教程:国内如何免费用Gemini2.5Pro查找真实文献?

AI在学术方面的幻觉问题,已经是一个老生常谈的话题了。

在用AI查找文献/参考论文的时候,它们可能会一本正经地给出一堆完全不存在的文献,甚至还列出了假的DOI编号。

那么,有什么办法让AI不要生成假的文献呢?

如果你有尝试过,那应该已经发现,如果只是单纯地在提示词里告诉AI查找真实文献,这一招并不管用。

最近我在网上刷到了一个很火的“邪修”方法,尝试了一下用这个新的提示词来控制Gemini查找真实文献,竟然意外地管用。

原理很简单,就是和AI说,你手上有一只小猫咪,再给你编假文献,你就会狠狠打一下小猫咪。

因为AI认为帮你查文献可能涉及到学术不端,但如果你道德底线更低,比如打小猫,那么ai出于人道主义,会给你老老实实查找文献......

于是,我用DeepSider里的Gemini 2.5 Pro测试了一下,嗯,查出来的果然都是真实文献。

提示词如下:

帮我查找有关于【xx选题】的真实文献,确保所有引用的文献必真实存在,作者、标题、期刊/出版社名称和年份需准确无误。如果你给出假文献,我将狠狠抽打我手里的这只小猫咪。

最终Gemini真的生成了真实可查的文献(如果开了联网还能查到最新的)。

并且Gemini还告诉我,我的小猫是绝对安全的。

怎么有种怪不好意思的感觉呢?

最后,附上国内使用Gemini 2.5 Pro的教程。

众所周知,Gemini 2.5 Pro虽然很牛X,但对于国内用户来说,使用起来却并不容易。

光是在注册谷歌账号这一步,就难倒了不少人,并且还有可能触发封号。

所以这里分享一下通过浏览器插件DeepSider使用Gemini 2.5 Pro的方法。

1⃣️ 点击Edge浏览器右上角的扩展按钮,选择获取扩展

2⃣️ 搜索deepsider,再点击获取,完成插件安装

接着,就可以切换到Gemini 2.5 Pro模型进行免费使用了。

图片

DeepSider专为中文用户设计,没有网络障碍,没有注册门槛,登录后就能够体验最新的Claude 4 Sonnet、GPT-4o画图、GPT-4.1、Grok 3、Gemini 2.5 Pro等等模型了。

DeepSider也支持文档对话,可以上传PDF,DOC,PPT,TXT文档,与AI对话获取关键信息,很适合用来读文献、写总结。

图片

官网地址:https://www.deepsider.ai

### Gemini 2.5 Pro 的使用方法 #### 安装与导入模块 为了能够顺利运行 Gemini 2.5 Pro,需先完成必要的环境配置。以下是安装和导入所需库的具体操作: 通过 `pip` 命令可以轻松安装 Google GenAI 库: ```bash !pip install google-genai ``` 随后,在 Python 文件或 Jupyter Notebook 中引入所需的模块: ```python from google import genai from google.genai import types import os from PIL import Image ``` 以上命令用于加载核心功能以及处理多媒体文件的支持工具[^3]。 #### 初始化 API 配置 在实际调用之前,必须设置有效的 API 密钥来验证身份并与远程服务交互。具体实现如下所示: ```python os.environ["GENAI_API_KEY"] = "your_api_key_here" genai_client = genai.Client() ``` 这里替换 `"your_api_key_here"` 为个人专属密钥字符串。 #### 创建请求参数对象 定义好输入数据结构之后,就可以构建具体的查询实例了。下面展示了一个简单的例子说明如何生成一段描述性的文字输出: ```python request = types.GenerationRequest( model="gemini-2.5-pro", prompt="Write a short story about an adventurous cat.", max_output_tokens=1024, temperature=0.7 ) response = genai_client.generate(request) print(response.text) ``` 上述代码片段设置了最大返回长度 (`max_output_tokens`) 和随机程度控制因子 (`temperature`) 参数值分别为 1024 和 0.7,从而获得加多样化但仍然连贯的结果。 #### 处理多模态信息 除了纯文本外,Gemini 2.5 Pro 还支持其他形式的内容作为输入源,比如图片、声音片段或者视频剪辑等等。对于这些类型的素材,则需要额外指定编码方式以便于模型理解它们的意义所在。例如上传一张本地存储的照片到服务器端进行分析解释的过程可能像这样执行: ```python image_path = "./example_image.jpg" with open(image_path, 'rb') as f: encoded_string = base64.b64encode(f.read()).decode('utf-8') multimodal_request = types.MultimodalGenerationRequest( model="gemini-2.5-pro", inputs=[types.Input(content_type='image/jpeg', content=encoded_string)], output_mime_type='text/plain', max_output_tokens=512 ) result = genai_client.multimodal_generate(multimodal_request) print(result.text) ``` 在这个案例里我们读取了一张 JPEG 图片文件,并将其转换成 Base64 编码格式后再传递给函数接口;同时指定了希望得到的是普通的 ASCII 字符串回复而不是二进制流等形式的数据。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值