很多科研新人写论文时，最常见的困惑之一就是：
我这段到底应该放在 Results 还是 Discussion？
这个问题看似简单，实际非常关键。
因为它直接决定论文的结构清晰度和学术表达质量。
如果区分不清，最常见的后果就是：
- Results 里夹杂大量解释性语言
- Discussion 里又重复罗列结果
- 论文显得啰嗦、重复、逻辑混乱
- 审稿人会觉得作者没有把研究逻辑理顺
所以，真正高质量的论文写作，不是把所有内容都写出来，
而是把不同层级的信息放到正确的位置。
一、先给结论：Results 和 Discussion 的核心区别是什么？
最简单的区分方式是：
Results：回答"发生了什么？"
Results 的任务是呈现研究发现，尽量客观、简洁、可验证。
它通常包括：
- 数据趋势
- 实验结果
- 统计分析结果
- 图表描述
- 组间差异
- 变量变化
- 显著性结论
Results 的重点是：
- 观察到了什么
- 数据显示了什么
- 哪些差异成立
- 哪些现象出现了
Discussion：回答"这意味着什么？"
Discussion 的任务是解释研究发现，把结果放回研究背景中去理解。
它通常包括：
- 结果为什么会这样
- 与已有研究是否一致
- 结果说明了什么机制或趋势
- 结果有什么理论或实践意义
- 存在哪些局限
- 未来可以怎么研究
Discussion 的重点是：
- 为什么会出现这样的结果
- 这些结果和前人研究有什么关系
- 这些结果说明了什么
- 这些结果的边界在哪里
二、一个最实用的判断标准：你是在"描述"还是在"解释"？
如果你在写一句话时，能用"描述"这个词概括，通常更适合放在 Results。
如果你在写一句话时，已经开始回答"为什么""意味着什么"，通常就进入 Discussion 了。
属于 Results 的句子
- 实验组的表达水平高于对照组。
- 随着温度升高，材料强度先增加后下降。
- 在 p < 0.05 水平下，两组差异显著。
- 第三天达到峰值，之后逐渐回落。
- 模型 A 的准确率高于模型 B。
这些句子在做一件事：
陈述数据中已经可见的事实。
属于 Discussion 的句子
- 这一现象可能与反应动力学加快有关。
- 结果表明该材料在高温条件下稳定性较差。
- 这与前人关于该机制的解释一致。
- 可能是由于样本异质性导致波动增大。
- 该发现提示该方法在实际应用中具有潜力。
这些句子在做一件事：
解释事实背后的原因、意义和边界。
三、为什么很多人会把 Results 写成 Discussion？
这不是因为不会写，而是因为人类写作有一个很自然的冲动：
一看到结果，就想立刻解释。
这很正常，但在论文写作里要克制。
1. 想显得"更专业"
很多作者会觉得，Results 如果只写数据，看起来太"平"。
于是会提前加上解释，试图让段落更"高级"。
但实际上，这会破坏结构。
2. 不想让结果显得"干巴"
有些人担心 Results 太像数据汇报，不够有观点。
于是就提前加入评价和解释。
但真正的"观点"应该留给 Discussion。
3. 没有区分"发现"和"推断"
很多时候，作者自己也没有意识到：
数据本身只支持某个现象，
但自己写成了一个机制结论。
4. AI 容易帮你"顺手补解释"
这也是 AI 写作最容易出问题的地方。
如果你不给它明确边界，它往往会把结果直接包装成讨论式语言。
比如它可能会写成：
"这说明该处理方式显著改善了系统性能，可能是由于界面作用增强所致。"
但这句话其实把三层内容混在了一起：
- 结果
- 结论
- 机制推测
这就是 Results 变 Discussion 的典型表现。
四、Results 和 Discussion 的边界，到底应该怎么划？
下面给你一个非常实用的写作原则：
Results 写"看得见的东西"
包括：
- 数值
- 趋势
- 差异
- 显著性
- 图表所呈现的直接信息
Discussion 写"看不见但可解释的东西"
包括：
- 原因
- 机制
- 意义
- 对比
- 推论
- 局限
- 延伸
五、一个高质量 Results 段落，应该具备什么特点？
Results 不是把数据机械堆上去，而是要做到：
1. 逻辑顺序清晰
通常可以按以下顺序组织：
- 先总后分
- 先主要结果，后次要结果
- 先总体趋势，后具体数值
- 先图表，再文字解释图表内容
2. 语言客观克制
尽量少用：
- 说明了
- 表明了
- 证明了
- 揭示了
- 反映了
- 机制上暗示
这些词往往容易滑向解释。
更稳妥的说法是：
- 显示
- 表现为
- 高于
- 低于
- 增加
- 减少
- 出现
- 达到
- 与......相比
3. 不抢占 Discussion 的功能
Results 可以说：
- 观察到了什么
- 数据呈现了什么模式
但不要过早回答：
- 为什么这样
- 这意味着什么
- 这与谁一致
- 这说明了什么机制
六、一个高质量 Discussion 段落，应该做什么？
Discussion 不是结果重复，而是结果"升维"。
它的任务是：
- 解释现象
- 联系文献
- 提炼意义
- 讨论边界
- 指出局限
- 提出未来方向
如果 Results 是"事实面"，
Discussion 就是"解释面"和"意义面"。
七、让 AI 帮你区分 Results 和 Discussion：最实用的工作流
下面这套 workflow，建议你直接收藏。
它适用于论文初稿、导师修改、组会写作、英文润色、投稿前检查。
Step 1：先把每个句子分类
不要一上来就润色。
先让 AI 判断句子属于 Results 还是 Discussion。
推荐 Prompt
请判断以下每一句话更适合放在论文的 Results 还是 Discussion 部分，并说明理由。
判断标准如下：
- Results：描述观察到的事实、数据、统计结果、趋势、差异；
- Discussion：解释原因、意义、机制、与文献对比、局限和推论。
请输出三列：
1. 原句；
2. 适合放置的位置；
3. 判断理由。
句子如下：
[粘贴你的句子]这个 Prompt 很适合用于初稿检查。
Step 2：让 AI 标记"讨论性语言"
很多结果段之所以变成讨论，不是因为内容复杂，而是因为里面混进了讨论性词语。
推荐 Prompt
请检查以下 Results 段落中的语言，找出带有解释、推断、评价或机制暗示的表达。
请将这些表达标出来，并建议如何改写为更客观的 Results 表达。
段落如下：
[粘贴段落]这一步会非常有效地帮你抓出"越界语言"。
Step 3：把结果与解释分离成两层
你可以让 AI 帮你重构段落结构。
推荐 Prompt
请将以下段落拆分为两部分：
1. Results 部分：只保留可观察到的数据、趋势、差异和统计结果；
2. Discussion 部分：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。
段落如下：
[粘贴内容]这一步特别适合处理已经混在一起的初稿。
Step 4：让 AI 反向检查"结果是否缺少必要的讨论"
有时候问题不是讨论太多，而是讨论太少。
AI 也可以帮助你识别哪些结果需要进入 Discussion。
推荐 Prompt
请根据以下 Results 内容，判断哪些部分需要在 Discussion 中进一步解释。
请分别指出：
1. 哪些结果值得重点讨论；
2. 哪些结果可能与已有研究形成对照；
3. 哪些结果需要解释其原因或局限；
4. 哪些结果目前还不适合下强结论。
Results 如下：
[粘贴内容]八、Results 和 Discussion 的边界表：一眼看懂
下面这个表格，建议你收藏，写论文时直接对照。
# Results vs Discussion
| 维度 | Results | Discussion |
|------|----------|------------|
| 核心任务 | 呈现发现 | 解释发现 |
| 关注点 | 发生了什么 | 为什么会这样 |
| 内容类型 | 数据、趋势、差异、统计 | 原因、意义、机制、对比、局限 |
| 语言风格 | 客观、简洁、克制 | 分析性、解释性、批判性 |
| 常见动词 | 显示、增加、降低、达到 | 表明、意味着、提示、可能由于 |
| 是否可加入文献对比 | 少量、谨慎 | 可以，且常常需要 |
| 是否可推测机制 | 一般不建议 | 可以，但要有边界 |九、一个高质量 Results 写作模板
你可以把 Results 写作拆成下面这个顺序：
# Results Writing Template
1. 先写总体发现；
2. 再写主要图表所呈现的趋势；
3. 接着写关键统计结果；
4. 然后补充次要发现；
5. 最后简要总结该结果，但不做机制解释。例如：
与对照组相比，实验组在 X 指标上显著升高，且在不同时间点均呈现一致趋势。具体而言，第 3 天达到最高值，随后略有下降，但仍高于基线水平。统计分析显示组间差异具有显著性。
这段话是在"说结果"，
而不是"解释结果为什么会这样"。
十、一个高质量 Discussion 写作模板
Discussion 可以按这个逻辑展开：
# Discussion Writing Template
1. 重述最重要的发现；
2. 解释这些发现可能意味着什么；
3. 与已有研究进行比较；
4. 讨论可能机制；
5. 说明局限性；
6. 提出未来研究方向。例如：
该结果可能表明 X 处理在特定条件下能够增强系统响应，但这一效应是否由某种中介机制驱动，仍需进一步验证。与既有研究相比，本研究的结果在总体趋势上是一致的，但在幅度和边界条件上存在差异，提示具体实验背景可能会影响效应强度。
这就属于典型的 Discussion。
十一、可以直接复用的 AI toolkit
下面给你一套可以直接拿去用的工具包。
Toolkit 1：Results 句子筛查模板
# Results Sentence Checker
请检查以下句子是否适合放在 Results 中。
如果不适合，请说明它更像 Discussion、Introduction 还是 Conclusion，并给出原因。
句子：
[粘贴句子]Toolkit 2：结果段落去讨论化模板
# Results De-discussion Template
请将以下段落改写为更纯粹的 Results 表达：
- 删除原因推测；
- 删除意义评价；
- 删除文献对比；
- 保留事实、数据、趋势和统计结果；
- 不新增信息。
段落如下：
[粘贴内容]Toolkit 3：Discussion 补全模板
# Discussion Expansion Template
请根据以下 Results，帮我生成 Discussion 的讨论要点。
请包括：
1. 结果的可能解释；
2. 与已有研究的关系；
3. 结果的理论或实践意义；
4. 局限性；
5. 未来研究方向。
Results 如下：
[粘贴内容]Toolkit 4：边界检查清单
# Results vs Discussion Checklist
- 这句话是在描述事实，还是解释原因？
- 这句话有没有引入"可能""说明""意味着"等推断性语言？
- 这句话是否涉及文献比较？
- 这句话是否在讨论机制？
- 这句话是否超出了图表或数据本身？
- 这句话是否应该放到 Discussion？十二、一个适合长期使用的 workflow.md
如果你想把这件事变成稳定流程，可以建立一个 results_discussion_workflow.md。
# Workflow: Separate Results and Discussion with AI
1. 先完成数据与图表整理
2. 将论文初稿按句子或段落输入 AI
3. 识别 Results 中的解释性语言
4. 将事实与解释拆分
5. 检查 Discussion 是否承接了关键结果
6. 补充必要的比较、机制和局限
7. 最后统一润色
8. 回到图表和原始数据核对这个 workflow 的关键是：
先分层，再写作，最后统一。
十三、一个适合长期使用的 skill.md
你还可以把这个能力沉淀为一个写作技能文件。
# Skill: Results and Discussion Boundary Assistant
## 目标
帮助科研作者区分论文中的 Results 和 Discussion，避免结果部分写成讨论，讨论部分重复结果。
## 输入
- 结果段落
- 图表说明
- 统计信息
- 文献对比内容
- 初稿文本
## 输出
- 句子/段落分类
- 结果部分客观改写
- 讨论部分解释性扩展
- 边界风险提示
- 结构优化建议
## 工作原则
1. Results 只写观察到的事实
2. Discussion 负责解释与延伸
3. 不把推测伪装成结果
4. 不把结果重复写进讨论
5. 先分类，再润色十四、最容易踩的 6 个坑
1. Results 里出现"说明了""表明了"
这类词往往暗示解释，容易越界。
2. Discussion 里只是重复数据
讨论不是重新报一次结果。
3. 在 Results 里写机制
机制解释应该留给 Discussion。
4. 过早下结论
结果可以支持"发现"，但不一定支持"证明"。
5. 句子太长，导致一段里同时塞结果和解释
写作时尽量把一个句子只承担一个功能。
6. AI 直接把结果写成"高大上的学术表达"
这种"学术感"常常是混淆边界的来源。
十五、一个非常实用的写作原则：先 Results，后 Discussion，最后再整体审查
很多人写论文时是边写边解释，最后结果和讨论缠在一起。
更好的方法是：
- 先写 Results，只写事实
- 再写 Discussion，只写解释
- 最后用 AI 做边界审查
这样更容易保持结构清楚。
十六、结语：写好 Results 和 Discussion，不是写得更多，而是写得更分明
科研写作最怕的，不是内容少，
而是内容混在一起。
Results 和 Discussion 的分工越清楚，
论文的逻辑就越清楚；
论文的逻辑越清楚，
读者越容易相信你的研究是严谨的。
而 AI 在这里的真正价值，帮助你建立一个更清晰的写作边界：
- 结果归结果
- 讨论归讨论
- 事实归事实
- 解释归解释
附：可直接复制的 Prompt / workflow / skill.md
1. Results/Discussion 分类 Prompt
请判断以下句子更适合放在 Results 还是 Discussion，并说明理由。
分类标准：
- Results：事实、数据、趋势、统计结果；
- Discussion：原因、意义、机制、文献比较、局限。2. Results 去讨论化 Prompt
请将以下段落改写为纯 Results 表达，删除解释、推测、评价和文献比较，只保留可观察事实。3. Discussion 扩展 Prompt
请根据以下 Results 帮我生成 Discussion 的讨论要点，包括可能解释、文献对比、意义、局限和未来方向。4. workflow.md
# Workflow: Results vs Discussion
1. 先写 Results
2. 再写 Discussion
3. 用 AI 标记越界表达
4. 拆分事实与解释
5. 补充 Discussion 的分析
6. 最后统一审查边界5. skill.md
# Skill: Results and Discussion Separation
## 核心原则
- Results 写事实
- Discussion 写解释
- 不在 Results 中写机制
- 不在 Discussion 中重复结果
- 先分层，再写作，再审查