking 概念：「明確區分『已知事實』與『合理推測』」是 AI 應用可信度的核心，呼應 Part A 「LLM 不分辨 phase 3 證據 vs textual correlation」
• 限制承認：「AI 無法從期刊網站獲取詳細內容、僅能從標題推斷」這正是 B5 fetch hard limit 的具體描述（13 個月前 Copper 就察覺）