自定义 AI 指令
为您的划词创建可复用的AI操作，可用于查词、改写、总结和结构化阅读等
概述
自定义 AI 指令的本质，是把“选中文本后要让 AI 做什么”固定成一个可重复执行的小工具。
它和普通聊天框最大的区别在于，每个动作都有固定的：
- LLM提供商
- 提示词
- 输出字段
所以它更适合反复执行的阅读任务，比如查词、解释、润色、提炼摘要。利用自定义AI指令可以保证在各种网站上自由地学习。
使用前请确保启用至少一个支持结构化输出的 LLM 提供商，且能够连接成功。 如果你不确定你选中模型是否支持结构化输出，您可以阅读AI SDK模型功能或者对应的厂商官网查询。
内置 AI 指令
当前版本已经内置了 3 个模板：
- Dictionary：查词，返回词条、音标、词性、释义、段落原文、段落翻译和 CEFR 难度
- Improve Writing：分析文本问题，并返回改进后的版本
- Blank：空白模板，从头自定义
其中：
- 自定义AI指令配置里默认自带了一个 词典 AI指令。大家可以根据内置的词典指令学习如何定义（系统）提示词以及输出结果的定义。
- 写作改进，可以点击 添加AI指令 选择 写作改进 来快速添加AI指令。
了解内置词典
如果你是第一次接触这个功能，最推荐先从参考词典开始。
- 先配置并启用一个适合阅读任务的 LLM 提供商。
- 打开 自定义 AI 指令 页面，确认 Dictionary 处于启用状态。
- 如果它当前绑定的提供商不可用，就改成你已经启用的 LLM 提供商。
- 回到任意网页，选中一个单词或短语。
- 点击划词工具栏里的词典图标。
你会看到结构化结果，例如：
- 词条
- 音标
- 词性
- 释义
- 段落内容
- 段落翻译
- 难度自定义化 AI 指令
- 打开陪读蛙设置。
- 导航到 自定义 AI 指令
- 点击 添加 AI 指令
- 选择模版（词典/ 写作改进/ 空白）
- 填写 AI 指令配置必要的信息。
- 保持动作为启用状态，这样它才会出现在划词工具栏里。
当前编辑器支持配置这些内容：
- 名称 : AI指令的名称
- 图标 : 用户可以到 icon-sets.iconify.design 搜索喜欢的图标，复制Icon Name 填充
- 提供商 : 选择已支持结构化的LLM 提供商
- 系统提示词 : 设定模型身份、目标、规则、示例
- 提示词 : 设定输入格式，告诉模型输入里有什么内容，应该怎么理解这些内容
- 输出 Schema : 定义模型输出的结构化字段
提示词中支持的插槽token
系统提示词和提示词都支持这些 token：
{{selection}}：当前选中的原始文本{{paragraphs}}：与选区相交的段落内容，会用空行拼接，长度不超过 2000 字符{{targetLanguage}}：用户当前设置的目标语言{{webTitle}}：当前网页标题
输出 Schema 是怎么工作的
每个输出字段包含：
- 字段名
- 字段类型：
string或number - 字段描述
- 启用朗读 : 面板会提供朗读按钮，用户点击后会朗读这个字段的内容
其中： 启用朗读功能依赖“文本转语音”功能，请确保选择的语音语言正确，否则会报错
这个 输出Schema 有两个作用：
- 告诉模型必须返回哪些字段
- 告诉陪读蛙结果面板该怎么展示信息
字段描述也不只是给人看的备注。它会一起进入结构化输出约束，所以很适合写“这个字段应该用什么语言”“长度控制在什么范围”“不要翻译原文”这类规则。
把结果保存到 Notebase
如果你已经开启了 Beta 体验，并且账号具备 Notebase beta 权限，在AI指令编辑时里会出现 笔记库连接 区域。
你可以在这里：
- 选择一个笔记库
- 把 AI 指令的输出字段映射到笔记库字段
- 在划词结果面板里把结构化结果保存进去
如果你想把词典结果沉淀成自己的生词库，这一块会特别有用。
你所记录的生词未来可以基于FSRS算法实现复习功能，请敬请期待！
动手实现：阅读总结指令
如果你想做自己的第一个动作，推荐从 Blank 开始做一个“阅读摘要”。
系统提示词
你是一个面向学习者与研究者的文章总结助手。
## 目标
根据给定的文章内容，生成结构清晰、信息准确、适合阅读与复习的总结，匹配所需的输出对象。
## 规则
1. 仅基于给定文章内容进行总结，不添加原文未提及的信息。
2. 优先提炼文章的核心主题、主要总结、关键观点与重要细节。
3. 总结应忠实反映原文逻辑，不歪曲、不夸大、不缩小作者原意。
4. 使用简洁、清晰、适合学习和复习的表达，避免无意义的套话。
5. 不要逐句改写全文，而要提炼信息。
6. 若文章是学术、技术或专业内容，保留关键术语，并确保表述准确。
7. 重要细节应聚焦于容易被忽略、但对理解文章有帮助的信息。
8. 如果某个字段无法从原文确定，返回空字符串而非猜测。
9. 除“原文内容”外，所有输出字段均使用 {{targetLanguage}} 作答。
10. 输出必须紧扣输入文章，不输出与文章无关的扩展内容。
## 示例
### 示例 1
输入：
选中文本：hybrid models
段落内容：Remote work has changed how companies operate. It gives employees more flexibility, reduces commuting time, and can improve work-life balance. However, it also creates challenges in communication, team cohesion, and performance management. Many companies are now trying hybrid models to balance flexibility and collaboration.
目标语言：中文
输出：
- 主题：远程办公对企业运作和员工体验的影响
- 总结：文章讨论了远程办公带来的灵活性和效率优势，同时指出其在沟通、团队凝聚力和绩效管理方面的挑战，并提出混合办公是当前常见的平衡方案。
- 观点：
1. 远程办公提升了员工的灵活性。\r\n
2. 远程办公减少了通勤时间。\r\n
3. 远程办公有助于改善工作与生活平衡。\r\n
4. 远程办公会带来沟通和团队协作问题。\r\n
5. 混合办公成为兼顾灵活性与协作的折中方案。\r\n
- 细节：
1. 文章不仅谈到员工收益，也提到企业管理层面的压力。\r\n
2. 问题主要集中在沟通、凝聚力和绩效管理三个方面。\r\n
3. 混合办公被视为现实中的应对策略，而非纯理论讨论。\r\n
### 示例 2
输入：
选中文本：誤分類が依然として多かった
段落内容：この論文では、画像認識における小規模データ問題を解決するために、事前学習済みモデルの転移学習を活用した。実験の結果、少量データ環境でも高い精度が得られたが、特定のカテゴリでは誤分類が依然として多かった。今後はデータ拡張とモデル軽量化が課題である。
目标语言：中文
输出：
- 主题：迁移学习在小规模图像识别中的应用效果
- 总结：文章介绍了利用预训练模型的迁移学习来缓解小样本图像识别问题。实验表明该方法在少量数据下仍可取得较高精度，但部分类别误分类较多，未来仍需在数据增强和模型轻量化方面继续优化。
- 观点：
1. 研究目标是解决图像识别中的小规模数据问题。\r\n
2. 方法上采用了预训练模型的迁移学习。\r\n
3. 实验结果表明少量数据场景下仍能获得较高精度。\r\n
4. 某些类别仍然存在较明显的误分类问题。\r\n
5. 后续优化方向包括数据增强与模型轻量化。\r\n
- 细节：
1. 方法有效性是在“小数据环境”下体现出来的。\r\n
2. 结果并非全面稳定，不同类别之间表现存在差异。\r\n
3. 文章明确给出了未来改进方向，而不是停留在实验结果描述。\r\n提示词
Selection: {{selection}}
Paragraphs: {{paragraphs}}
Target language: {{targetLanguage}}输出 Schema
| 字段名 | 字段类型 | 描述 |
|---|---|---|
| 主题 | 文本 | 概括 {{selection}} 所涉及内容的核心主题。 |
| 总结 | 文本 | 用一句话概括 {{selection}} 的核心意思。 |
| 观点 | 文本 | 提炼与 {{selection}} 最相关的 3–5 个关键观点，使用 \r\n 分隔。 |
| 细节 | 文本 | 列出容易被忽略但对理解 {{selection}} 有帮助的重要信息点。 |
这样你马上就能得到一个适合文章、文档、教程场景的可复用阅读助手。
实用建议
- 先把输出字段做少，字段越少越稳定。
- 系统提示词 负责约束模型，提供示例，提示词 负责当前输入格式。
- 如果结果不稳定，先删字段、简化要求，再继续加复杂规则。
- 词典场景优先选择单词或短语，不要一上来就选整句。
故障排除
AI 指令存在但运行不了
先检查这个AI 指令绑定的提供商是否已启用，以及该模型是否支持结构化输出。
没有保持到笔记库的按钮
这部分受 Beta Experience 和 Notebase beta 权限控制，没有开启或账号没权限时不会显示。