Tři úlohy modelů ve výzkumném postupu
Výzkum je nejjasnějším případem pro pracovní prostor s více modely, protože postup má tři skutečně odlišné požadavky. Potřebujete model, který pojme najednou obrovské množství textu, model, který píše dost pečlivě, aby text obstál při recenzním řízení, a model, který vrací pevně strukturovaný výstup bez odchýlení. Žádný jediný produkt není nejlepší ve všech třech ohledech a náklady na přepínání mezi třemi produkty se platí opětovným nahráváním stejného korpusu. Mezní náklad na přepínání uvnitř jednoho pracovního prostoru je malý a předvídatelný: podle indexu nákladů na modely od Whizi (ceníkové sazby OpenRouter, staženo 2026-08-20) vychází Gemini 3.7 Flash na $0.001313 za standardní odpověď, Claude Sonnet 5 na $0.007 a GPT-5.6 Terra na $0.008, všechny pod jeden cent za odpověď.
| Fáze | Model | Co dělá |
|---|---|---|
| Čtení korpusu článků | Gemini | Kontextové okno 1M tokenů, takže 15 až 30 PDF se vejde do jedné konverzace |
| Sestavení tabulky důkazů | GPT | Striktní schémata, konzistentní hodnoty ve sloupcích, žádné redakční odchylky |
| Psaní textu a syntézy | Claude | Pečlivý, opatrný akademický styl věrný zdroji |
| Vyhledání nedávné práce a ověření odkazů | Model připojený k webu | Vyhledávání ve živých zdrojích, ne z paměti |
| Kritické oponentní přezkoumání vlastní argumentace | Jakýkoli model, který text nepsal | Nezávislý čtenář, bez utopených nákladů |
Nejdůležitější věc, kterou je třeba pochopit před začátkem: jazykový model dotazovaný na článek z paměti si detaily vymyslí, a udělá to plynule a přesvědčivě. Model, který čte PDF, jež jste nahráli, pracuje se skutečným textem. Jde o dvě odlišné činnosti s odlišnou spolehlivostí, a téměř každá hororová historka o AI ve výzkumu vzniká záměnou první za druhou. Zdroj vždy nahrajte.
Čtení 20 článků beze ztráty souvislostí
Chybou je požadovat shrnutí. Shrnutí 20 článků je odstavec, který by mohl popisovat jakýchkoli 20 článků z daného oboru. Co skutečně chcete, je tabulka důkazů, protože tabulka nutí model přiřadit konkrétní hodnotu ke každému článku a odhalí mezery.
Prompt: tabulka důkazů
Nahrál jsem [n] článků. Vytvoř tabulku s jedním řádkem na článek a těmito sloupci: citace (autoři, rok), výzkumná otázka, design studie, velikost vzorku a populace, měřený primární výsledek, hlavní zjištění s velikostí efektu nebo klíčovou statistikou, uvedená omezení a zdroj financování, pokud je uveden. Pokud pole není v článku uvedeno, napiš NEUVEDENO. Nevyvozuj hodnoty. Nezahrnuj žádný článek, který jsem nenahrál.
Prompt: syntézní krok
Použij pouze tabulku, kterou jsi právě vytvořil, a odpověz: kde se tyto studie shodují, kde se rozcházejí a co ten rozdíl vysvětluje (design, populace, měření nebo období)? Identifikuj otázky v této literatuře, které žádná nahraná studie neřeší. U každého tvrzení uveď konkrétní řádky, na kterých stojí.
Prompt: metodologická kritika
U každé studie v tabulce uveď nejzávažnější ohrožení validity: výběr, měření, matoucí proměnné, statistickou síla nebo generalizovatelnost. Buď konkrétní k tomu, co článek uvádí, ne obecný. Pokud je studie metodologicky silná, řekni to, místo aby sis vymýšlel kritiku.
Ta poslední instrukce dělá skutečnou práci. Požádejte model, aby našel problémy, a vždy problémy najde, i u dobře provedené studie, protože zadání předpokládá, že existují. Explicitní povolení říct, že článek je v pořádku, udržuje kritiku upřímnou.
Pro mechaniku čistého vkládání dlouhých dokumentů do chatu viz jak chatovat s PDF a průvodce shrnováním PDF pomocí AI.
Extrakce: jak z nestrukturovaného textu dostat strukturovaná data
Systematická extrakce je úloha, kde AI ušetří nejvíce obhajitelného času, protože výstup je ověřitelný. Číslo si můžete zkontrolovat proti straně 7. Dojem si zkontrolovat nemůžete.
Prompt: striktní extrakce podle schématu
Extrahuj z tohoto článku každou uvedenou statistiku jako JSON. Schéma: {"value": number, "unit": string, "measure": string, "population": string, "location_in_paper": string, "confidence_interval": string or null, "p_value": string or null}. Zahrň pouze údaje, které se objevují v textu, tabulkách nebo popiscích obrázků. Nepočítej odvozené hodnoty. Nezaokrouhluj. Pokud se údaj objevuje v tabulce i v textu s odlišnými hodnotami, vrať obě položky a rozdíl označ.
Pole location_in_paper je to, co lidé vynechávají, a je to zároveň to, co dělá výstup použitelným. Změní ověřovací krok ze znovu čtení celého článku na cílenou kontrolu, což znamená, že ověření se skutečně provede.
Prompt: porovnání mezi články
Napříč nahranými články najdi každý uvedený odhad [veličiny, která tě zajímá]. Vrať tabulku: článek, odhad, jednotka, populace, metoda odhadu a rok sběru dat. Neprůměruj je. Explicitně uveď, kde odhady nejsou srovnatelné z důvodu odlišných definic nebo populací.
Instrukce modelu neprůměrovat není puntičkářství. Průměrování nesrovnatelných odhadů je nejčastější způsob, jak AI asistovaná literární rešerše vyprodukuje číslo, které je přesvědčivě špatné, a je to typ chyby, kterou recenzent odhalí okamžitě.
Psaní rešerše bez přejímání cizích vět
Claude je zde nejlepší v psaní, ale prompt musí prosadit dvě pravidla, na kterých v akademickém psaní záleží: tvrzení zůstávají spojena se zdroji a opatrnost formulací se zachovává. Modely trénované na to, aby byly nápomocné, mají tendenci opatrné formulace zesilovat a měnit „bylo spojeno s“ na „způsobilo“ bez vyzvání.
Prompt: koncept sekce
Napiš koncept [název sekce] literární rešerše pouze na základě výše uvedené tabulky důkazů. Pravidla: každé tvrzení musí být přiřaditelné konkrétnímu řádku, zachovej původní opatrnost formulace (nezvyšuj asociaci na kauzální tvrzení), použij formát [citační styl] a označ [CHECK] každou větu, kde jsi měl pokušení zobecnit nad rámec důkazů. Cílová skupina: výzkumníci v oboru [obor]. Délka: přibližně [n] slov.
Prompt: audit opatrnosti formulací
Porovnej tento koncept se zdrojovým materiálem. Vypiš každou větu, která vyjadřuje větší jistotu, než jakou podkladová studie podporuje, a každou větu, která přiřazuje zjištění nesprávnému zdroji. Uveď vedle sebe citovanou větu a protichůdný text zdroje. Nepřepisuj.
Audit opatrnosti formulací pusťte i na svůj vlastní text, ne jen na výstup modelu. Zachytí stejnou odchylku v lidském konceptu psaném v 11 večer.
Ověřování citací, které nejsou nepovinné
Toto je sekce, na které záleží nejvíc, a je záměrně přímočará. Jazykové modely si vymýšlejí odkazy. Produkují citace se skutečnými jmény autorů, důvěryhodně znějícími názvy časopisů, správně vypadajícími čísly svazků a stran a DOI, které vedou k ničemu nebo k nesouvisejícímu článku. Takto se do literatury dostaly stažené články. Takto byly poškozeny reputace.
Pravidla, která tomu zabraňují:
- Nikdy nežádejte model, aby „našel zdroje“ pro tvrzení z paměti. Požádejte model připojený k webu, aby je vyhledal, a poté si každý odkaz sami otevřete.
- Ověřte každé DOI jeho rozřešením. DOI, které nevede nikam, je vymyšlenina, ne překlep.
- Zkontrolujte, že citovaný článek skutečně říká to, co citace tvrdí. Skutečný článek připojený k tvrzení, které nepodporuje, je těžší chyba k odhalení a je běžnější než vymyšlený článek.
- Nikdy necitujte nic, co jste si neotevřeli. Toto pravidlo existovalo před AI a AI ho učinilo klíčovým.
- Nahrané PDF držte jako zdroj pravdy. Cokoli vám model řekne o článku, který jste nenahráli, je ze své podstaty neověřené.
Prompt: audit odkazů
U každého odkazu v tomto seznamu uveď: zda ho lze potvrdit ze zdroje v této konverzaci, nebo zda pochází z tvých trénovacích dat a je tedy neověřený. Nehádej. Každou neověřenou položku jasně označ. Ověřím je manuálně.
Tento prompt model nezpřesní. Zpřehlední, která tvrzení jsou zakotvena v tom, co jste dodali, a to je rozdíl, který potřebujete znát, abyste věděli, co zkontrolovat.
Co to nenahrazuje
Nenahrazuje to protokol systematické rešerše. Pokud vaše práce vyžaduje PRISMA, vyhledávací strategie, screening a rozhodnutí o zařazení zůstávají na vás, dokumentovat a obhájit. AI vám může pomoci sepsat protokol a urychlit extrakci ze zahrnutých studií, ale nemůže být tím vyhledáváním.
Nenahrazuje to váš referenční manažer. Zotero, Mendeley nebo EndNote si nechte jako záznam toho, co jste skutečně přečetli. Chat je pracovní paměť, ne archiv.
Nenahrazuje to statistickou analýzu. Model vám může vysvětlit metodu, napsat pro ni kód v R nebo Pythonu a projít vaši interpretaci, ale spouštět analýzu v okně chatu a spoléhat na aritmetiku není obhajitelné. Vygenerujte kód, spusťte ho ve svém vlastním prostředí a zkontrolujte výstup.
A nenahrazuje to zveřejnění. Časopisy a instituce stále častěji vyžadují prohlášení o tom, jak byly AI nástroje použity. Zapisujte si, co jste v každé fázi použili, protože rekonstruovat to při odevzdání je nepříjemné.
- Nahrajte články, místo abyste se ptali modelu, co si o nich pamatuje
- Před požadavkem na jakoukoli syntézu sestavte tabulku důkazů s jedním řádkem na článek
- U každého extrahovaného údaje vyžadujte pole location_in_paper, aby ověření bylo cílené
- Instruujte model, aby zachoval opatrnost formulací a nikdy nezvyšoval asociaci na kauzalitu
- Rozřešte každé DOI a otevřete každý zdroj, než se dostane do vašeho seznamu literatury
- Požádejte model, aby označil, která tvrzení jsou zakotvena v nahraném textu a která z paměti
- Vedte si běžný záznam o tom, jak byla AI použita v každé fázi, pro vaše prohlášení o zveřejnění
Časté dotazy
Zvládne Whizi velmi dlouhé články?
Ano. Gemini ve Whizi uvádí kontextové okno 1M tokenů, což v praxi znamená, že dlouhá disertace, kompletní regulační podání nebo soubor 15 až 30 článků se vejde do jedné konverzace a lze se na ně dotazovat jako na celek. To je jiné než shrnovat dokument po částech, protože otázky napříč dokumenty, jako „kde se tyto studie rozcházejí“, fungují jen tehdy, když je vše přítomné najednou.
Cituje Whizi zdroje?
Když použijete model připojený k webu, vrátí odkazy, a když nahráváte dokumenty, může ukázat, kde ve vašem zdroji tvrzení vzniklo. Ani jedno nenahrazuje ověření. Rozřešte každé DOI, otevřete každý odkaz a potvrďte, že citovaná práce podporuje tvrzení, ke kterému je přiřazena. Vymyšlené a nesprávně přiřazené citace jsou nejzávažnější způsob selhání AI asistovaného výzkumu a jedinou spolehlivou obranou je otevřít zdroj sami.
Proč nepoužít jen jeden model na všechno?
Protože tři fáze chtějí opačné chování. Čtení velkého korpusu potřebuje obrovské kontextové okno. Extrakce potřebuje striktní, nudné dodržování schématu. Psaní potřebuje pečlivý text, který zachovává akademickou opatrnost formulací. Provádět všechny tři v jednom pracovním prostoru znamená, že korpus se nahraje jednou a kontext se přenáší přes celý přechod, místo aby se znovu vysvětloval třem samostatným produktům.
Je přípustné používat AI v akademické práci?
Pravidla se liší podle časopisu, poskytovatele grantu a instituce a rychle se měnící, takže si ověřte konkrétní požadavky, které se na vás vztahují. Obecný vzorec je, že používání AI pro extrakci, psaní a editaci je obecně přijatelné s uvedením zveřejnění, zatímco uvedení modelu jako autora není, a za každé tvrzení a citaci v hotové práci zůstáváte plně odpovědní vy. Zaznamenávejte, co jste použili, v průběhu práce.
Můžu nahrát nepublikovaná nebo důvěrná data?
Whizi netrénuje na vašich konverzacích a zásady každého poskytovatele lze zkontrolovat před tím, než daný model povolíte, ale závazným omezením je vaše etické schválení a jakákoli dohoda o sdílení dat. Data od lidských subjektů by téměř vždy měla zůstat mimo, pokud vaše schválení explicitně nekryje zpracování třetí stranou. Anonymizované výtahy a vaše vlastní koncepty jsou běžné bezpečné případy.