给 AI 更多 PDF，研究答案一定会更好吗？

在这次测试中，增加 PDF 的确提升了覆盖面，但只持续到新论文不再回答同一个问题为止。此后，答案变得更宽、更顺，却更难看清核心比较。

我建立了三组材料：一篇高度相关的随机试验、三篇学生干预研究，以及十条搜索结果。最后一组还包含综述、评论和其他人群研究。

只有一篇时，答案很精确但也很脆弱。它能描述干预、主动对照、完成率和结果，却无法判断这个发现是否常见。

增加到三篇直接相关研究后，答案明显改善。它可以比较网页和邮件等不同交付方式、主动与较弱对照，以及不同睡眠结局，也暴露出一个需要进一步核查的表面分歧。

这是最大的一次有效提升。额外论文把问题从“这项试验发现了什么”推进到“这些试验为什么看起来不同”。

十篇材料带来更多词汇和背景，但有些来源不可直接比较：人群不同，或者本身是综述和评论。如果提示词不要求区分来源类型，答案会把它们合成一个连贯故事。

结果听起来更全面，精确性却下降。更多上下文增加了 AI 可以写出的主张，不一定增加由可比证据支持的主张。

按角色添加：

明确告诉 AI 每篇论文的角色，不要只要求“使用全部来源”。一篇论文可以作为有用背景，却不应该在结论中获得与直接证据相同的权重。

每次新增后追问：

如果工具无法回答第二个问题，继续加文件很可能只会增加叙事噪音。

把工作集合放入 My Library。先用 Library QA 按人群、设计和用途分类，再对真正相关的子集提出综合问题。

最好的来源集合不是最大的，而是足以支持主张、包含有意义反例，并且能解释两者的最小集合。