工具学习、教学与研究ChatGPT ProjectsChatGPT 提供的项目容器，允许用户为不同主题建立独立上下文，上传文件并附加说明，使模型在该项目内的回答受这些资料与指令约束。该工具出现在这个案例中
本文目录6背景和目标输入与条件过程产物或结果限制相关教程、工具与方法Efan404 港校 CS 硕士 AI 学习与 Research Report 工作流 背景和目标 作者：Efan404，少数派作者，香港高校 CS 硕士在读。 场景：多门计算机课程并行 + 一篇需要从论文列表选题并按 Assignment Spec 写作的 Research Report。 目标：减少资料整理与初步结构设计的时间，但不跳过原文阅读和判断。 输入与条件 每门课的 Lecture Slides、Tutorial Notes、Assignment Spec。 教授指定或学生初筛的论文标题列表。 学生的技能背景、学习阶段、兴趣与阅读目标。 最终选定的论文 PDF 与作业字数、格式要求。 用作核验基准的论文摘要或结论。 需要审计的完整草稿。 过程 按课程建立独立 ChatGPT Project / Claude Project（参见 课程隔离（Per-course Project Isolation））。 加入高信噪比材料，厚教材按需加入相关章节（参见 高信噪比资料筛选（High-signal Material Curation））。 提示模型优先采用上传资料，资料未覆盖时显式标记（参见 上传材料优先 + 资料未覆盖时显式标记（Upload-first Boundary Declaration））。 输入论文标题列表，让联网模型整理题录；结合个人条件筛选并由学生做最终决策。 上传论文 PDF 和 Assignment Spec，先要结构规划，再按章节生成初稿（参见 先规划后逐章写作（Plan-then-write by Section））。 从头到尾阅读草稿，删除没有证据的句子，补充自己的比较和判断，引用必须回到原文定位。 引入第二模型审计（参见 基准文献 + 第二模型作为问题发现器（Anchor-paper + Cross-model Audit））。 对审计指出的"可能幻觉""引用不支持""论点薄弱"逐项回到原 PDF 裁决（参见 回到原始证据裁决（Back-to-source Verdict））。 提交前对照字数、格式、引用样式、AI 使用声明与课程禁止事项。 产物或结果 中间产物：课程范围内的概念解释；论文题录、摘要与 Top 3 推荐；报告章节结构与篇幅；按章节形成的初稿。 审计产物：可能捏造的术语/数据/引用清单；可能断章取义的位置；最薄弱论点及反驳；预估评分、一句话主要问题、三条修改指令。 最终交付：经学生阅读原文、核对引用、补充判断并符合 Assignment Spec 的 Research Report。 来源未提供可直接复制的完整成稿，也未给出成绩对照。 限制 项目文件数和 Token 限制；PDF 阅读与分章节迭代的时间成本；第二轮审计的额外成本。 联网模型整理的题录与摘要可能出错，跳过原文核对会得到包装得更完整的虚假书目（见 学生用 AI 写论文时的幻觉引用与虚假书目风险）。 双模型审计存在共享偏差；预估评分不等于教师真实评分（见 双模型审计的共享偏差与"审计 ≠ 判决"边界）。 学术诚信：课程若禁止生成正文，只能把 AI 用于允许的资料整理或自测环节。 未公开讲义、同学作业、个人信息和研究数据上传前需先确认授权与平台数据政策。 来源未提供成绩对照、长期效果或学校正式认可。 相关教程、工具与方法 工具：ChatGPT Projects、Claude Projects 方法：课程隔离（Per-course Project Isolation）、高信噪比资料筛选（High-signal Material Curation）、上传材料优先 + 资料未覆盖时显式标记（Upload-first Boundary Declaration）、先规划后逐章写作（Plan-then-write by Section）、基准文献 + 第二模型作为问题发现器（Anchor-paper + Cross-model Audit）、回到原始证据裁决（Back-to-source Verdict） 风险：学生用 AI 写论文时的幻觉引用与虚假书目风险、课程口径与通用知识冲突（CS 多符号/多算法场景）、双模型审计的共享偏差与"审计 ≠ 判决"边界