很多人以为论文写作的起点是"开始写 Introduction"，
但实际上，一篇论文真正的起点，是一个值得研究的想法。
问题在于，想法并不等于研究问题 ，
灵感也不等于论文，
兴趣更不等于可执行的课题。
科研最难的一步，往往是：
把模糊的兴趣，转化为明确的问题；把零散的问题，转化为可验证的研究设计；把实验与数据，转化为可发表的论文叙事。
这就是科研工作流的意义。
一、科研工作流的本质：不是写作流程，而是问题转化流程
如果把科研抽象成一条链路，它大致是这样的：
- 灵感出现
- 选题发散
- 文献阅读
- 研究问题定义
- 研究设计
- 数据获取与分析
- 结果解释
- 论文写作
- 投稿与修改
- 回复审稿意见
从这条链路你会发现：
论文只是最终产物，真正决定论文质量的，是前面每一步的结构是否稳固。
而 AI 最适合的角色，就是帮助你在每一步减少信息噪音、提高结构清晰度、降低重复劳动。
二、第一步：从想法出发，先别急着写论文
很多科研新手一有灵感，就想立刻写摘要、写大纲、写引言。
但这往往会导致一个问题：
你写得很快，但写出来的不是论文，而是"看起来像论文的想法堆积"。
正确的做法是：
先把想法拆解成研究问题。
1. 从一个想法发散出多个研究方向
推荐 Prompt
我目前有一个研究想法：
[填写你的想法]
请帮我从这个想法出发，发散出 10 个可能的研究问题。
要求：
1. 涵盖机制、应用、对比、优化、验证等不同类型；
2. 每个问题都说明潜在研究价值；
3. 尽量具体、可执行，而不是空泛的大方向；
4. 标注哪些问题更适合做短期研究，哪些适合做长期课题。这个阶段的目标不是"马上确定题目"，
而是扩大你的问题空间，再逐步收敛。
2. 判断这个想法是不是值得继续做
推荐 Prompt
请作为科研导师，评估以下研究想法的可行性、创新性和研究价值：
[填写研究想法]
请从以下维度分析：
1. 问题是否清晰；
2. 是否具有研究增量；
3. 是否具备可操作性；
4. 是否容易获取数据或样本；
5. 是否存在明显风险；
6. 更适合什么类型的论文或成果。3. 把"想法"改写成"研究问题"
推荐 Prompt
请将以下研究想法改写为清晰的研究问题，并分别给出：
1. 核心研究问题；
2. 1-3 个子问题；
3. 可能的研究假设；
4. 研究的边界条件。
想法如下：
[填写内容]这一步非常关键，因为它决定后续整篇论文的逻辑是否成立。
三、第二步：文献不是"读得多"，而是"读得有结构"
很多人花大量时间读文献，但最后还是写不出好综述。
原因不是不努力，而是阅读方式太散。
AI 在文献阶段最适合做的事情，是帮你把"碎片化阅读"变成"结构化理解"。
1. 结构化摘要一篇论文
推荐 Prompt
请帮我用结构化方式总结这篇论文，输出以下内容：
1. 研究问题；
2. 研究方法；
3. 数据或样本；
4. 核心结果；
5. 作者结论；
6. 局限性；
7. 对我研究方向的启发。2. 对比多篇论文，找出共识、分歧和空白
推荐 Prompt
请比较以下几篇论文在研究问题、方法、结果、结论和局限上的异同。
要求：
1. 用表格输出；
2. 指出共识与分歧；
3. 识别研究空白；
4. 不要只做复述，要提炼结构性信息。
论文如下：
[粘贴文献信息]3. 识别文献中的研究空白
推荐 Prompt
请根据以下文献摘要，帮我识别当前研究领域可能存在的空白。
请从以下维度分析：
1. 是否缺少机制解释；
2. 是否缺少跨场景验证；
3. 是否缺少方法比较；
4. 是否缺少真实世界数据；
5. 是否存在尚未充分讨论的变量或边界条件。4. 文献笔记模板：把阅读变成资产
建议你统一使用一个文献笔记模板，长期积累后会非常强大。
# Literature Note
- 文献标题：
- 作者与年份：
- 研究问题：
- 方法：
- 数据/样本：
- 核心发现：
- 作者结论：
- 局限性：
- 可借鉴点：
- 与我课题的关系：这类模板的好处是：
以后你写引言、综述、Discussion 的时候，材料可以直接调用，而不是重新翻文献。
四、第三步：把研究问题变成可执行的研究设计
很多"论文写不出来"的根源，不是不会写，
而是研究设计本身就不够稳。
AI 可以帮助你在研究设计阶段完成三件事：
- 拆解变量
- 生成假设
- 比较方法
1. 从问题拆变量
推荐 Prompt
请根据以下研究问题，帮我拆解出：
1. 核心变量；
2. 自变量、因变量和控制变量；
3. 可检验的假设；
4. 可能的混杂因素；
5. 最容易出问题的环节。
研究问题如下：
[填写问题]2. 生成多个研究设计方案
推荐 Prompt
请针对以下研究问题提出 3 种不同的研究设计方案：
[填写问题]
每种方案请说明：
1. 方法特点；
2. 优点；
3. 缺点；
4. 数据需求；
5. 时间与资源成本；
6. 哪种方案最适合当前条件。3. 方法选择辅助
推荐 Prompt
请根据以下研究问题，比较可能适合的研究方法，并说明为什么。
请从以下方面分析：
1. 适配性；
2. 可操作性；
3. 数据需求；
4. 偏差风险；
5. 结果可信度。五、第四步：数据分析阶段，AI 负责"检查"和"辅助解释"，不是替你拍脑袋
数据分析阶段最忌讳两件事：
- 先有结论再找数据
- 让 AI 直接替你"猜"统计结论
正确使用 AI 的方式是：
- 帮你检查分析思路
- 帮你解释图表
- 帮你发现异常
- 帮你优化呈现逻辑
1. 检查分析方案是否匹配研究问题
推荐 Prompt
请检查以下数据分析方案是否与研究问题匹配。
请重点分析：
1. 变量定义是否清楚；
2. 方法与问题是否匹配；
3. 是否需要控制变量；
4. 是否存在统计假设风险；
5. 有哪些地方容易出错。2. 先描述图表，再解释图表
推荐 Prompt
请先只根据图表可见信息进行客观描述，不要解释原因。
请回答：
1. 主要趋势是什么；
2. 组间差异是什么；
3. 是否存在峰值、拐点或异常值；
4. 哪些结论可以直接支持，哪些不能。这个 prompt 非常适合避免 AI 胡乱解释。
3. 解释结果，但区分事实与推测
推荐 Prompt
请基于以下结果，给出可能解释。
要求：
1. 明确区分事实与推测；
2. 每条解释说明依据；
3. 提供至少一种备选解释；
4. 不要把相关性写成因果关系；
5. 不要超出数据支持范围。4. 数据分析 workflow.md
# Workflow: AI-Assisted Data Analysis
1. 明确研究问题与变量定义
2. 检查数据质量与缺失情况
3. 选择匹配的分析方法
4. 先做客观描述，再做解释
5. 检查图表与正文一致性
6. 标记统计显著性与局限
7. 最后回到原始数据核对六、第五步：开始写作，但先写结构，再填内容
很多人写论文，习惯于边想边写。
但对于大多数科研写作来说，更好的方式是：
先搭骨架，再填血肉。
AI 在这一步最适合做的是：
帮你生成提纲、分层内容、段落逻辑，而不是直接替你写成品。
1. 先生成论文大纲
推荐 Prompt
请根据以下研究内容，帮我生成一篇论文的大纲。
要求包括：
1. 引言的逻辑；
2. 方法部分的结构；
3. Results 的组织方式；
4. Discussion 的讨论层次；
5. 结论应该强调什么。
研究内容如下：
[填写研究摘要或研究简述]2. Results 和 Discussion 分层
推荐 Prompt
请将以下段落拆分为两部分：
1. Results：只保留可观察到的数据、趋势、差异和统计结果；
2. Discussion：保留解释、推论、意义和与文献的联系。
请不要新增事实，只做结构拆分和重组。3. 避免结果写成讨论
推荐 Prompt
请检查以下 Results 段落，找出其中的解释、推测、评价或机制暗示表达，并建议如何改写得更客观。4. 学术化润色
推荐 Prompt
请将以下段落润色为更符合学术论文语体的表达。
要求：
1. 不改变原意；
2. 保留术语准确性；
3. 消除口语化、冗余和歧义；
4. 语言更简洁、清晰、正式。七、第六步：投稿前自查，AI 帮你做"预审稿人"
论文写完并不等于可以投稿。
投稿前最重要的一件事，是做系统自查。
AI 这时最适合做的，不是润色，
而是帮助你发现审稿人最可能挑的问题。
1. 逻辑链条检查
推荐 Prompt
请扮演一名严格的学术审稿人，检查这篇论文的逻辑链条是否完整。
请重点判断：
1. 研究问题是否清晰；
2. 方法是否回应了研究问题；
3. 结果是否支持结论；
4. 讨论是否合理解释了结果；
5. 全文是否存在前后不一致或逻辑跳跃。
请按"问题---证据---建议修改"三列输出。2. 图表与正文一致性检查
推荐 Prompt
请检查以下正文描述与图表信息是否一致。
请关注：
1. 正文是否准确反映图表趋势；
2. 是否遗漏了图中的关键对比；
3. 是否把图中的现象解释过度；
4. 是否有与图表不符的表述。3. 结论强度检查
推荐 Prompt
请检查以下结论部分是否存在结论过强、证据不足或推断超界的问题。
请重点关注：
1. 是否把相关性写成因果关系；
2. 是否把局部结果推广成普遍结论；
3. 是否使用了绝对化表述；
4. 是否需要增加限定条件或保留语气。4. 投稿前 workflow.md
# Workflow: Pre-submission Self-Check
1. 检查研究问题与主线
2. 检查章节结构
3. 检查 Results/Discussion 边界
4. 检查图表与正文一致性
5. 检查结论强度
6. 检查语言与术语
7. 检查引用与格式
8. 形成修改清单
9. 人工核对原始数据
10. 定稿投稿八、一个适合长期使用的完整 Toolkit
下面这套 toolkit，你可以直接整理成自己的科研模板库。research_workflow_toolkit.md
# AI Research Workflow Toolkit
## 1. 选题
- 研究方向发散
- 题目可行性判断
- 创新性校验
## 2. 文献
- 文献结构化摘要
- 文献对比表
- 研究空白识别
## 3. 研究设计
- 变量拆解
- 假设生成
- 方法匹配
## 4. 数据分析
- 分析方案检查
- 图表描述
- 结果解释辅助
## 5. 写作
- 论文大纲生成
- 段落重构
- Results/Discussion 边界检查
- 学术润色
## 6. 投稿
- 逻辑审查
- 图文一致性检查
- 结论强度检查
- 审稿人视角预检十、可以直接复用的 skill.md
如果你希望把这套能力真正沉淀下来，可以建立一个 ai_research_skill.md。
# Skill: End-to-End AI-Assisted Research
## 目标
帮助科研人员将 AI 融入从选题到投稿的全流程，提高效率，降低结构性错误，并增强论文的逻辑完整性与表达质量。
## 输入
- 研究想法
- 文献资料
- 研究问题
- 数据与图表
- 初稿文本
- 投稿要求
## 输出
- 研究问题拆解
- 文献结构化总结
- 研究设计方案
- 数据分析检查
- 写作结构优化
- 投稿前风险提示
## 核心原则
1. 先拆任务，再调用 AI
2. 先事实，后解释
3. 先结构，后润色
4. 不让 AI 替代核验
5. 所有输出都要可回到原始证据附：可直接复制的 Prompt / workflow / skill.md
1. 选题 Prompt
请基于以下研究想法，帮我发散出可执行的研究问题，并评估每个问题的价值与可行性。2. 文献综述 Prompt
请帮我对以下文献做结构化总结，并比较它们的共同点、差异点和研究空白。3. 研究设计 Prompt
请将以下研究问题拆解为变量、假设和研究设计方案，并指出最可能的风险点。4. 数据分析 Prompt
请先客观描述以下图表，再给出有限度解释，不要把相关性写成因果。5. 投稿前自查 Prompt
请扮演严格审稿人，对论文进行逻辑、结构、边界、语言和图文一致性检查，并输出修改建议。6. workflow.md
# Workflow: From Idea to Paper
1. 想法发散
2. 问题收敛
3. 文献阅读
4. 研究设计
5. 数据分析
6. 论文写作
7. 投稿自查
8. 修改定稿7. skill.md
# Skill: AI-Assisted End-to-End Research Workflow
## 核心原则
- 任务拆解
- 上下文充分
- 先事实，后解释
- 先结构，后润色
- AI 加速，不替代核验