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。
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。這裡是真的 LaTeX，不是近似的預覽：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。
下載、登入，就能拿你自己的論文開始用。試用要先綁卡，第 8 天才扣款，在那之前取消不收費。
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。（雛形：按鈕還沒接到真的下載。）
