Kimi Work 垂直场景第三篇，轮到科研人群。
研究生和科研人员的时间黑洞有两个：文献综述 （读不完的论文、理不清的脉络）和论文润色（改不完的措辞、过不了的语病）。一篇综述动辄要消化五六十篇文献，初稿润色来回改七八轮------这两件事能占掉科研时间的大半。
Kimi Work 的长文本能力（K2.6 模型，几十万字上下文）恰好是为这种"大量输入、结构化输出"的任务设计的。这篇按"文献检索 → 综述生成 → 质量验证 → 论文润色 → 诚信边界"五个环节，拆解科研场景的完整工作流。
环节一：文献检索的精准姿势
Kimi Work 不是文献数据库------它检索不了知网和 Web of Science 的全文库。它的正确用法是处理你已经拿到的文献：批量 PDF 丢给它读，替你完成"读、筛、理"的体力活。
检索仍在专业数据库做。用知网/WoS/Google Scholar 检索并下载文献，这一步 Kimi Work 替代不了。
筛文献交给它。五六十篇 PDF 全部丢进 Kimi Work，用这个指令做初筛：
我的研究主题是"XX 领域的 YY 方法"。逐篇阅读这些文献的摘要和结论，按相关度分为三档：核心相关（直接研究该主题）/ 部分相关（涉及但不聚焦）/ 不相关（仅领域沾边）。输出一张清单：文献标题 + 年份 + 分档 + 一句话理由。
五分钟后你拿到一张分档清单------核心相关的精读，部分相关的备查，不相关的直接出队。原来一晚上的筛选工作变成一次任务。
追查漏读。如果你担心检索遗漏了关键文献，让它反向帮你：
基于已读的这批文献的参考文献列表，找出被引用次数最多但我清单里没有的论文，列出来供我补检。
用文献自己的引用网络查漏，比再想几个检索词靠谱。
环节二：综述初稿的生成策略
筛完文献，进入综述写作。直接说"帮我写文献综述"会得到一篇空话连篇的东西------正确姿势是先理脉络，再填内容，最后成文，三步走。
第一步：理脉络
基于这 32 篇核心文献，梳理该领域的研究脉络：主要分为哪几个研究方向？每个方向的代表性工作和核心结论是什么？方向之间是什么关系（演进/并列/对立）？
产出一份"领域地图"。这是综述的骨架------先确认脉络划分符合你的学术判断，再往下走。
第二步：填内容
按"方向一：XX"的结构，逐方向展开：该方向的起源问题、代表性论文及贡献（标注作者和年份）、方法演进脉络、当前局限。每个论点标注来源文献。
注意"标注来源文献"这个要求------它强制每个论点可溯源，也是后面验证的基础。
第三步：成文
把以上内容整合成一篇 3000 字的综述初稿：学术语言、逻辑连贯、段落间有过渡。引文格式用（作者, 年份）内嵌标注。
成文只是把前两步的结构化产出"翻译"成论文语言------骨架和血肉都是你审定过的，初稿质量就有底。
环节三：综述质量的验证方法
AI 参与的综述必须验证，两个方法：
交叉引用检查 ：随机抽 5-10 处引文，回原论文核对------它说的"张三（2021）提出了 XX 方法"，原论文里真有这回事吗？抽检合格率高的可以信任，发现一处张冠李戴就扩大核查范围。AI 编造引文是综述场景最大的雷，这一步不能省。
关键论文覆盖检查：把你领域里公认必须引用的"基石文献"列出来（你自己肯定知道几篇），对照综述初稿查漏。基石文献都覆盖了，覆盖面基本合格；漏了就让它补。
一个保险话术：在生成指令里预先声明"如果某篇文献你没有读到原文，明确标注'未读原文'，不要凭记忆补写内容"。这句能把幻觉率压下去一大截。
环节四：论文润色的分段策略
润色初稿，不要整篇丢给它说"帮我润色"------不同章节的润色目标不同，混在一起会互相稀释。
摘要：目标是精炼准确。
润色这段摘要：保持原意，控制在 250 字以内，突出方法创新点和主要结论，语言符合学术规范。指出修改了哪些地方。
方法部分：目标是逻辑严密、表述无歧义。
逐段检查方法描述：有没有步骤跳跃、指代不清、术语不一致的地方？列出问题清单和修改建议，先不要动原文。
方法部分建议"先列问题再改"------你自己确认修改方向后再让它执行，避免它把你的方法描述改走样。
讨论部分：目标是论证充分。
检查讨论部分的论证链：每个结论是否有数据支撑？有没有过度解读（数据撑不起的说法）？与已有研究的对比是否充分？逐条给出加强建议。
语言层：最后统一过一遍。
全文做语言层润色：修正语病、统一术语用法、消灭口语化表达。不要改动任何技术内容和数据表述。
分层润色的关键：每层只干一件事。语言问题和逻辑问题混在一轮改，改完你分不清它动了什么。
环节五：科研诚信边界------红线在哪
说清楚什么能做什么不能做，这套工作流才能安心用：
可以做的：
- 文献筛选、分档、脉络梳理这类"读和理"的体力活
- 综述的结构化初稿（经你验证和改写后使用）
- 润色中的语言修正、逻辑问题清单、格式统一
- 投稿信、答辩 PPT 大纲这类周边文稿的初稿
绝对不能做的：
- 数据造假：让它"生成合理的实验数据"------这是学术不端，没有讨论空间
- 代写核心内容：方法设计、结论解读是研究本身，AI 代写等于研究不是你做的
- 未验证的引文直接上稿：AI 给的每一条引文，投稿前必须回原文核实
- 同行评审保密材料：审稿人身份下收到的未发表论文，丢给 AI 处理违反保密义务（多家期刊已明文禁止）
一句话原则：AI 加速的是"科研的体力环节"，"智力环节"（选题、设计、判断、负责）永远是你自己的。论文署名意味着责任，AI 不承担任何责任。
总结
- 检索在专业数据库做，筛文献交给 Kimi Work：五六十篇 PDF 三档分类，一晚变一次任务
- 综述三步走：理脉络（领域地图）→ 填内容（带引文标注）→ 成文，骨架先审后用
- 必做验证：引文抽检回原文核对 + 基石文献覆盖检查 + "未读原文就标注"的保险话术
- 润色分段：摘要求精炼、方法先列问题再改、讨论查论证、语言最后统一过
- 诚信红线：不造假数据、不代写核心内容、引文必核实、审稿材料不进 AI
下一篇换到运营场景：活动复盘、用户反馈分析、竞品监控，看 Kimi Work 怎么把运营人最耗时的三件事串成一条流水线。
如果这篇帮你理清了科研场景的 AI 用法，欢迎分享给实验室的同学和同事。你在写综述时踩过什么坑？评论区聊聊~