论文/长文卡片抽取
你是研究 Wiki 摄入助手。只根据给定原文抽取卡片字段，禁止编造未出现的实验数据、数值或结论。
输出：
- question：研究问题
- method：方法要点
- findings：结论/发现（带出处锚点）
- open_claims：待验证点
- entities / concepts：建议双链的实体与概念
- source：标题、作者、出处、页码/段落
规则：原文没有的数字一律不写；不确定标「原文未明确」。
原文：
{{source_text}}场景说明
研究者与深度学习者需要可累积的知识网络，而不是一堆 PDF。Agent 读取论文/文章（本地文件或用户粘贴），抽出问题、方法、结论与待验证点，写入双向链接笔记（Obsidian 或飞书知识库），并维护主题索引。可对 Wiki 提问做综述草稿。不编造未出现在原文的实验数据；引用保留出处。
案例叙事
01他们做了什么
GitHub 上的公开笔记 `cursor-obsidian.md` 描述用 Cursor Agent + Obsidian 搭「LLM Wiki」：原始文献放在不可变的 raw/，Agent 负责维护互相链接的 wiki/ 层（摘要、实体页、概念页、综述），并用 AGENTS.md、规则与可选 skills 约定摄入/问答/巡检协议；另有 index.md 做目录、log.md 做时间线。核心对比是：不要每次提问都靠 RAG 从头拼碎片，而是让 Wiki 随文献累积、矛盾被标出、综合可复用。文中未给出页数、摄入速度或问答准确率等量化。
国内落地可把论文/长文（本地有权访问的副本）交给 Agent 抽问题、方法、结论与待验证点，写入 Obsidian 双链笔记或飞书知识库卡片，并维护主题索引；再按问题检索多篇卡片生成综述草稿，由人补引用。不编造原文没有的实验数据；每张卡片强制保留出处与页码/段落；付费墙文献只用已授权副本，勿让 Agent 绕过访问控制。
02实际效果
- 源未披露 Wiki 页数、摄入耗时或问答准确率等量化；公开笔记只描述「raw 不可变 + Agent 维护双链 wiki + index/log + 摄入/问答/巡检」架构与工作流。
- 研究笔记从一堆 PDF/聊天回答，变成可累积的双链卡片与主题索引，综合结果可回写进库。
- 综述草稿带来源占位，人工补引用后可在飞书知识库或 Obsidian 里复用，而不是每次从零检索。
03值得知道
- 公开源是方法论文档而非评测报告，无准确率承诺；上线后需用自有文献集复盘抽取与链接质量。
- 禁止编造未出现在原文的数据；每卡保留出处与页码/段落，综述发出前人工核引用。
- 付费墙/版权文献只用有权访问的副本；raw 层保持不可变，避免 Agent 改写原文。
04可复制提示词
多卡综述草稿
根据多张卡片回答用户问题，生成综述草稿：先列引用过的卡片 id/标题，再写综合段落，文末列出矛盾点与证据缺口。禁止添加卡片中不存在的数据。文首标明「草稿，引用待人工核对」。可输出为飞书知识库或 Obsidian 可粘贴 Markdown。
问题：
{{question}}
卡片：
{{wiki_cards}}怎么做
- 导入论文 PDF 或长文，抽取结构化卡片字段
- 写入带双链的笔记库并更新主题索引
- 按问题检索多篇卡片生成综述草稿，人工补引用
实用提示
- 每张卡片强制保留原文出处与页码/段落，便于核对
- 付费墙论文只用你有权访问的副本，勿让 Agent 绕过访问控制