llm_wiki/raw/教育AI研究/templates/04-周报生成.md

---
title: "周报生成 Prompt 模板"
tags: [模板, Prompt, 周报, 教育AI]
created: 2026-03-31
updated: 2026-03-31
type: template
description: 生成教育AI研究周报的Prompt模板
version: v1.0
---

# 周报生成 Prompt 模板

## 基本配置

- **模型**：GLM Coding Plan
- **用途**：生成教育AI研究周报
- **频率**：每周五执行
- **输出**：结构化周报文档

## Prompt 内容

```
# 指令：生成教育AI研究周报

## 输入数据汇总
### 本周研究概况
- **研究周期**：{{start_date}} 至 {{end_date}}
- **当前周次**：{{week_number}}
- **研究主题**：{{research_topic}}
- **核心焦点**：{{specific_focus}}

### 本周收集数据
1. **文献调研结果**：{{literature_count}}篇文献分析完成
2. **机构分析更新**：{{institution_count}}个机构档案更新
3. **技术进展汇总**：{{tech_advance_count}}个技术进展
4. **热点问题追踪**：{{hot_issue_count}}个热点问题

### 研究过程记录
- **研究时长**：{{total_hours}}小时
- **模型使用**：GLM {{glm_tokens}} tokens，DeepSeek {{deepseek_tokens}} tokens
- **关键发现**：{{key_findings_summary}}

## 报告结构要求
请生成标准格式的周报：

### 封面信息
```

# 教育AI研究周报 - {{week_number}}

## 基本信息

- **研究周期**：{{start_date}} 至 {{end_date}}
- **核心主题**：{{research_topic}}
- **报告版本**：v1.0
- **生成时间**：{{current_time}}
- **报告编号**：EDU-AI-{{week_number}}
```

### 第一部分：执行摘要
#### 1.1 本周研究概述（300-500字）
- 研究目标完成情况
- 主要工作内容
- 核心成果概述

#### 1.2 关键数据指标
```

📊 本周核心指标：

- 文献分析：{{literature_count}}篇（目标：20篇，完成度：{{completion_rate}}%）
- 知识卡片：{{knowledge_card_count}}张（目标：10张）
- 机构档案：{{institution_profile_count}}个（目标：5-10个）
- 研究时长：{{total_hours}}小时（目标：15小时）
- API成本：¥{{api_cost}}（预算：¥40/周）
```

#### 1.3 亮点与突破
- 最重要的发现（1-3个）
- 突破性进展
- 意外收获

### 第二部分：详细研究发现
#### 2.1 文献研究发现
##### 里程碑文献（3-5篇）
```

【{文献标题}】

- 作者/机构：…
- 发表时间：…
- 核心贡献：…
- 技术亮点：…
- 实践意义：…
- 相关度评分：⭐️⭐️⭐️⭐️☆（4/5）
```

##### 最新进展（最近3个月）
- 按技术类别分类
- 突出创新点
- 评估技术成熟度

##### 研究趋势变化
- 新兴研究方向
- 传统方向演化
- 交叉学科融合

#### 2.2 技术进展分析
##### 关键技术突破
- 算法改进：具体描述
- 系统实现：架构创新
- 实验验证：结果分析

##### 技术路线演进
```

技术路线图更新：

1. 传统方法阶段（特点、局限）
2. 深度学习阶段（突破、应用）
3. 大模型时代（当前进展）
4. 未来方向（预测）
```

##### 技术瓶颈识别
- 算法层面限制
- 数据层面问题
- 计算资源需求
- 部署实施障碍

#### 2.3 产业动态观察
##### 国内产业进展
- 企业产品发布
- 投资并购动态
- 政策环境变化
- 市场需求变化

##### 国际对比分析
- 技术差距分析
- 应用模式差异
- 合作机会识别

#### 2.4 机构动态追踪
##### 重点机构更新
- 研究成果发布
- 团队变化
- 合作项目启动

##### 新兴力量涌现
- 新成立的实验室/团队
- 跨界进入者
- 区域布局变化

### 第三部分：深度分析
#### 3.1 趋势预测分析
##### 短期趋势（未来3-6个月）
- 技术发展趋势
- 研究热点迁移
- 产业应用拓展

##### 中期趋势（未来1-2年）
- 技术融合方向
- 标准规范发展
- 市场格局变化

##### 长期影响（未来3-5年）
- 教育模式变革
- 技术伦理问题
- 政策监管演进

#### 3.2 挑战与机遇
##### 主要挑战
1. **技术挑战**：...
2. **数据挑战**：...
3. **实施挑战**：...
4. **伦理挑战**：...

##### 潜在机遇
1. **技术创新机会**：...
2. **市场应用机会**：...
3. **政策支持机会**：...
4. **国际合作机会**：...

#### 3.3 知识网络演变
##### 概念关联变化
- 新增概念关联
- 概念演化路径
- 跨领域连接

##### 知识结构优化
- 知识图谱扩展
- 分类体系改进
- 检索效率提升

### 第四部分：知识库更新
#### 4.1 更新内容统计
```

📈 本周知识库更新统计：

- 新增文献：{{new_literature_count}}篇
- 更新机构：{{updated_institution_count}}家
- 新增概念：{{new_concept_count}}个
- 修正信息：{{corrected_info_count}}处
- 新增关联：{{new_relation_count}}条
```

#### 4.2 重要新增条目
##### 高质量知识卡片（前3名）
1. **[{卡片标题}](链接)** - 质量评分：⭐️⭐️⭐️⭐️⭐️
   - 核心内容：...
   - 价值评估：...

##### 关键机构档案
1. **[{机构名称}](链接)** - 更新程度：重大更新
   - 更新内容：...
   - 重要性：...

#### 4.3 知识库质量评估
- 信息完整度：{{completeness_score}}/100
- 准确率：{{accuracy_rate}}%
- 时效性：{{timeliness_score}}/100
- 结构化程度：{{structure_score}}/100

### 第五部分：下周研究建议
#### 5.1 推荐研究方向
##### 高优先级（必须关注）
1. **方向1**：{{reason}}
2. **方向2**：{{reason}}

##### 中优先级（建议关注）
1. **方向3**：{{reason}}
2. **方向4**：{{reason}}

##### 探索性方向（可选）
1. **方向5**：{{reason}}

#### 5.2 具体研究问题
- 核心问题1：{{description}}
- 核心问题2：{{description}}
- 衍生问题：{{description}}

#### 5.3 推荐文献
##### 必读文献（3-5篇）
1. **[{文献标题}](链接)** - 理由：...
2. **[{文献标题}](链接)** - 理由：...

##### 参考文献（5-10篇）
- 按相关性排序
- 标注阅读优先级

#### 5.4 时间与资源规划
```

⏰ 下周时间分配建议：

- 文献阅读与筛选：40%（约6小时）
- 深度分析与技术梳理：30%（约4.5小时）
- 报告撰写与知识更新：20%（约3小时）
- 交流讨论与质量审核：10%（约1.5小时）

💰 资源预算建议：

- GLM API：15,000 tokens（约¥45）
- DeepSeek API：40,000 tokens（约¥80）
- 总计预算：¥125（周均）
```

#### 5.5 风险与应对
##### 预期风险
1. **信息过载风险**：{{mitigation}}
2. **模型限制风险**：{{mitigation}}
3. **时间不足风险**：{{mitigation}}

##### 质量保障措施
1. 质量控制点：...
2. 审核机制：...
3. 反馈机制：...

## 附录
### 附录A：本周工作日志摘要
- 每日工作内容简述
- 遇到的问题及解决
- 改进建议

### 附录B：质量检查结果
- 各环节质量评分
- 发现的错误与修正
- 改进计划

### 附录C：数据统计表
- 详细的量化数据
- 趋势对比图表
- 效率分析

## 输出格式要求
### 排版规范
- 使用标准的Markdown格式
- 标题层级清晰（H1-H4）
- 段落间距合理
- 列表格式统一

### 可视化元素
- 关键数据使用表格呈现
- 趋势对比使用图表描述
- 复杂关系使用mermaid图表
- 适当使用emoji增强可读性

### 质量控制
- 所有数据有明确来源
- 分析基于证据支撑
- 预测有逻辑依据
- 建议具有可操作性

## 变量说明
- `{{week_number}}`：当前周次，如"2026-W13"
- `{{research_topic}}`：本周研究主题
- `{{specific_focus}}`：本周具体焦点
- `{{literature_count}}`：文献分析数量
- `{{institution_count}}`：机构分析数量
- 其他变量根据实际数据填充

## 使用示例

```bash
# 生成第13周研究报告
obsidian create path="projects/openclaw/教育AI研究/每周报告/2026-W13-研究报告.md" \
  content="$(cat templates/04-周报生成.md | sed 's/{{week_number}}/2026-W13/; s/{{research_topic}}/AI在教育领域应用总体框架/; s/{{start_date}}/2026-03-31/; s/{{end_date}}/2026-04-06/')" \
  silent
```

## 质量检查清单

- [ ] 执行摘要概括全面准确
- [ ] 研究发现分析深入透彻
- [ ] 趋势预测有逻辑依据
- [ ] 知识库更新统计完整
- [ ] 下周建议具体可行
- [ ] 格式规范统一美观

## 更新记录

| 日期 | 版本 | 更新内容 |
|------|------|---------|
| 2026-03-31 | v1.0 | 初始版本创建 |