EndNote+AI:用DeepSeek给文献库做一次“知识提取”

一个困扰很多人的问题

你的EndNote里存了几百篇PDF。每一篇你都读过，至少读过摘要。

但三个月后，有人问你：“那篇关于XX方法的文献，作者具体是怎么定义那个核心变量的？”

你记得大概，但细节想不起来了。

你打开EndNote，找到那篇文章，重新翻一遍PDF。运气好，五分钟后找到。运气不好，那句话在第12页的一个角落里，你翻了一个小时。

问题出在哪？

不是你没读，不是你忘了，而是你当时没有把“读到的东西”变成“可以检索的东西”。

高亮和批注有用，但它们是散落在每一篇PDF里的。你想跨文献搜索——“哪些文章提到过‘自适应性’这个概念？”——EndNote做不到。

这时候，AI可以搭把手。

思路：把文献库变成可检索的数据库

DeepSeek或者其他大语言模型，擅长做一件事：从非结构化的文本中提取结构化信息。

你可以把每一篇文献喂给AI，让它按照固定的

格式帮你摘录。然后把所有摘录用表格收拢起来。

最终，你会得到一个这样的东西：

有了这张表，写文献综述的时候，你不需要一页一页翻PDF。直接在表格里搜索关键词，就能定位到哪篇文章、哪个结论、哪个方法可以引用。

这就是“知识提取”的价值。

第一步：从EndNote导出文献信息

在EndNote里选中一批文献（建议一次20-30篇），右键 → Copy References To → Text File。

导出一个 .txt 文件，里面包含每篇文献的作者、标题、摘要、关键词等信息。

如果你希望AI基于全文做提取，那就需要准备PDF的文本内容。可以把PDF转成TXT，或者直接用支持读取PDF的AI工具（比如DeepSeek Web版本支持上传文件）。

第二步：写一个稳定的提示词

这是整个流程里最关键的一步。提示词写不好，AI输出的东西就没法用。

以下是一个经过测试的模板，你可以直接复制使用：

你是一位科研助手。请对下面这篇文献进行结构化信息提取。

请按以下格式输出，不要漏掉任何一项：

【标题】

【作者+年份】

【研究问题】用一句话概括：这篇文章要回答什么？

【核心变量】自变量是什么？因变量是什么？

【研究方法】数据来源、样本量、分析方法

【主要发现】1-2个最重要的结论

【局限性】作者自己承认的局限，或你判断出的明显问题

【可借用点】这篇文献里有什么是可以直接或间接用在我的研究中的（量表、实验范式、数据来源、概念定义等）

以下是文献内容：

（粘贴摘要或全文）

第三步：逐篇或批量处理

• 逐篇处理：复制一篇文献的摘要（或全文），粘贴到DeepSeek里，等它输出结构化的信息。复制结果到Excel或Word里保存。好处是质量可控，坏处是慢。

• 批量处理：把10篇文献的内容拼接成一个文档，一次性喂给AI，要求它按相同格式输出每一条。好处是快，坏处是AI可能会漏掉或混淆。

建议：核心文献（20篇以内）逐篇处理。背景文献（量大）用批量处理，然后人工快速过一遍。

第四步：收拢成“文献矩阵”

把AI输出的每一条信息，汇总到一个Excel表格里。

表格的列，就按照提示词里的字段设置：

写开题报告或文献综述时，你就不会对着空白文档发呆了。

想讨论“以前的研究都用横截面数据”，在表格里筛选“研究方法”列，一秒看到哪些文献用了横截面、哪些用了纵向数据。

想找“可借用”的量表，扫一眼最后一列，直接定位。

三条必须遵守的规则

AI提速很爽，但有三条线不能跨。

AI不负责“判断”

AI可以帮你摘录“作者说样本量是200人”，但它不能替你判断“这个样本量够不够”。

所有涉及价值判断的内容（方法是否合理、结论是否可靠、能否支撑你的论点），必须你自己来。

引用前必须回原文核对

AI在提取信息时可能出错。尤其是页码、数字、具体作者名字，偶尔会出现“幻觉”。

你在论文里写到“根据Zhang（2023）的研究……”之前，一定要回到原文看一眼。不是为了确认AI有没有抄对，而是确认这句话真的是Zhang说的。

AI提取的是“草稿”，不是“终稿”

AI输出的东西，当成一个“草案”。你需要再加工——合并重复的表述、删除不重要的细节、用自己的话重新组织。

最终留在文献矩阵里的内容，应该是你理解之后写出来的，不是AI直接复制粘贴的。

举例：假设你有一篇文献的摘要如下

“本研究探讨了人工智能焦虑对员工创新行为的影响机制。基于压力认知评估理论，对312名企业员工进行两阶段问卷调查。结果显示：人工智能焦虑正向影响员工创新行为，工作重塑在其中起中介作用；发展型领导调节了人工智能焦虑通过工作重塑影响创新行为的间接效应。”

你把这个摘要喂给DeepSeek，用上面的提示词，它会输出类似这样的东西：

• 研究问题：人工智能焦虑如何影响员工创新行为？工作重塑是否起中介作用？发展型领导是否起调节作用？

• 核心变量：自变量=人工智能焦虑，因变量=员工创新行为，中介=工作重塑，调节=发展型领导

• 研究方法：两阶段问卷调查，312名企业员工

• 主要发现：人工智能焦虑正向影响创新行为；工作重塑起中介作用；发展型领导起调节作用

• 可借用点：人工智能焦虑的量表、两阶段数据收集的设计思路

然后你把这个结果复制到Excel的那一行里。

三个月后写论文时，你想找“关于AI焦虑的研究”，在Excel里搜索“人工智能焦虑”，这篇文章就出来了。你不需要再翻EndNote，更不需要重新下载PDF。

PS：以上默默的这套流程不适合所有人

• 如果你的文献总量不到50篇，手动整理可能更快

• 如果你的研究领域文献量极大（比如几百上千篇），逐篇提取不现实，更适合做文献计量分析

• 如果你对AI工具不熟悉，光调试提示词可能就花掉不少时间

但它最适合的场景是：你手头有50到150篇核心文献，正在写开题报告或综述的第一版。

在这个阶段，你需要快速建立起一个“知识地图”。AI帮你把每一篇文献拆成卡片，你负责把这些卡片拼成地图。

至于AI能不能直接替你写综述？不建议。综述的核心是“论证”——为什么这个缺口值得填、为什么这个方法比那个方法好——这些是AI做不到的。但AI可以帮你把地砖铺好，你只管画线。

📌 下期预告：EndNote进阶｜用Term List快速生成领域关键词云

资源免费领取

扫码添加默默的科研小助手

自动发送【EndNote2025安装包】资源