最近总有人问我“你写论文是不是也用AI”我的回答很统一用但不是你们想的那种用法。我不是把题目扔给AI让它替我写而是把它当成一个特别能加班、特别能抬杠、特别擅长把一句废话扩成三页纸的写作搭子。真正的学术写作正在从“一个人对着一块白屏死磕”变成“人和AI组队闯关”。这种模式就是人机协同也是我最近在学术写作里最受用的“新神装”。不管你是研究生、青椒还是已经需要带学生的资深研究者只要还在和论文、基金本子、综述打交道这篇文章都值得你读完。下面我把整套打法拆开讲清楚。1. 学术写作真正的痛点不是“写不出来”1.1 白屏恐惧症问题在启动不在手速很多人的论文卡死不在后面而在开头那一个小时。打开Word光标在空白页左上角闪脑子里全是零散想法就是组不成第一句话。这不是手速问题是启动成本太高。因为写作在你的潜意识里被等同于“一次性输出完美内容”所以你迟迟不敢落笔。我和人机协同打交道以后最先解决的就是这个问题。做法很简单随便丢给AI一句话哪怕是“用三句话解释我研究的这个东西为什么重要”让AI先给你一个粗糙但完整的段落。这个段落大概率不能用但它能给你一个“可以修改的对象”。人面对一张白纸会恐慌但面对一段“写得不行但我能改”的文字反而会立刻进入修改状态。你可能会问这样会不会被AI带着跑答案是不会。因为后面你还要做判断、做取舍、做重构AI给你的只是“半成品原材料”。真正的价值在于它帮你越过了“从无到有”那个最消耗心力的门槛让你直接进入“从有到优”的修改阶段。1.2 写作是思考的镜子单打独斗容易让思维钻牛角尖我经常跟课题组的人说学术写作不是把你已经想明白的东西记下来而是通过写来把问题彻底想明白。你写引言的时候才会发现自己对研究背景的理解还有缺口你写讨论的时候才会发现自己根本没有认真想过“我这个结果如果和预期相反怎么办”。单打独斗的时候人特别容易陷入同一个小段落反复改、改了删、删了再改的循环。因为你的思考路径是封闭的翻来覆去都是同一套脑回路。这时候AI其实是一个很好的“外部记忆”和“对立观点生成器”。你写一段论证让AI从三个角度质疑你立刻就能发现自己刚才没考虑到的维度。这不是AI有多聪明而是它“不维护你的面子”会老老实实把话说全。所以我一直强调人机协同不是让人变懒而是逼着你更清楚地表达。你想让AI帮上忙就得先把需求说清楚而“把需求说清楚”这个动作本身就是在帮你理顺逻辑。1.3 为什么“全交给AI代写”这条路必然翻车有人一听“协同”就觉得是给“AI代写”换了个好听的说法。真不是。至少有三道坎决定了学术写作不可能全交给AI。第一道坎是真实性问题。AI擅长生成流畅文本不擅长保证事实正确。它会一本正经地编出一篇你看不见的文献作者、年份、期刊名像模像样但回数据库一查查无此文。如果论文里混进这种引用轻则退稿重则会被认定学术不端。第二道坎是判断力问题。你的研究贡献是什么你的创新点到底在哪这些问题只有真正做过这个课题、读过原始文献、亲手处理过数据的人才能回答。AI只能根据你的输入推测而推测出来的“创新点”大概率是领域里已经被讲过无数遍的套话。第三道坎是伦理问题。核心观点、关键论证、数据解读这些环节必须由作者本人完成。学术共同体默认论文署名意味着对内容负责。如果整篇论文都是AI写的那署名还有什么意义所以别再想着“让AI替我把论文写了”。正确的姿势是把AI当成你的研究助理、陪练、改稿编辑让它干它擅长的活同时把决策权牢牢攥在自己手里。2. 人机协同的分工谁说了算谁干苦力2.1 AI适合承担的四类任务想让人机协同真正起作用第一步是分清“哪些活交给AI”。根据我的经验有四类任务特别适合交给AI效率提升非常明显。第一类是检索、对比和转述。比如你写综述之前想快速了解某几条技术路线的异同可以把相关文献的摘要和结论贴给AI让它帮你整理成对比表。注意文献本身要来自真实数据库AI只是信息整理员不是文献来源。第二类是多版本生成。同一个段落你想要“更学术一点的表达”“更凝练的版本”“更适合基金本子的版本”AI可以一秒钟给你出好几版。你从中挑一版最合适的骨架再手动改细节比从零写快得多。第三类是文字润色。把口语化的初稿改成书面表达把绕来绕去的长句拆分把逻辑连接词补上。这类工作AI做得又稳又快而且不容易有脾气。第四类是逻辑结构梳理。你把一节的段落标题和每段大意丢给它让它检查是不是重复、是不是有时间线错乱、是不是有论证断层。它会给出调整建议虽然不能全盘照搬但能帮你节省大量整理时间。2.2 人类必须守住的四件事与此同时有四种东西绝对不能交给AI谁交出去谁吃亏。第一是研究方向。为什么做这个课题、做什么不做什么这些来自你对该领域长期的理解和判断。AI没有学术品味它倾向于给你“看起来合理但实际上平庸”的建议。第二是核心论点和创新点。你自己的核心贡献是什么这是论文的灵魂必须以你的研究内容和独立思考为准。第三是数据的真实性和统计结果。AI不会跑实验也不该替你解读原始数据。它能帮你润色“实验方法”那一段的表述但具体数值、实验条件必须来自你的实验记录。第四是投稿决策。投哪个期刊、要不要回应审稿人、怎么回应这些都是高度依赖经验和策略的决策。AI可以帮你模拟审稿人但最终拍板的只能是你自己。2.3 一份可以直接抄的分工表我把上面这些整理成一张表每次开始写论文前先想一遍能减少很多无效操作。写作环节人类负责AI负责选题判断方向、提出候选问题发散候选方向、模拟读者提问文献综述筛选文献、核验出处总结观点、做对比表格大纲定主线和核心论点扩展子标题、补充逻辑链条初稿提供数据、案例、核心论证扩写段落、生成过渡句润色确认专业术语和语气改写句式、压缩冗余表达回复审稿人决定回应策略模拟审稿人质疑、生成初稿这张表的核心逻辑是AI做“发散-整理-表达”人做“判断-决策-负责”。记住这句话协同就不会跑偏。3. 人机协同实操从选题到投稿信的完整六步3.1 选题阶段让AI当“刁钻的质询者”很多人选题喜欢问AI“我这个方向有没有前途”这个用法效果很差因为AI没有真实学术嗅觉。我的做法反过来让AI当一个“刁钻的质询者”专门给我挑刺。比如你手里有两个候选题可以把它们描述给AI然后让它分别站在“领域资深审稿人”“刚入门的研究生”“对该方向不熟的交叉学科同行”三个视角提问。每类人给出5个他们最想问的问题。你会瞬间看清楚哪些问题你回答不了哪些问题其实是创新点哪些问题人家早解决了而你还在当卖点。实操中我会用一段类似下面这样的提示词请分别扮演三位读者一位是本研究领域的资深审稿人 一位是刚进入该方向的研究生一位是交叉学科但基础不错的同行。 我的候选研究题目是[用一两句话描述你的研究问题]。 请每位读者提出5个最关心的质疑或问题并解释为什么关注。 最后把这些问题按“致命程度”排序。这样一来AI帮你做了“极端情况头脑风暴”而你仍然掌握选题决策权。它提的问题不一定都对但能逼你把自己没想清楚的地方想清楚。3.2 文献综述让AI做“综合整理员”而不是“文献生成器”文献综述是人机协同里最容易踩坑的环节。很多人让AI“帮我写某主题的综述”结果AI写出一堆看着很合理、但没有一篇能查到的参考文献。这是幻觉重灾区。我的原则是AI可以碰文献但只能碰你已经喂给它的文献。具体操作分三步。第一步去真实学术数据库里用关键词检索下载高相关性的文献把题目、摘要、结论整理成清单。第二步把每篇文献的原始摘要或结论分段喂给AI让它们做归纳。注意一次不要喂太多篇五到八篇一组比较合适。你可以在提示词里明确要求以下是5篇文献的摘要。请按主题分成若干类每类用一句话概括核心发现 并指出文献之间的共同点和分歧。引用时请用我提供的文献编号不要新增其他文献。第三步你把AI整理的分类框架拿过来看自己判断哪些类是真正重要的研究脉络哪些只是细枝末节。然后在此基础上重写综述结构。这样用AI既能利用它归纳信息快的优势又不会让假文献混进你的参考文献。在综述里每一篇你引用的文献都必须是你亲眼看过、亲手确认过的。3.3 大纲与论证用“倒金字塔法”锁定逻辑大纲阶段我给的建议是不要一上来就让AI写论文大纲而是先自己写一页纸的“倒金字塔”。所谓倒金字塔就是最上面写一句核心论点第二层写三个支撑证据第三层写每个证据可能遇到的反驳。这一页纸不需要学术化也不用完整句子你自己能看懂就行。为什么要先做这一步因为大纲是论文的骨架骨架要是交给AI搭后面的血肉就会跟着跑偏。但AI也不是没用它可以帮你扩展这个倒金字塔。比如你给出了三层结构让它针对每一层补充二级标题、关键词和段落安排建议。这一步做完以后你会得到一份“自己的主线 AI的细化”混编大纲。请务必亲自检查每个二级标题符不符合你的主线。我一般会把大纲读一遍然后把与核心论点无关的标题直接删掉哪怕语言再漂亮也不要。3.4 初稿扩写用“角色提示词分块输入”降低幻觉初稿阶段最容易犯的错误是把整个章节的要求一次性扔给AI让它“给我写引言”。这样写出来的文章多半又空又泛因为AI不知道你的具体研究细节只能拼凑套路化表达。我常用的方法叫“分块扩写法”把每节再拆成几个小块每一块只处理一个功能。比如引言可以拆成“研究背景”“知识缺口”“研究目的”“贡献总结”四块。每一块单独和AI对话并把相关的已有内容贴进去。例如写“知识缺口”那一块我会用这样的提示词请扮演我所在领域的一位学术编辑帮我写一段“研究知识缺口”的文字。 我目前的研究是[一两句核心贡献]。 过去研究已经解决了这些问题[列出2-3个已知结论]。 但仍有这些问题尚未解决[列出你的依据]。 请用批判且克制的学术语气把“已知—未知—本研究如何填补”串成一段连贯文字不超过250字。这样AI在明确的上下文里工作生成结果更贴合你的研究实际也更不容易胡编。你可以让它生成三个版本然后挑一个最顺手的改。初稿阶段不追求完美追求“有东西可改”。3.5 润色从“学生腔”到期刊语言润色是很多人的刚需。但AI润色有个误区把整篇论文丢进去让AI“整体润色”结果它把专业术语也改了把简练的句子变得啰嗦有时候甚至改变了原意。我的建议是分块润色并且每块明确约束条件。摘要就只润色摘要引言就只润色引言。提示词里说清楚“保持专业术语不变”“语义与原文一致”“减少被动语态的滥用”“把超过30个字的句子拆短”。AI的理解能力虽然有限但只要约束明确效果会稳定很多。举个我常遇到的情况初稿里写“这个结果表明我们的方法比其他方法好”AI润色后可能变成“实验结果有力证明了所提方法的显著优越性”。后者看起来更学术但其实过度拔高了而且没有说明比较基准。所以在润色之后你一定要回读一遍特别注意那些被AI加进去的“显著”“有效”“深入研究”等程度词这些词如果没有数据支撑审稿人一眼就会看出来。3.6 投稿信与回复审稿人把AI当“模拟审稿人”写投稿信和回复审稿人意见是人机协同收尾阶段最划算的应用。投稿信是最格式化的内容完全可以先用AI生成骨架然后你替换成自己的研究信息。比如让它根据你的摘要生成一版“Dear Editor”开头的投稿信列出“本文研究问题、方法、主要发现、与期刊范围的契合点”四段式结构。回复审稿人则更有意思。拿到审稿人的意见以后别急着逐条回复先把意见分类喂给AI让它扮演审稿人追问你“你的修改有没有真正解决我的疑问”“如果你是这个审稿人什么样的回复会让你满意”。我有一个固定的操作把每条审稿意见和我的初步回应思路贴在AI面前让它从审稿人视角挑毛病。往往它能指出“你这条回复是在辩解没有给出具体修改”或者“你在问题1里说的修改在正文哪里体现”。这些提醒能帮你把回复写得更有条理减少来回返工。4. 提示词设计让人机协同从“可用”到“好用”4.1 给AI立人设说清身份、任务和约束我发现很多人用AI效果不好根源在于提示词太模糊。你问“帮我润色一下这段话”AI只能随便弄一版你连期刊风格、目标读者、语气要求都不给它当然只能按默认的“通用书面语”来。一个好用的提示词应该至少包含四件事身份、任务、上下文、约束。我用一个公式总结身份你是什么角色 任务你要干什么 上下文基于什么信息 约束不能做什么要什么风格例如你写研究方法部分可以这样问你是一位有10年科研经验的方法学审稿人。 请帮我改写下面这段“实验流程”文字目标期刊是本领域内的主流期刊。 原文字段如下[粘贴原文]。 要求1保持所有实验参数和产品名称不变2把被动语态控制在合理范围 3删除冗余的“然后”“接着”等词4如果发现原描述有逻辑跳跃请单独指出。加了这些约束以后AI的输出才真正能用于修改而不是给你制造新的修改任务。4.2 一次只问一个子问题拆成步骤链学术问题通常比较复杂你让它“分析这段数据并写300字讨论”时它既要分析又要写作反而两头都做不好。我的经验是把任务拆成步骤链让AI一次只做一件事。比如你想写一段讨论不要直接让它写而是先让它分析数据背后可能的解释基于我提供的实验数据列出3种可能的机理解释并给出各自的支持证据。等你选定了解释方向再让它扩写成段落基于选定的第2种解释扩展为150字的学术讨论段落注意不要增加新的机理断言。每步之间你有机会介入和纠偏。这和和别人合作是一样的你把一个大任务拆成小任务下发你才有足够的管理空间。4.3 让AI自我对线同时生成观点和反方观点学术写作最忌讳“单向论证”。审稿人最擅长抓那种“只提支持证据、不提局限性”的段落。我经常用AI做“自我对线”训练让它在同一段对话里先支持你的论点再反对你的论点。具体提示词如下请先站在支持本研究的立场列出本文价值最大的三个证明点。 然后切换到反对者立场列出三个可能出现的致命质疑。 最后对每个质疑给出作者可以回应的话术。这样生成的内容能直接帮助你在论文讨论部分加“局限性分析”和“应对审稿人质疑”。我们常说好论文是“和读者对话”AI帮你把潜在对话提前演练了一遍。4.4 用“补一句为什么”来验证逻辑AI生成内容太流畅有时候其实是缺点。因为它会生成那种“逻辑上听起来通顺但实际上跳跃”的句子你仔细一读就发现中间省略了很多必要步骤。我专门有一个验证技巧让AI为它给出的每一句论断补上“为什么”。如果你发现它补不出来或补得很牵强那这句话大概率有问题。比如AI写“该方法的性能优于现有方法”你可以追问“为什么这么说依据是什么是否有对照实验支持”如果它给出的依据来自你提供的数据表那么这个论断可以用如果它只是在编套路话就一定要删掉或改写。这个习惯对数学生特别有用AI可以帮你想出漂亮的句子但只有你能确认这个句子是真的。5. 常见问题与避坑指南5.1 文献幻觉AI给的参考文献可能根本不存在这个问题我强调多少次都不过分。AI在生成参考文献时会根据已有的文献库“发明”一些看起来正常的条目可能作者名很常见、年份合理、期刊名也对得上但那篇论文就是不存在。避坑方法只有一个凡是要写进参考文献的条目必须在真实学术数据库里能查到原文。如果查不到一律删除。千万不要抱着“AI推荐的应该差不多”的想法。更稳妥的做法是把真实导入文献库里的PDF丢给AI做总结让它引用“文献1、文献2”这样的编号而不是让它自己找文献。从源头掐灭幻觉。5.2 查重率不降反升同义替换不是改写有人用AI降重结果查重率反而上升了。原因很简单AI的默认改写策略就是“同义替换”把“重要”换成“关键”把“方法”换成“手段”句子结构骨架还是原来的。查重系统如果按句子相似度检测照样能标红。真正有效的降重是“换骨架”改变从句顺序、重新组织信息重点、把一句长句拆成两句、把主动改被动时调整主语。你可以让AI按这个思路改但最终必须自己读一遍。最保险的其实是不要在论文里堆别人的原话用自己的实验逻辑和数据语言重新写一遍查重率自然不会高。5.3 伦理边界哪些环节绝不能交给AI现在很多期刊已经开始要求作者在投稿时披露是否使用了生成式AI以及用了哪些环节。不同期刊定位不同但你心里要有数。我的个人底线有两条第一涉及原始数据和实验结果的所有描述人类必须逐字复核第二论文的核心贡献和创新点表达必须是作者自己的思考。AI可以帮你润色、扩写、调整结构但不能替代你形成研究结论。如果在组会和导师检查时被问“这段是不是AI写的”最好的回答是“这段我改了四遍AI提供了初稿但我确认了每一个事实和每一句判断。”这才是人机协同的正确姿态。5.4 怎么识别AI“一本正经地胡说”判断AI是否在胡说有三个信号。第一内容过于流利但没有细节支撑比如全是“通过深入分析不难发现”这种废话。第二出现非常具体的数字或引用但你追踪不到来源。第三在关键论断处缺乏限定词把事情说得绝对化。一旦发现上述信号我的操作是“追问溯源”先让AI解释这个论断的证据链再要求它把出处明确到具体文献编号或数据行。如果解释不清、来源不明就直接划掉重写。记住AI生成的每句话都是“待验证草稿”不是“征用素材”。这个心态转不过来很容易在修改阶段被AI输出的表面流畅度迷惑。5.5 一些零散但很实用的小经验最后补充几条零散经验都是我用出来的教训。第一条给AI贴上下文时一次不要超过它的理解极限但也不要少得让它只能写套话。一段200字左右的核心描述是对称的。第二条AI的对话窗口很长时它会“忘记”早期的约束这时候你可以重新发一次完整提示词不要指望它记得所有要求。第三条不要在同一个对话框同时处理多个子课题窗口越乱越容易串味。写一个章节开一个窗口能有效减少污染。6. 从一篇论文到一套方法我现在的固定工作流说实话我最初用AI写作就是贪图“省事”结果在后面改稿时加倍还了回去。后来逐步调整成现在这套协同流程才算真的省下时间。我现在写论文的固定模式是选题时让AI当质询者综述时让AI当整理员搭框架时自己先写倒金字塔初稿分块扩写润色时分段约束投稿前再让AI模拟审稿人自查。整个过程里AI在每个环节都参与但没有任何一个环节存在“让AI全权决定”的情况。这套方法我一直用在组会汇报、基金本子和技术报告里效果都很稳定。它不挑具体工具核心是人要清楚自己该干什么也愿意逼自己把需求说清楚。如果你现在还陷在白屏恐惧症里不妨先试一次找一个还没写完的段落把需求写清楚丢给AI然后把AI给你的文字当成“需要抢救的初稿”来改。改着改着你就会发现单打独斗确实是过去式了。 
长河君 · 2026/10/20 23:23:59 · 阅读 1.2k 人机协同学术写作：从白屏恐惧到全流程提效的完整指南
最近总有人问我“你写论文是不是也用AI”我的回答很统一用但不是你们想的那种用法。我不是把题目扔给AI让它替我写而是把它当成一个特别能加班、特别能抬杠、特别擅长把一句废话扩成三页纸的写作搭子。真正的学术写作正在从“一个人对着一块白屏死磕”变成“人和AI组队闯关”。这种模式就是人机协同也是我最近在学术写作里最受用的“新神装”。不管你是研究生、青椒还是已经需要带学生的资深研究者只要还在和论文、基金本子、综述打交道这篇文章都值得你读完。下面我把整套打法拆开讲清楚。1. 学术写作真正的痛点不是“写不出来”1.1 白屏恐惧症问题在启动不在手速很多人的论文卡死不在后面而在开头那一个小时。打开Word光标在空白页左上角闪脑子里全是零散想法就是组不成第一句话。这不是手速问题是启动成本太高。因为写作在你的潜意识里被等同于“一次性输出完美内容”所以你迟迟不敢落笔。我和人机协同打交道以后最先解决的就是这个问题。做法很简单随便丢给AI一句话哪怕是“用三句话解释我研究的这个东西为什么重要”让AI先给你一个粗糙但完整的段落。这个段落大概率不能用但它能给你一个“可以修改的对象”。人面对一张白纸会恐慌但面对一段“写得不行但我能改”的文字反而会立刻进入修改状态。你可能会问这样会不会被AI带着跑答案是不会。因为后面你还要做判断、做取舍、做重构AI给你的只是“半成品原材料”。真正的价值在于它帮你越过了“从无到有”那个最消耗心力的门槛让你直接进入“从有到优”的修改阶段。1.2 写作是思考的镜子单打独斗容易让思维钻牛角尖我经常跟课题组的人说学术写作不是把你已经想明白的东西记下来而是通过写来把问题彻底想明白。你写引言的时候才会发现自己对研究背景的理解还有缺口你写讨论的时候才会发现自己根本没有认真想过“我这个结果如果和预期相反怎么办”。单打独斗的时候人特别容易陷入同一个小段落反复改、改了删、删了再改的循环。因为你的思考路径是封闭的翻来覆去都是同一套脑回路。这时候AI其实是一个很好的“外部记忆”和“对立观点生成器”。你写一段论证让AI从三个角度质疑你立刻就能发现自己刚才没考虑到的维度。这不是AI有多聪明而是它“不维护你的面子”会老老实实把话说全。所以我一直强调人机协同不是让人变懒而是逼着你更清楚地表达。你想让AI帮上忙就得先把需求说清楚而“把需求说清楚”这个动作本身就是在帮你理顺逻辑。1.3 为什么“全交给AI代写”这条路必然翻车有人一听“协同”就觉得是给“AI代写”换了个好听的说法。真不是。至少有三道坎决定了学术写作不可能全交给AI。第一道坎是真实性问题。AI擅长生成流畅文本不擅长保证事实正确。它会一本正经地编出一篇你看不见的文献作者、年份、期刊名像模像样但回数据库一查查无此文。如果论文里混进这种引用轻则退稿重则会被认定学术不端。第二道坎是判断力问题。你的研究贡献是什么你的创新点到底在哪这些问题只有真正做过这个课题、读过原始文献、亲手处理过数据的人才能回答。AI只能根据你的输入推测而推测出来的“创新点”大概率是领域里已经被讲过无数遍的套话。第三道坎是伦理问题。核心观点、关键论证、数据解读这些环节必须由作者本人完成。学术共同体默认论文署名意味着对内容负责。如果整篇论文都是AI写的那署名还有什么意义所以别再想着“让AI替我把论文写了”。正确的姿势是把AI当成你的研究助理、陪练、改稿编辑让它干它擅长的活同时把决策权牢牢攥在自己手里。2. 人机协同的分工谁说了算谁干苦力2.1 AI适合承担的四类任务想让人机协同真正起作用第一步是分清“哪些活交给AI”。根据我的经验有四类任务特别适合交给AI效率提升非常明显。第一类是检索、对比和转述。比如你写综述之前想快速了解某几条技术路线的异同可以把相关文献的摘要和结论贴给AI让它帮你整理成对比表。注意文献本身要来自真实数据库AI只是信息整理员不是文献来源。第二类是多版本生成。同一个段落你想要“更学术一点的表达”“更凝练的版本”“更适合基金本子的版本”AI可以一秒钟给你出好几版。你从中挑一版最合适的骨架再手动改细节比从零写快得多。第三类是文字润色。把口语化的初稿改成书面表达把绕来绕去的长句拆分把逻辑连接词补上。这类工作AI做得又稳又快而且不容易有脾气。第四类是逻辑结构梳理。你把一节的段落标题和每段大意丢给它让它检查是不是重复、是不是有时间线错乱、是不是有论证断层。它会给出调整建议虽然不能全盘照搬但能帮你节省大量整理时间。2.2 人类必须守住的四件事与此同时有四种东西绝对不能交给AI谁交出去谁吃亏。第一是研究方向。为什么做这个课题、做什么不做什么这些来自你对该领域长期的理解和判断。AI没有学术品味它倾向于给你“看起来合理但实际上平庸”的建议。第二是核心论点和创新点。你自己的核心贡献是什么这是论文的灵魂必须以你的研究内容和独立思考为准。第三是数据的真实性和统计结果。AI不会跑实验也不该替你解读原始数据。它能帮你润色“实验方法”那一段的表述但具体数值、实验条件必须来自你的实验记录。第四是投稿决策。投哪个期刊、要不要回应审稿人、怎么回应这些都是高度依赖经验和策略的决策。AI可以帮你模拟审稿人但最终拍板的只能是你自己。2.3 一份可以直接抄的分工表我把上面这些整理成一张表每次开始写论文前先想一遍能减少很多无效操作。写作环节人类负责AI负责选题判断方向、提出候选问题发散候选方向、模拟读者提问文献综述筛选文献、核验出处总结观点、做对比表格大纲定主线和核心论点扩展子标题、补充逻辑链条初稿提供数据、案例、核心论证扩写段落、生成过渡句润色确认专业术语和语气改写句式、压缩冗余表达回复审稿人决定回应策略模拟审稿人质疑、生成初稿这张表的核心逻辑是AI做“发散-整理-表达”人做“判断-决策-负责”。记住这句话协同就不会跑偏。3. 人机协同实操从选题到投稿信的完整六步3.1 选题阶段让AI当“刁钻的质询者”很多人选题喜欢问AI“我这个方向有没有前途”这个用法效果很差因为AI没有真实学术嗅觉。我的做法反过来让AI当一个“刁钻的质询者”专门给我挑刺。比如你手里有两个候选题可以把它们描述给AI然后让它分别站在“领域资深审稿人”“刚入门的研究生”“对该方向不熟的交叉学科同行”三个视角提问。每类人给出5个他们最想问的问题。你会瞬间看清楚哪些问题你回答不了哪些问题其实是创新点哪些问题人家早解决了而你还在当卖点。实操中我会用一段类似下面这样的提示词请分别扮演三位读者一位是本研究领域的资深审稿人 一位是刚进入该方向的研究生一位是交叉学科但基础不错的同行。 我的候选研究题目是[用一两句话描述你的研究问题]。 请每位读者提出5个最关心的质疑或问题并解释为什么关注。 最后把这些问题按“致命程度”排序。这样一来AI帮你做了“极端情况头脑风暴”而你仍然掌握选题决策权。它提的问题不一定都对但能逼你把自己没想清楚的地方想清楚。3.2 文献综述让AI做“综合整理员”而不是“文献生成器”文献综述是人机协同里最容易踩坑的环节。很多人让AI“帮我写某主题的综述”结果AI写出一堆看着很合理、但没有一篇能查到的参考文献。这是幻觉重灾区。我的原则是AI可以碰文献但只能碰你已经喂给它的文献。具体操作分三步。第一步去真实学术数据库里用关键词检索下载高相关性的文献把题目、摘要、结论整理成清单。第二步把每篇文献的原始摘要或结论分段喂给AI让它们做归纳。注意一次不要喂太多篇五到八篇一组比较合适。你可以在提示词里明确要求以下是5篇文献的摘要。请按主题分成若干类每类用一句话概括核心发现 并指出文献之间的共同点和分歧。引用时请用我提供的文献编号不要新增其他文献。第三步你把AI整理的分类框架拿过来看自己判断哪些类是真正重要的研究脉络哪些只是细枝末节。然后在此基础上重写综述结构。这样用AI既能利用它归纳信息快的优势又不会让假文献混进你的参考文献。在综述里每一篇你引用的文献都必须是你亲眼看过、亲手确认过的。3.3 大纲与论证用“倒金字塔法”锁定逻辑大纲阶段我给的建议是不要一上来就让AI写论文大纲而是先自己写一页纸的“倒金字塔”。所谓倒金字塔就是最上面写一句核心论点第二层写三个支撑证据第三层写每个证据可能遇到的反驳。这一页纸不需要学术化也不用完整句子你自己能看懂就行。为什么要先做这一步因为大纲是论文的骨架骨架要是交给AI搭后面的血肉就会跟着跑偏。但AI也不是没用它可以帮你扩展这个倒金字塔。比如你给出了三层结构让它针对每一层补充二级标题、关键词和段落安排建议。这一步做完以后你会得到一份“自己的主线 AI的细化”混编大纲。请务必亲自检查每个二级标题符不符合你的主线。我一般会把大纲读一遍然后把与核心论点无关的标题直接删掉哪怕语言再漂亮也不要。3.4 初稿扩写用“角色提示词分块输入”降低幻觉初稿阶段最容易犯的错误是把整个章节的要求一次性扔给AI让它“给我写引言”。这样写出来的文章多半又空又泛因为AI不知道你的具体研究细节只能拼凑套路化表达。我常用的方法叫“分块扩写法”把每节再拆成几个小块每一块只处理一个功能。比如引言可以拆成“研究背景”“知识缺口”“研究目的”“贡献总结”四块。每一块单独和AI对话并把相关的已有内容贴进去。例如写“知识缺口”那一块我会用这样的提示词请扮演我所在领域的一位学术编辑帮我写一段“研究知识缺口”的文字。 我目前的研究是[一两句核心贡献]。 过去研究已经解决了这些问题[列出2-3个已知结论]。 但仍有这些问题尚未解决[列出你的依据]。 请用批判且克制的学术语气把“已知—未知—本研究如何填补”串成一段连贯文字不超过250字。这样AI在明确的上下文里工作生成结果更贴合你的研究实际也更不容易胡编。你可以让它生成三个版本然后挑一个最顺手的改。初稿阶段不追求完美追求“有东西可改”。3.5 润色从“学生腔”到期刊语言润色是很多人的刚需。但AI润色有个误区把整篇论文丢进去让AI“整体润色”结果它把专业术语也改了把简练的句子变得啰嗦有时候甚至改变了原意。我的建议是分块润色并且每块明确约束条件。摘要就只润色摘要引言就只润色引言。提示词里说清楚“保持专业术语不变”“语义与原文一致”“减少被动语态的滥用”“把超过30个字的句子拆短”。AI的理解能力虽然有限但只要约束明确效果会稳定很多。举个我常遇到的情况初稿里写“这个结果表明我们的方法比其他方法好”AI润色后可能变成“实验结果有力证明了所提方法的显著优越性”。后者看起来更学术但其实过度拔高了而且没有说明比较基准。所以在润色之后你一定要回读一遍特别注意那些被AI加进去的“显著”“有效”“深入研究”等程度词这些词如果没有数据支撑审稿人一眼就会看出来。3.6 投稿信与回复审稿人把AI当“模拟审稿人”写投稿信和回复审稿人意见是人机协同收尾阶段最划算的应用。投稿信是最格式化的内容完全可以先用AI生成骨架然后你替换成自己的研究信息。比如让它根据你的摘要生成一版“Dear Editor”开头的投稿信列出“本文研究问题、方法、主要发现、与期刊范围的契合点”四段式结构。回复审稿人则更有意思。拿到审稿人的意见以后别急着逐条回复先把意见分类喂给AI让它扮演审稿人追问你“你的修改有没有真正解决我的疑问”“如果你是这个审稿人什么样的回复会让你满意”。我有一个固定的操作把每条审稿意见和我的初步回应思路贴在AI面前让它从审稿人视角挑毛病。往往它能指出“你这条回复是在辩解没有给出具体修改”或者“你在问题1里说的修改在正文哪里体现”。这些提醒能帮你把回复写得更有条理减少来回返工。4. 提示词设计让人机协同从“可用”到“好用”4.1 给AI立人设说清身份、任务和约束我发现很多人用AI效果不好根源在于提示词太模糊。你问“帮我润色一下这段话”AI只能随便弄一版你连期刊风格、目标读者、语气要求都不给它当然只能按默认的“通用书面语”来。一个好用的提示词应该至少包含四件事身份、任务、上下文、约束。我用一个公式总结身份你是什么角色 任务你要干什么 上下文基于什么信息 约束不能做什么要什么风格例如你写研究方法部分可以这样问你是一位有10年科研经验的方法学审稿人。 请帮我改写下面这段“实验流程”文字目标期刊是本领域内的主流期刊。 原文字段如下[粘贴原文]。 要求1保持所有实验参数和产品名称不变2把被动语态控制在合理范围 3删除冗余的“然后”“接着”等词4如果发现原描述有逻辑跳跃请单独指出。加了这些约束以后AI的输出才真正能用于修改而不是给你制造新的修改任务。4.2 一次只问一个子问题拆成步骤链学术问题通常比较复杂你让它“分析这段数据并写300字讨论”时它既要分析又要写作反而两头都做不好。我的经验是把任务拆成步骤链让AI一次只做一件事。比如你想写一段讨论不要直接让它写而是先让它分析数据背后可能的解释基于我提供的实验数据列出3种可能的机理解释并给出各自的支持证据。等你选定了解释方向再让它扩写成段落基于选定的第2种解释扩展为150字的学术讨论段落注意不要增加新的机理断言。每步之间你有机会介入和纠偏。这和和别人合作是一样的你把一个大任务拆成小任务下发你才有足够的管理空间。4.3 让AI自我对线同时生成观点和反方观点学术写作最忌讳“单向论证”。审稿人最擅长抓那种“只提支持证据、不提局限性”的段落。我经常用AI做“自我对线”训练让它在同一段对话里先支持你的论点再反对你的论点。具体提示词如下请先站在支持本研究的立场列出本文价值最大的三个证明点。 然后切换到反对者立场列出三个可能出现的致命质疑。 最后对每个质疑给出作者可以回应的话术。这样生成的内容能直接帮助你在论文讨论部分加“局限性分析”和“应对审稿人质疑”。我们常说好论文是“和读者对话”AI帮你把潜在对话提前演练了一遍。4.4 用“补一句为什么”来验证逻辑AI生成内容太流畅有时候其实是缺点。因为它会生成那种“逻辑上听起来通顺但实际上跳跃”的句子你仔细一读就发现中间省略了很多必要步骤。我专门有一个验证技巧让AI为它给出的每一句论断补上“为什么”。如果你发现它补不出来或补得很牵强那这句话大概率有问题。比如AI写“该方法的性能优于现有方法”你可以追问“为什么这么说依据是什么是否有对照实验支持”如果它给出的依据来自你提供的数据表那么这个论断可以用如果它只是在编套路话就一定要删掉或改写。这个习惯对数学生特别有用AI可以帮你想出漂亮的句子但只有你能确认这个句子是真的。5. 常见问题与避坑指南5.1 文献幻觉AI给的参考文献可能根本不存在这个问题我强调多少次都不过分。AI在生成参考文献时会根据已有的文献库“发明”一些看起来正常的条目可能作者名很常见、年份合理、期刊名也对得上但那篇论文就是不存在。避坑方法只有一个凡是要写进参考文献的条目必须在真实学术数据库里能查到原文。如果查不到一律删除。千万不要抱着“AI推荐的应该差不多”的想法。更稳妥的做法是把真实导入文献库里的PDF丢给AI做总结让它引用“文献1、文献2”这样的编号而不是让它自己找文献。从源头掐灭幻觉。5.2 查重率不降反升同义替换不是改写有人用AI降重结果查重率反而上升了。原因很简单AI的默认改写策略就是“同义替换”把“重要”换成“关键”把“方法”换成“手段”句子结构骨架还是原来的。查重系统如果按句子相似度检测照样能标红。真正有效的降重是“换骨架”改变从句顺序、重新组织信息重点、把一句长句拆成两句、把主动改被动时调整主语。你可以让AI按这个思路改但最终必须自己读一遍。最保险的其实是不要在论文里堆别人的原话用自己的实验逻辑和数据语言重新写一遍查重率自然不会高。5.3 伦理边界哪些环节绝不能交给AI现在很多期刊已经开始要求作者在投稿时披露是否使用了生成式AI以及用了哪些环节。不同期刊定位不同但你心里要有数。我的个人底线有两条第一涉及原始数据和实验结果的所有描述人类必须逐字复核第二论文的核心贡献和创新点表达必须是作者自己的思考。AI可以帮你润色、扩写、调整结构但不能替代你形成研究结论。如果在组会和导师检查时被问“这段是不是AI写的”最好的回答是“这段我改了四遍AI提供了初稿但我确认了每一个事实和每一句判断。”这才是人机协同的正确姿态。5.4 怎么识别AI“一本正经地胡说”判断AI是否在胡说有三个信号。第一内容过于流利但没有细节支撑比如全是“通过深入分析不难发现”这种废话。第二出现非常具体的数字或引用但你追踪不到来源。第三在关键论断处缺乏限定词把事情说得绝对化。一旦发现上述信号我的操作是“追问溯源”先让AI解释这个论断的证据链再要求它把出处明确到具体文献编号或数据行。如果解释不清、来源不明就直接划掉重写。记住AI生成的每句话都是“待验证草稿”不是“征用素材”。这个心态转不过来很容易在修改阶段被AI输出的表面流畅度迷惑。5.5 一些零散但很实用的小经验最后补充几条零散经验都是我用出来的教训。第一条给AI贴上下文时一次不要超过它的理解极限但也不要少得让它只能写套话。一段200字左右的核心描述是对称的。第二条AI的对话窗口很长时它会“忘记”早期的约束这时候你可以重新发一次完整提示词不要指望它记得所有要求。第三条不要在同一个对话框同时处理多个子课题窗口越乱越容易串味。写一个章节开一个窗口能有效减少污染。6. 从一篇论文到一套方法我现在的固定工作流说实话我最初用AI写作就是贪图“省事”结果在后面改稿时加倍还了回去。后来逐步调整成现在这套协同流程才算真的省下时间。我现在写论文的固定模式是选题时让AI当质询者综述时让AI当整理员搭框架时自己先写倒金字塔初稿分块扩写润色时分段约束投稿前再让AI模拟审稿人自查。整个过程里AI在每个环节都参与但没有任何一个环节存在“让AI全权决定”的情况。这套方法我一直用在组会汇报、基金本子和技术报告里效果都很稳定。它不挑具体工具核心是人要清楚自己该干什么也愿意逼自己把需求说清楚。如果你现在还陷在白屏恐惧症里不妨先试一次找一个还没写完的段落把需求写清楚丢给AI然后把AI给你的文字当成“需要抢救的初稿”来改。改着改着你就会发现单打独斗确实是过去式了。