Make 10. 科研自动化实操：用 Make 工具批量自动进行文献总结

引言

做科研最费时的环节之一就是文献阅读和总结。每篇论文都要手动下载 PDF，逐页阅读，提取元数据，写总结笔记，再针对自己的研究课题分析启示。处理十篇二十篇还能忍，等到文献综述阶段要梳理几十上百篇的时候，效率就成了瓶颈。

我是翔宇。翔宇在做深度研究项目时就遇过这个问题——一次要处理上百篇文献，手动总结根本来不及。这套工作流就是那段经历催生的。

本期教程，我来教你用 Make 搭建一套科研文献自动化工作流。整个流程是这样的：把 PDF 文献上传到 Notion 知识库 → 工作流自动下载 PDF → 提取文本 → ChatGPT 生成结构化元数据 → 通过定制提示词生成两份报告（通用文献总结 + 针对具体课题的文献摘要）→ 全部回填到 Notion。

这套方法适合研究生、博士生、科研工作者，也适合任何需要批量处理 PDF 文档并提取关键信息的场景——比如金融研报分析、产品文档整理、解决方案提炼等。

你将学到

• 如何设计科研论文的 Notion 知识库结构（含元数据和分类属性）
• 在 Make 中用 HTTP 模块下载 PDF 文件
• 使用 PDF.co 模块将 PDF 转为纯文本
• OpenAI"文本转结构化数据"模块的使用方法（无需复杂提示词）
• toString() 公式处理二进制数据的技巧
• 如何用 Router（路由器）实现工作流分支
• 两套提示词的设计差异：通用文献总结 vs 课题导向文献摘要

视频教程

本教程配套视频已发布在 YouTube，建议搭配视频一起学习效果更佳。

详细教程

工作流整体架构

整个工作流分为两大部分：

第一部分：数据提取（4 个模块）
Notion 检索 → HTTP 下载 PDF → PDF.co 转文本 → ChatGPT 结构化提取元数据

第二部分：报告生成（Router 分两条分支）

• 分支一：通用科研文献总结 → 保存到 Notion
• 分支二：课题导向文献摘要 → 保存到 Notion

Router 的两条分支会按顺序执行，先生成通用总结，再生成课题摘要，最终都保存到同一个 Notion 条目中。

第一步：搭建 Notion 科研论文库

在 Notion 中新建"科研论文库"数据库，属性设置：

重点说一下"分类"字段。它不只是简单的标签，而是用来指导文献摘要的生成方向。比如填"大语言模型"，工作流就会针对大语言模型方向分析这篇文献的启示和研究线索。如果填"大模型训练的新方法和理论"，生成的摘要会更加聚焦。分类越精确，摘要越有针对性。

使用方法：新建条目 → 填写标题 → 上传 PDF 到文件字段 → 设置分类 → 状态改为"开始"。

第二步：Notion 检索 + HTTP 下载 PDF

模块 1：Notion Search Objects

配置检索条件：

• 分类等于"大语言模型"（按方向筛选）
• 状态等于"开始"（只处理待办条目）

你可以通过修改分类条件来切换处理的研究方向。比如同时有大语言模型和大数据两个方向的文献，只需改一下筛选值就能分批处理。把限制数改大（比如 10），一次运行就能批量处理一整个方向的所有文献。

模块 2：HTTP Get a File

URL 映射 Notion 条目中文件字段的链接，下载 PDF 到 Make 服务器。

第三步：PDF 转文本——PDF.co 模块

这是本期介绍的新方法。以前我们用过网页截图 + 多模态识别（Make 视频 8），也用过 Kimi 的文件接口（Make 视频 7）。今天用 PDF.co 模块直接把 PDF 转为纯文本。

模块 3：PDF.co Convert from PDF

• 转换类型：PDF to TXT
• 文件来源：HTTP 模块下载的文件
• Pages：0-3（只提取前 3 页）

为什么只取前 3 页？因为论文的摘要、引言和方法论概述通常在前几页，已经包含了核心信息。ChatGPT 的上下文窗口有限，不需要塞入整篇论文。3 页足够生成高质量的总结。

PDF.co 按页计费，新用户有免费额度。如果不想用 PDF.co，后续教程还会介绍 PDF 转 Markdown 等其他方案。

第四步：ChatGPT 文本转结构化数据

这里我用了 OpenAI 的"Transform Text to Structured Data"模块，和普通对话模块不同——你不需要写复杂的提示词来限定 JSON 格式，只需要定义数据结构即可。

模块 4：OpenAI Transform Text to Structured Data

• 模型：GPT-4o
• 输入文本：toString(PDF.co 的 Data)

注意这里有个关键点：PDF.co 输出的是二进制数据，需要用 toString() 函数转为字符串。这是一个容易踩坑的地方。

然后逐一定义数据结构参数：

每个参数的 Required 建议设为 No，因为预印本论文可能缺少 DOI、期刊等信息，避免因缺失字段导致报错。

第五步：Router 分支——两份报告

添加 Router 模块，创建两条分支。

分支一：通用科研文献总结

模块 5：OpenAI Chat Completion

系统提示词定义为"科研文献总结助手"，核心要求：

• 总结字数 3000 字以上
• 所有内容必须基于发送的文献数据，不得编造
• 以 Markdown 格式输出
• 只输出总结结果，无开头语和结束词

输出结构包括：文献基本信息、研究背景和目的、研究方法和实验设计、研究结果和关键发现、研究结论和意义。

User 消息：toString(PDF.co 的 Data)，直接发送 PDF 文本内容。Max Tokens 设为 4000。

接下来用 Notion Update 模块把结构化元数据（标题、作者、摘要、DOI 等）回填到知识库条目，状态更新为"已完成"。再用 Notion Append 模块把文献总结追加到条目正文中。

分支二：课题导向文献摘要

模块 6：OpenAI Chat Completion

这条分支的提示词和分支一有本质区别。系统角色是"科研文献摘要撰写助手"，目标是将文献内容转化为针对具体研究课题的启示和帮助线索。

输出结构包括：

• 文献背景 + 研究方法 + 主要发现 + 结论（基础部分）
• 理论启示：现有理论的支持或挑战、理论发展新方向
• 实验方法启示：实验设计和技术改进、方法学创新
• 进一步验证方向：验证建议、扩展研究范围
• 新问题线索：研究发现引发的新问题、未来研究假设
• 应用建议

User 消息的关键差异在于——要额外传入研究课题：

具体的研究课题为：{{Notion 条目的分类字段}}
科研文献内容：{{toString(PDF.co 的 Data)}}

这样 ChatGPT 就会结合你的课题方向来分析文献，产出的内容对开题报告、文献综述、研究方向探索都有直接帮助。

同样用 Notion Append 模块把摘要追加到条目正文中（排在通用总结之后）。

运行效果

运行工作流后，回到 Notion 科研论文库：

• 元数据字段全部自动填充（标题、作者、摘要、关键词、DOI、期刊、网址）
• 条目正文包含两份报告：第一部分是通用文献总结，第二部分是课题导向摘要
• 状态自动更新为"已完成"

在 Markdown 编辑器中打开可以看到完整的格式化效果——标题层级清晰、要点分明、启示和线索条理清楚。

延伸阅读

• Make 9. 微信公众号图文混排文章自动化实战：利用 Make 批量制作
• Make 11. 写作自动化实操：用 Make 和 OpenRouter 批量制作万字长文

常见问题

Q: PDF.co 的免费额度有多少？
新注册用户有一定的免费额度（按页计费）。本教程只提取 3 页，消耗很少。如果你不想用 PDF.co，可以用 Kimi 的文件接口，或者等后续教程中介绍的 PDF 转 Markdown 方案。

Q: 提取 3 页够用吗？会不会丢失重要信息？
对于文献总结来说，论文的摘要、引言和方法论概述集中在前几页，已经涵盖了核心内容。如果你需要更详细的分析（比如实验数据、图表解读），可以把页数范围扩大到 0-10 甚至更多，相应增加 Max Tokens。

Q: "分类"字段怎么设才有效？
越具体越好。"大语言模型"是宽泛方向，生成的摘要会比较通用。"大语言模型训练中的偏好优化方法"就非常聚焦，生成的启示和线索也会更有针对性。建议根据你的开题方向或研究问题来设定。

Q: 能不能批量处理多篇文献？
可以。把所有待处理文献的状态都设为"开始"，Notion 检索模块的限制数设为 10 或更大。Make 会遍历每条数据，逐一执行完整工作流。一次运行就能处理一整个方向的文献。

总结

这期教程展示了科研文献处理的自动化方案：PDF 下载 → 文本提取 → 元数据结构化 → 双报告生成（通用总结 + 课题摘要）。Router 分支是关键设计——让一个工作流产出两种不同角度的分析。

这套架构的复用空间很大。把 PDF 换成金融研报，提示词改成投资分析角度，就能自动生成研报摘要。换成产品文档，就能提取功能亮点和应用场景。核心思路不变：数据提取 + 定制提示词 + 结构化保存。

资源下载

• AI 编程实操课：国内版-FlowUS | 国际版-BMC
• YouTube 频道：翔宇工作流