请先逐段阅读以下文章，识别其内在知识演进路径——即哪些部分构成基础概念铺垫，哪些属于问题提出，哪些是方法论转折，哪些是结论延展或应用迁移。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让DeepSeek先通读全文、识别核心议题与逻辑断层，再据此生成彼此独立又层层递进的系列选题，而不是直接切段或平均分块。
第一步：喂入原文并锁定拆解前提
把完整文章粘贴进DeepSeek对话框，开头加一句明确指令：“请先逐段阅读以下文章，识别其内在知识演进路径——即哪些部分构成基础概念铺垫，哪些属于问题提出，哪些是方法论转折，哪些是结论延展或应用迁移。”
这一步不能跳过。如果直接要求“拆成5个选题”，AI会按字数均分或机械提取小标题，【导致后续选题之间逻辑断裂、重复覆盖同一层次、丢失高阶推演线索】。
第二步：触发判断式分析（关键动作）
在原文后另起一行，输入：“请基于上述阅读判断，回答以下三个问题：① 文章是否存在至少一个‘从A到B’的认知跃迁节点？如有，请指出具体段落和跃迁类型（如：现象→归因、理论→实证、个案→模型）；② 哪些段落承担‘承上启下’功能，且同时包含可独立深挖的研究缺口？③ 全文是否隐含未被展开但具延展性的二级线索（如技术实现细节、跨学科类比、反事实假设）？”
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
必须用数字编号+问号结尾。这种结构强制模型进入分项推理状态，而非泛泛而谈。若用“请分析一下……”这类开放式提问，输出往往笼统模糊，无法支撑后续选题生成。
第三步：生成带层级标记的系列选题
等DeepSeek返回三项判断结果后，立刻追加指令：“请严格依据你刚给出的三项判断，生成4个系列选题。要求：① 选题1锚定基础认知层，聚焦原文首段确立的核心定义或默认前提；② 选题2对应你指出的‘A→B跃迁节点’，以该跃迁为靶心设计验证型问题；③ 选题3调用你识别出的‘承上启下段落’中的研究缺口，转化为可操作的子问题；④ 选题4激活你发现的‘未展开二级线索’，提出一个突破原文边界的延伸方向。”
每个选题必须以“【基础】【跃迁】【缺口】【延伸】”四类标签前置。没有标签的选题视为未执行判断逻辑，需重新生成。
