用 AI 做论文选题与文献管理：实用方法

做研究最耗时间的两件事：找到值得做的题，把相关文献理清楚。大模型在这两件事上能当个称职的助手——拓展选题角度、归纳文献脉络、按固定格式整理笔记——但定位要先讲清：它辅助思考，不替你做研究。选题的原创性判断、能否作为学位论文方向，一律以所在机构的规定为准，这条先放在最前面。

选题：拓展角度，不替你定题

从一个研究兴趣出发，让大模型给出多个可切入的角度，是它帮得上忙的地方。比如研究兴趣是"短视频对青少年注意力的影响"，它可以列出问卷测量、平台数据、纵向追踪等不同路径，并说明每条路径需要什么数据和方法。但它给不了两样东西：这个题目在你的机构算不算有足够原创性，以及它有没有被同领域做透。前者查所在机构的规定、问导师，后者靠自己在文献库里检索确认。它的"发现空白"只能当线索——空白可能只是检索没覆盖到，不是真的没人研究过。

文献整理的固定格式

文献管理的关键动作是统一格式：每篇文献按"研究问题—方法—结论—局限"四个字段整理，一条不多。固定字段的好处是可比，五十篇文献的卡片放进同一张表，脉络和分歧自己会浮出来：哪些结论互相支持，哪些直接冲突，哪些方法的样本有明显局限。让大模型帮忙做这一步时，把文献摘要喂给它，要求严格按四个字段输出，字段之外的信息一律不要。

一段能直接用的文献提示词

把几篇文献的摘要粘贴给模型，接上这段话：请归纳这些研究的主要脉络和分歧；指出 3 个可能的切入点；针对每个切入点说明需要什么数据或方法；单独提醒我哪些说法需要回原文核实。末句是关键——它让模型把没把握的部分单独标出来，省得混在结论里显得都很确定。

从归类到综述初稿

归类完成后可以生成综述框架：按主题组织、别按文献顺序罗列，每一节先写分歧再写共识，最后列出仍未解决的问题。综述初稿只是框架和素材的排布，每一处观点都必须回到原文核对后才能落笔。这套整理和复盘的写法是同一类活，数据与选题的年度复盘总结法可以直接借用；要把进展汇报给导师或课题组，给合伙人写经营总结那篇"先结论、再证据"的结构同样适用。

检索文献本身也有讲究，关键词的组合方式直接决定查全率，用 AI 写商品标题那篇讲的关键词布局思路，换个场景就是检索式的构建方法。文献之间结论冲突时怎么归因，可以参考用 AI 分析退货原因的思路：先分清是方法差异、样本差异还是口径差异，再判断谁的结论更可信。

四条学术底线

其一，不能代写：论文的核心工作——提出问题、设计方法、分析数据、得出结论——必须自己完成。其二，不能编造文献：大模型会给出格式规范、作者真实但内容不存在的"论文"，每一条引用都必须自己在数据库里查到原文，这一步不能省，也没有替代办法。其三，不能伪造数据：数据只能来自真实实验或调查。其四，遵守规定：不少期刊要求声明 AI 使用情况，投稿前逐条核对目标期刊的说明，学校对 AI 参与写作的边界也以机构文件为准。

它的边界在哪里

它读不了你读不到的东西：没喂给它的文献它不知道，喂了摘要它就只有摘要层面的理解。它判断不了题目的价值：一个方向值不值得投入两三年，取决于领域趋势和你自己的条件，这超出它的能力。它也做不到稳定准确：归纳里混入它自己的推测时，语气上几乎听不出来。把这些边界记牢，AI 就是提速的工具；忘了边界，它会把错误悄悄埋进你的文献笔记里。

论文选题与文献管理速查

• AI 辅助思考与整理，研究本身必须自己完成
• 每篇文献按"问题—方法—结论—局限"四字段整理
• 凡是引用，必须在数据库查到原文，逐条核对
• 选题原创性以所在机构规定为准
• 投稿前核对期刊的 AI 使用声明要求