CSL JSON · RDF
Zotero
整個文獻庫搬過來；用 RDF 匯出還會連 PDF 一起建索引，AI 找得到內文。
一份稿，四種寫法：Word、LaTeX、Typst、Markdown。
期刊要 Word 就交 Word，要 LaTeX 就交 LaTeX。社科、醫護、人文的期刊多半收 .docx，在 App 裡直接編；理工期刊與 arXiv 收 LaTeX，用的是真的 Tectonic 編譯；想邊打邊看排好的頁面用 Typst；不想碰排版，就用 Markdown 起稿、出 PDF 時交給 LaTeX 排。四種之間「另存格式」互轉，換一家期刊不必重打。
Word.docx
社科、醫護、人文與多數期刊的投稿格式。App 裡就是 Word 編輯器，期刊的 Word 範本直接套。
LaTeX.tex
理工期刊與 arXiv。真的 Tectonic 編譯、官方 .cls 範本，不是近似的預覽。
Typst.typ
最快的即時排版：只重畫你正在看的那幾塊，邊打邊看排好的頁面。
Markdown.md
純文字起稿、跟其他工具交換最無痛；出 PDF 時交給 LaTeX 排版。
沒有固定方向：Markdown、Typst、LaTeX、Word 之間隨時切換，改完想切回去也行；標題、清單、表格、公式都跟著走。只有輸出 PDF 是單向的。
## 研究方法 我們追蹤 **412 位**第二型糖尿病患者十二個月，比較兩種衛教方式。 | 組別 | 人數 | HbA1c 下降 | |---|---|---| | 一般衛教 | 206 | 0.4% | | 個別化衛教 | 206 | 0.9% | 主要結果以混合模型估計：$\Delta = \beta_1 t + u_i$。
⇄隨時切換
\section*{研究方法}
我們追蹤 \textbf{412 位}第二型糖尿病患者十二個月，比較兩種衛教方式。
\begin{center}\small
\begin{tabular}{lll}
\hline
\textbf{組別} & \textbf{人數} & \textbf{HbA1c 下降} \\
\hline
一般衛教 & 206 & 0.4\% \\
個別化衛教 & 206 & 0.9\% \\
\hline
\end{tabular}
\end{center}
主要結果以混合模型估計：$\Delta = \beta_1 t + u_i$。→PDF
不會 LaTeX 也能交 LaTeX 稿：左邊是一段公衛研究的 Markdown 原稿，中間是同一份稿的 LaTeX——想切回 Markdown、或改成 Typst、Word，隨時都能切；右邊是它編成的 PDF。轉換器的原始輸出，沒有手改。
選一家期刊，版面就排好。
這四頁是同一份公衛稿，由 App 的排版引擎套上 IEEE、Elsevier、APA 7、Chicago 直接排出來的，沒有手動調整。
- 期刊範本
內建 APA 7、Chicago、MLA、學位論文、Elsevier、Springer Nature、IEEE、ACM、NeurIPS 等 21 種；線上還有各期刊與會議的官方套件、CTAN 的 class 和整個 Typst Universe，第一次選時從官方下載。官方 LaTeX 範本直接改寫你的原稿，Word 稿直接套上期刊的版面。
- AI 依期刊重排
一句話，把 Typst 稿排成那家期刊要的結構：章節、摘要、圖表編號、引用格式。改之前先留一版，編譯不過就不套用。
- 版面檢查
把排好的頁面畫出來給模型看：超出欄寬的圖、互相重疊、壞掉的公式、少了的章節，一條一條列給你。套用範本時也會說哪些放不進去。
照各領域的規矩引用。
換一種格式，文中引用和參考文獻一起換。右邊是 App 的實際輸出。
Discussion
Personalised education lowered HbA1c by 0.9 percentage points, against 0.4 with standard education (Chen et al., 2024)(Chen, Lin, and Wang 2024)[1].
References
Chen, Y., Lin, M., & Wang, H. (2024). Personalised education and glycaemic control in type 2 diabetes. Diabetes Care, 47(3), 412–420.Chen, Y., M. Lin, and H. Wang. 2024. "Personalised education and glycaemic control in type 2 diabetes." Diabetes Care 47 (3): 412–420.[1] Y. Chen, M. Lin, and H. Wang, "Personalised education and glycaemic control in type 2 diabetes," Diabetes Care, vol. 47, no. 3, pp. 412–420, 2024.
投稿前一晚，不必再等編譯。
改一個字、看一眼 PDF，截稿前一晚要來回幾百次。Tectonic 引擎放進 App 裡重新調過，四節的論文 0.3 秒出 PDF；Typst 只重畫你正在看的那幾塊。
\subsubsection{Scaled Dot-Product Attention} We compute the attention function on a set of queries simultaneously: \begin{equation} \mathrm{Attention}(Q,K,V) = \mathrm{softmax}\left(\frac{QK^{T}}{\sqrt{d_k}}\right)V \end{equation}
301 ms → PDF
Attention Is All You Need
Vaswani et al. · NeurIPS 2017
3.2.1 Scaled Dot-Product Attention
We compute the attention function on a set of queries simultaneously:
Attention(Q, K, V) = softmax(QKT ⁄ √dk) V (1)
The two most commonly used attention functions are additive attention and dot-product attention.
301ms四節論文，LaTeX 到 PDF原本 3,051 ms
1.34sarXiv 上一份 907 頁的真論文原版 Tectonic 1.64 s
2.0s新電腦第一次編譯原本 34.8 s
28msTypst 連續打字時，預覽慢多少看第 3 頁、每 80 ms 一鍵，p95
同一台 Apple 晶片 Mac 實測，2026 年 8–9 月。
簡報先排故事，再一頁一頁設計。
拼圖大綱先排好每一頁要講什麼；生成的每一頁照設計系統重新排版，不是套模板。論文裡的圖會被切出來放上去，示意圖畫成可以改的圖形。
Attention Is All You Need · 論文報告12 頁／目標 10
核心與思想來源2 頁
- 只靠注意力的序列轉換架構
- 從循序瓶頸走向自注意力
注意力如何運作1 頁
- 加權讀取、多頭與因果遮罩
資料與比較對象2 頁
- WMT 2014：翻譯實驗設計
- WSJ：剖析實驗設計
四種情境的結果4 頁
- WMT 2014 英德翻譯
- WMT 2014 英法翻譯
- WSJ 23：僅 WSJ 訓練
- WSJ 23：半監督與跨設定
哪些元件有效1 頁
- newstest2013 英德消融
證據能支持多遠1 頁
- 強結果不等於全面驗證
研究脈絡與結論1 頁
- 改變的是架構，不是取消順序
片庫・還沒放的
- 不同注意力頭真的看不同處嗎
- 平行訓練不代表平行生成
第一步是拼圖：測試版讀完論文排出這 7 段、12 片，另外 2 片放在片庫。可以搬片、加格子，或什麼都不動就照它生成。
第二步，照架構一頁一頁設計：測試版用「Verital 官網」設計系統生成封面與內頁，第二頁用「重做本頁」交代了「字少、圖大」。沒有手動修圖，點一張可以放大。
只重做這一頁，其他不動
說這一頁哪裡不對，只重排這一頁，講者備註和轉場都留著。
圖從你的資料畫
長條、折線、盒鬚圖都從你指定的那張表算出來；表一改，圖跟著改。
論文裡的圖，直接切出來用
PDF 頁面上的圖和表會被偵測出來、用高解析度切下，放到講到它的那一頁。
直接放映或匯出
在 App 裡帶講者備註放映，或匯出 PowerPoint、PDF。
說出機制，或丟給它論文，拿到一張還能改的示意圖。
用一句話描述腎元怎麼過濾、突觸怎麼傳遞；或直接丟一篇論文，它讀完方法再畫出那篇的機制圖。畫風照學科挑——教科書水彩、銅版雕刻、立體剖面、等角技術圖。每個標籤都會變成可以改的文字，匯出成 SVG 或 PowerPoint 之後還是能改。
每一張都是測試版照一句話畫出來的，沒有手動修改。點一張可以放大。
說一句，它替你處理資料；每一步都看得到。
匯入 CSV 或 Excel，用一句話叫它篩選、分組、畫圖或跑模型。它每一步做了什麼——讀哪張表、跑了哪段查詢、畫出哪張圖——都在旁邊一步步列出來，哪一步不對就退回那一步。
penguins.csv344 列 · 8 欄 · Palmer Penguins（CC0）
| species | island | bill_length_mm | bill_depth_mm | flipper_length_mm | body_mass_g | sex |
|---|---|---|---|---|---|---|
| Adelie | Torgersen | 39.1 | 18.7 | 181 | 3750 | male |
| Adelie | Torgersen | 39.5 | 17.4 | 186 | 3800 | female |
| Adelie | Torgersen | 40.3 | 18 | 195 | 3250 | female |
| Adelie | Torgersen | NA | NA | NA | NA | NA |
| Adelie | Torgersen | 36.7 | 19.3 | 193 | 3450 | female |
| Adelie | Torgersen | 39.3 | 20.6 | 190 | 3650 | male |
| Adelie | Torgersen | 38.9 | 17.8 | 181 | 3625 | female |
| Adelie | Torgersen | 39.2 | 19.6 | 195 | 4675 | male |
| Adelie | Torgersen | 34.1 | 18.1 | 193 | 3475 | NA |
| Adelie | Torgersen | 42 | 20.2 | 190 | 4250 | NA |
2 列缺嘴長、嘴深，會先去掉還有 334 列
嘴越長，嘴就越深嗎？依物種畫出來，算相關係數。
✓
讀取資料表penguins.csv · 344 rows · 8 cols
✓
去掉缺值嘴長或嘴深是 NA → 剩 342 列
✓
跑查詢SELECT species, corr(bill_length_mm, bill_depth_mm) FROM penguins GROUP BY species
✓
畫圖散佈圖 · 依物種上色 · 每種一條趨勢線
寫一句結論合在一起 r = −0.24，分開看三種都是正相關（0.39、0.65、0.64）：辛普森悖論
進行中你原本的東西，直接搬進來。
文獻庫、手寫筆記、舊簡報、寫到一半的稿子、資料，都不用重來。匯進來之後它們在同一張桌子上：AI 找得到，引用的每一句也都點得回原處。
.bib
BibTeX
條目直接進文獻庫，寫作時 \cite 打得出來、引用會自己核對。
.goodnotes
GoodNotes
手寫筆記連 PDF 底一起進來，照原樣繼續寫；可以整個資料夾一次匯入。
.note
Notability
筆跡變成可以擦、可以搜的手寫，跟你的論文和講義放在同一張桌上。
.pptx · .key · PDF
PowerPoint／Keynote
舊簡報逐頁轉成可以改的投影片；NotebookLM 匯出的 PDF 也行。
.docx
Word
在真正的 docx 編輯器裡接著改，追蹤修訂和交叉引用都留著。
.tex
LaTeX
照原樣在 App 裡編譯；要交給 Overleaf 時匯出一份它直接打得開的。
連結
YouTube／網頁
貼一個連結，逐字稿和內容變成能引用、能點回原處的來源。
.csv · .xlsx
CSV／Excel
進資料表就能用一句話分析、畫圖，每一步都列在旁邊。
一組研究助理，點到誰就是誰。
查資料、寫作、審稿、跑實驗、畫圖，各有各的記憶和專長。動手寫檔、跑程式之前先問你；工作的時候只在角落亮一圈光，不搶你正在看的畫面。
在哪一頁開口，他就從哪一頁接
你正在讀第 3 章，@ 審稿人，他看的就是第 3 章，不用把內容再貼一次。
動手之前，先問你
要跑程式、寫檔案，先跳一張允許卡；同一類的事可以勾「以後不用問」。
你已經付費的 Claude Code、Codex，也能上場
寫程式、跑實驗那一關交給它們，照樣經過我們的紀錄；用的是你的訂閱和額度。
實驗室那台桌機，也是隊友
把重的實驗交給另一台電腦上的助理，結果檔直接傳回你這台。
統
查
寫
審
跑
畫
在《第 3 章》
你
@審稿人 第 3 節的論證站得住嗎？
審
審稿人第二段的結論比數據強：研究紀錄 run_1104 只有 3 個種子。補到 10 個，或把句子改成「在 3 個種子上」。
跑
跑實驗 · 交給 Codex想執行：
python train.py --seed {270001..270007}允許一次這類事以後不用問不允許
跑
已交給實驗室桌機 · 7 個種子，照事前登記的那一組
寫
週一 9週二 10週三 11週四 12週五 13
查資料：稀疏注意力的新論文完成 · 14 篇出處
寫作：整理第 2 節完成
跑實驗：消融，7 個種子實驗室桌機 · 3／7
審稿：第 3 節站得住嗎等你看
畫圖：重畫圖 3消融完成後
與教授開會14:00 · 你自己的行程
查資料：每週新論文每週五 08:00
把工作派給 agent，時間到它自己做
在行事曆拉一個時段，交給「查資料」或「跑實驗」的 agent：只做一次，或每週五早上八點。時間到它自己開工，做完的結果回到那一格。
每個 agent 做過哪些工作，都看得到
每件工作都記著誰動過、交回了什麼；每天完成、失敗、等你看的件數一目了然。失敗的會停下來等你，不會一直重試。
你的行程和它們的工作排在一起
跟教授開會、截止日都在同一週裡，進會議室前就知道 agent 會先備好什麼。
跑實驗之前，先寫下怎樣才算成功。
說一句你想研究什麼，聊清楚再開跑。判準、門檻和正式種子在看到結果之前就寫死；跑完自動判成立或不成立，事後不能偷改門檻。往下捲走過十關，或直接點一關。
查不到的參考文獻，進不了你的稿子。
AI 最容易出事的地方，是一條看起來很像真的引用。在這裡，每一條引用都要在你的文獻庫或公開索引裡找得到原文；找不到的，它擋下來，並且告訴你是哪一條。
你問：Transformer 為什麼不用 RNN？
因為遞迴要一步一步算，沒辦法平行；自注意力讓每個位置一次看到整段序列[2] p.5，代價是長度的平方。後來的稀疏注意力就是在降這個成本[7] p.2。
擋下 1 條：「Smith 2019 證明 RNN 已經過時」——文獻庫和公開索引都找不到這篇，沒有放進答案。
Vaswani et al., 2017 · Attention Is All You Needp. 5 / 15
4 Why Self-Attention
In this section we compare various aspects of self-attention layers to the recurrent and convolutional layers commonly used for mapping one variable-length sequence of symbol representations to another.
The amount of computation that can be parallelized, as measured by the minimum number of sequential operations required. A self-attention layer connects all positions with a constant number of sequentially executed operations, whereas a recurrent layer requires O(n) sequential operations.
不只寫論文，也陪你把課讀懂。
同一張桌子也是你的讀書桌：英文課本、上課錄音、手寫筆記、作業和考試。它講給你聽的每一段，一樣連得回你自己的講義和筆記。
上課前
英文課本，看不懂的那段譯文就在旁邊
對照翻譯保留版面和公式；框一段問「這在說什麼」。
上課時
錄音、逐字稿、你的手寫，對在同一秒
板書轉成可以擦掉的手寫；作業和考試範圍自動進你的待辦。
下課後
講義變成你聽得懂的版本
從講義和你的筆記生成解說影片、Podcast、字卡；每一段都標出它從哪裡來。
考試前
題目從你的筆記出，錯了回到那一頁
選擇、填空、計算、簡答；簡答照給分點批改。
簡答 · 2／3 分
✗ 漏了：初始化的影響 → 筆記第 14 頁
✗ 漏了：初始化的影響 → 筆記第 14 頁
一份筆記，五種讀法
字卡、測驗、心智圖、資料表、資訊圖，都從你自己的講義和筆記生成，每一項都標著出處那一頁。
第 3 題 · 選擇
電子傳遞鏈位在哪裡？
- 細胞質
- 粒線體基質
- 粒線體內膜
- 細胞膜
答錯了 → 講義第 42 頁依錯題再出題
| 有氧呼吸 | 發酵 | |
|---|---|---|
| 在哪裡 | 粒線體（接在糖解之後） | 細胞質 |
| 要不要氧 | 要 | 不要 |
| ATP 產量 | 多 | 少 |
| 產物 | CO₂ 和水 | 乳酸，或酒精＋CO₂ |
三週後，還找得到老師講那句話的那一秒。
課堂錄音、你當下寫的那一筆、老師換到的那一張投影片，掛在同一條時間軸上。拖拖看：你的筆記會在你當時寫下它的那一刻重新寫出來。
00:00:00
00:00
拖動時間軸，或用方向鍵。點你寫的那個「∂」，錄音就跳回老師講鏈鎖律的那一句，投影片停在第 14 頁。
想不通的問題，攤開來想。
把論文、資料表、草稿拉到一張問題卡上，助理就讀得到它們；從回答裡挑一句，再從那一句問下去。
論文 · PDFAttention Is All You Need15 頁 · 讀到第 5 頁
資料表ablation_runs.csv10 列 · 3 個條件
問題卡 · 審稿人第 3 節的論證站得住嗎？讀 2 張拉進來的兩張卡都會讀。
草稿第 3 章 · MethodLaTeX · 4,120 字
回答結論比數據強「只有 3 個種子」← 從這句再問
資料在你的電腦裡，雲端只是管道。
論文、錄音、未發表的數據，是你的研究，不是我們的訓練資料。
拔掉網路照樣能用
搜尋、筆記、排版、離線的語音與辨識模型都在本機跑；需要網路的只有雲端模型和同步。
自己的兩台，逐鍵同步
實驗室和家裡各開著同一份稿，一台打的字幾十毫秒內出現在另一台。
伺服器看不懂
批改連結、雲端備份都在你這邊加密，金鑰不經過我們；用量帳本裡沒有放得下提示詞的欄位。
送出去之前，個資先換成代號
送到雲端模型之前，先在你的電腦上去識別化：規則抓 Email、電話、身分證號、病歷號、日期、網址，本機模型認出人名、機構、地點。模型看到的是代號，回來的答案再換回原文。本機模型還沒準備好，就一個字都不送。可以整體開，也可以只對某一份文件開。
一起寫，稿子不放在我們的伺服器上。
你的幾台電腦、一起寫的同學、改稿的教授，彼此直接連線。每一鍵都點對點同步；只有對方不在線上時才經過中繼，而中繼看不懂它轉送的內容。
自己的幾台電腦，點對點同步
實驗室和家裡開著同一份稿，一台打的字不到一秒就出現在另一台，直接在兩台之間傳。
跟同學即時共編
邀同學一起改同一份 LaTeX、Typst、Markdown 或 Word 稿。邀請連結決定對方能改還是只能看、能碰哪個專案、多久到期，隨時可以撤銷。
教授批改，原稿不動
傳一條連結，教授不用註冊。金鑰只在 # 後面，伺服器上一個字都看不懂；他改完回到你這邊是一條分支，要不要合併由你決定。
對方不在線上時：Pro+
Pro 要兩邊同時開著才會同步。Pro+ 的修改會先在加密中繼等著：實驗室那台一開機就補上，同學半夜改的你早上也收得到。
兩種方案，Pro+ 是為了一起寫。
功能兩種都一樣齊。差別在跨電腦、跟人一起寫的時候：Pro 要兩邊都在線上才同步；Pro+ 讓對方關機時修改照樣送到、教授有一個月慢慢批改，而且全部有雲端備份。
| ProUS$20／月年繳 US$200一台電腦為主，共編時大家都在線上 | Pro+US$40／月年繳 US$400實驗室加家裡兩台、跟同學長期共編、給教授批改 | |
|---|---|---|
| Pro+ 多的是這些 | ||
| 對方關機也收得到修改先在加密中繼等著，實驗室那台一開機就補上 | — | ✓ |
| 教授批改連結有效讓教授有時間慢慢看 | 7 天 | 30 天 |
| 加密雲端備份電腦壞了、掉了，論文還在 | — | 5 GB |
| 每月點數（官方 AI）兩倍多 | 150,000 | 320,000 |
| 表單回覆雲端保留 | 30 天 | 90 天 |
| 兩種方案都有 | ||
| 點對點同步、即時共編（兩邊都在線上時） | ✓ | ✓ |
| 全部功能：寫作、簡報、示意圖、資料、學習、研究助理 | ✓ | ✓ |
| 自備模型金鑰（BYOK） | ✓ | ✓ |
| 7 天免費試用 | ✓ | ✓ |
稅外加，結帳時顯示。年繳等於付 10 個月。點數包另購（US$10／45／160），買了 365 天內有效。沒有有效方案時 App 變唯讀，資料不會被刪。價格以結帳頁為準。
先免費用 7 天，
再決定。
還在做上線前最後的檢查。留下 Email，上線那天寄一封信通知你，就這一封。7 天試用從你在 App 裡開通那天才開始算。
這個 Email 只用來通知你 Verital 上線，要求刪除就刪；詳見隱私權政策。
沒有方案時，你的資料不會被鎖住：App 照樣能開啟、搜尋、匯出和刪除。Mac 支援 Apple 晶片與 Intel；Windows 版即將上架 Microsoft Store。
