第一步必须启用deep research模式以触发语义压缩与引用锚定；第二步通过canvas拖拽或四列表格强制结构化假设；第三步加载学科本体并校验术语映射准确性；第四步导出含mermaid流程图与动态依赖标记的可执行研究卡片.zip包。
☞☞☞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☜☜☜
你需要把零散的课程笔记、会议纪要、PDF文献和实验记录，整合成一个能支撑深度研究的结构化知识框架，而不是再靠手动建文件夹、贴标签、拖表格来硬凑逻辑。
第一步：用Deep Research启动问题锚定
打开Gemini Notebook 3.1 → 点击左上角“+新建” → 选择“Deep Research”模式。这一步不能跳过，因为普通对话模式无法触发长上下文语义压缩与引用图谱锚定机制。
输入提示词：“请基于我上传的3份材料（《多模态推理中的幻觉抑制综述》PDF、6月18日组会录音文字稿、上周实验日志片段），识别出当前研究中尚未被充分讨论的3个可验证假设，并为每个假设标注其在材料中的原始依据位置（页码/时间戳/段落编号）。”
等待模型完成跨文档对齐。它会自动将PDF里的图表编号、录音稿中的发言者ID、日志里的时间戳全部作为推理锚点，而不是当成普通文本滑窗处理。如果输出中出现“见原文第X页但未标具体章节”，说明材料上传时未启用OCR或PDF解析失败，【必须重新上传并勾选‘启用全文结构识别’】。
第二步：构建四维实体关系网
方法一：用Canvas侧边栏拖拽建模
把Deep Research输出的3个假设分别拖入Canvas工作区 → 对每个假设右键→“拆解为研究维度” → 自动展开为“理论依据｜数据缺口｜验证路径｜反例边界”四个子节点。
方法二：用自然语言指令强制结构化
在新对话框中粘贴假设列表，发送：“请将以下3个假设，按‘理论依据’‘数据缺口’‘验证路径’‘反例边界’四列生成表格。每行对应一个假设，表格仅含纯文本，不加任何解释性语句。”
Gemini Notebook网页版是一款基于AI的智能笔记工具，其核心功能是让用户上传个人文档（如PDF、文本等），并以此为基础进行交互。它能针对你的资料进行总结、解答疑问、生成新内容，让信息处理更高效。该版本为在线使用，无需下载安装。
这一步的关键是让模型放弃自由发挥，转而执行严格的列对齐。若某列内容为空，Gemini 3.1 Pro不会填充臆测内容，而是留空——这是它从“写得好”转向“答得准”的直接体现，【空值即信号，代表该维度尚无材料支撑】。
第三步：注入领域约束与层级校验
第一步：加载学科本体模板
在Notebook设置中点击“知识图谱”→“导入本体”→ 选择预置模板“Computer Science Research Ontology v3.1”（适用于AI/系统类研究）或“Biomedical Hypothesis Schema v2.0”（适用于生命科学类）。
第二步：运行双向映射校验
选中Canvas中已建的四维节点 → 右键→“绑定本体概念” → Gemini会逐项比对节点名称与本体库中的标准术语（如将“验证路径”映射为“HypothesisTestingProtocol”），并高亮不匹配项。
第三步：人工确认关键映射
重点检查“反例边界”是否被映射到“FalsifiabilityConstraint”而非泛化的“Limitation”。前者触发后续可计算验证逻辑，后者仅作文本归档。
第四步：生成可执行研究路径卡片
① 在Canvas中全选已完成绑定的四维节点 → 点击顶部工具栏“导出为研究卡片”
② 设置输出格式为“Markdown+Mermaid流程图嵌入”
③ 勾选“启用动态依赖标记” → 此时每张卡片底部自动生成形如“←依赖：Table 2.1｜→触发：Code Snippet A-7”的双向引用链
④ 点击生成 → 下载.zip包，内含research_card_01.md、diagram_01.mmd、dependency_graph.json三个文件
这个.zip包不是静态文档，而是可导入Jupyter Lab或VS Code的活体研究单元。Mermaid流程图支持实时编辑，dependency_graph.json可被CI/CD流水线读取，自动校验实验代码是否覆盖了所有“验证路径”节点。
