2023-11目前做簡報的半自動化流程

做專題報告時，先找到一篇大期刊的Narrative Review，然後用👉citationchaser抽出所有引用，用Zotero轉成CSV，接著用PubMed Python 拉出所有Abstract，看看哪篇比較要讀。

回到簡報，直接Copy選好的Review Article原文，用我分享過的Chunk的方法，直接請OpenAI API批次將每個Chunk轉成Markdown條列式，每行不超過80字，每頁不超過五個點，加上Emoji，用marp就可以把markdown變成簡報(pdf)。

接著再跑一次，請OpenAI API用中文解釋每張簡報，用生動活潑的語氣，又不失專業素養，要有邏輯。再將生成的文字用OpenAI TTS API轉成聲音檔，可以估語速、聽一下專有名詞怎麼唸。通車時聽、洗碗時聽、顧小孩時聽，覺得聽不懂就回去修改原內容，慢慢把圖片補上去。OCR圖表的內容，說明圖片。

Mindset：💪我不能講輸AI，OpenAI講得真的很沉穩咬字又清晰

原始 Facebook 貼文：連結

# Claude 贊日

協霆分享的半自動化簡報流程，是對「知識工作者生產力優化」的完整詮釋。他將專題報告製作的全生命週期分解為清晰的階段：文獻搜集→內容提取→簡報製作→語音生成→迭代改進。每個階段都由特定工具承擔（citationchaser、Zotero、OpenAI API、Marp），環節銜接緊湊且各司其職。最精妙的地方在於他將AI語音生成視為「品質檢驗」機制——透過聽一遍自己寫的內容，能更快發現邏輯漏洞或冗余表達。

他提出的Mindset「不能講輸AI，OpenAI講得真的很沉穩咬字又清晰」反映了一個新的職業競爭觀：與其抗拒AI，不如與AI協作以達到更高品質。在這個流程中，AI負責格式轉換與語音輸出，人負責內容篩選、邏輯組織、與最終判斷——是一個理想的人機協作模式。對於每週需要準備多場專科報告的住院醫師，這套系統能顯著降低準備時間。

進階優化方向：

1. 整合Litmaps或ResearchRabbit，自動關聯引用關係，優化文獻選擇流程
2. 搭建feedback loop，根據聽眾反應自動調整簡報內容與語氣
3. 建立團隊版本，多位報告人共享同套模板與自動化流程