Relevant für die Abfrage ist nicht relevant für die Frage
Wenn Sie eine Datenbank durchsuchen, kommen alle Einträge zurück, die Wortschatz mit Ihrer Abfrage teilen. Deshalb liefert eine Literatursuche zweihundert Treffer und nur vier nützliche. Begriffsüberlappung bedeutet keine thematische Relevanz, und die wichtigsten Arbeiten verwenden oft ganz andere Wörter.
Relevanz zu beurteilen heißt, das Abstract gegen die tatsächliche Frage, Population, Methode und Behauptung zu lesen und dann Studien auszuschließen, die die Formulierung treffen, aber ein anderes Problem behandeln.
Herkunft ist der zweite Filter, und er ist der, der unbemerkt versagt. Ob eine Arbeit an einem Publikationsort erschienen ist, zurückgezogen wurde oder ein Preprint ist, das nie tatsächlich veröffentlicht wurde: Keine dieser Tatsachen steht im Titel. Ein Scan, der sie auslässt, trägt unzuverlässige Arbeit in eine Leseliste.
Der Agent liefert eine Shortlist, erklärt, warum bestimmte Einträge aufgenommen und andere nicht, und sagt klar, was er nicht prüfen konnte. Die Ausgabe enthält keine Aussagen darüber, was die Literatur belegt, und keine Zitationen, die der Agent nicht abgerufen hat.
So bauen Sie den Agent in Agent Studio auf
Prompt-Fähigkeiten legen den Datenbankzugang fest, einschließlich der Abonnements Ihrer Einrichtung und der Publikationsorte, die Ihr Fachgebiet als maßgeblich behandelt, damit die Suche dort läuft, wo Ihre Studierenden die Ergebnisse tatsächlich lesen können.
Prompt-Fähigkeiten halten außerdem Einschlusskriterien, Zeitraum, Studientyp und Sprache so, wie die forschende Person sie genannt hat, damit Scans konsistent bleiben.
Der System-Prompt verbietet jede Referenz, die nicht abgerufen wurde, und verlangt, dass jeder Eintrag eine auflösbare Kennung trägt. Diese Kategorie kann keine erfundene Zitation aufnehmen.
Ausschlüsse müssen mit Gründen angegeben werden, weil ein Scan, der nur zeigt, was behalten wurde, nicht prüfbar ist.
Suchen laufen im HTTP Request-Knoten über die erklärten APIs. Scrappey übernimmt die offenen Quellen. Die Ergebnisse gehen dann zusammen mit der Frage an den Agent Chat-Knoten.
Der Uniq-Knoten entfernt doppelte Datensätze über die Datenbanken hinweg, bevor der Agent sie liest. Create Excel erzeugt die Shortlist mit ihrer Begründungsspalte.
Notion hält die aktuelle Bibliothek. Ein Human in the Loop-Knoten hält die Arbeit für die forschende Person zwischen Scan und jeder Leseliste.
Woraus dieser Agent besteht
- Prompt-Fähigkeiten: institutionelle Abonnements und die Publikationsorte, die Ihr Fach als maßgeblich behandelt.
- Prompt-Fähigkeiten: Einschlusskriterien so, wie die forschende Person sie genannt hat.
- System-Prompt: keine Referenz, die nicht abgerufen wurde. Jeder Eintrag trägt eine auflösbare Kennung.
- System-Prompt: Ausschlüsse mit Gründen gelistet. Niemals still verworfen.
- HTTP Request and Scrappey (Util): erklärte Datenbanken und offene Quellen.
- Uniq (Control) with Create Excel (Data): Deduplizierung über Datenbanken, dann die Shortlist.
- Wenn ein ActionFlow ausreicht: Wenn Sie eine feste Abfrage nach Zeitplan ausführen und neue Treffer sammeln, hält dieser Workflow ein bekanntes Thema aktuell.
Häufige Fragen
Newsletter
Produktupdates erhalten
Neue Nodes, Agents und Produktnotizen. Wir senden E-Mails nur, wenn sich das Öffnen lohnt.