写论文时，AI 工具到底该放在哪些环节？
很多人写论文用 AI 的痛苦，不是工具太少，而是把工具放错了位置。
学生最容易出现两种极端。有人把 ChatGPT 当成万能写手，题目、文献综述、方法、讨论全让它包办，交出来的是一篇看起来流畅、细看全是空洞和风险的稿子。也有人因为担心学术规范，干脆一点不用，结果在检索、整理、格式这些环节耗掉大量时间。
更稳的做法，是把论文拆成几个阶段。每个阶段只问一个问题：这里需要 AI 帮我省时间，还是需要我自己做判断。
这张流程图把论文写作拆成几个常见阶段，AI 最适合放在检索、整理、改写和检查这些辅助环节。
选题阶段：让 AI 帮你扩展，不要让它替你定题
刚开始定题时，AI 很适合拿来做发散。你可以把研究兴趣、课程要求、可拿到的数据、导师限制放进去，让它列出几个可能方向，再追问每个方向的变量、研究对象和难点。
这里不要急着接受它给出的题目。一个好题目至少要过三道关：有没有真实研究空缺，能不能拿到材料或数据，自己的训练能不能做完。AI 往往擅长把题目说得完整，却不负责你能不能落地。
如果是本科论文，可以用通用大模型帮你把宽泛兴趣压到可写范围。比如从 AI 与教育 压到 大学生使用生成式 AI 写作反馈的行为差异。研究生论文更适合让 AI 反向提问：这个变量有没有清晰定义，样本从哪里来，可能的混杂因素有哪些。
文献检索阶段：优先用会找真论文的工具
文献阶段最怕的是虚构引用。通用大模型可以帮你理解概念，但不能直接相信它列出的参考文献。更适合放在前面的，是 Elicit、Semantic Scholar、Google Scholar 这类能把结果指向真实论文和数据库的工具。
Elicit 官方文档里提供 Find Papers、Paper Chat、Extract Data、Systematic Review 等工作流，适合用来找论文、筛摘要、抽取研究对象和方法。它的好处不是让你少读，而是让你更快知道哪几篇该先读。
Zotero 则适合做文献库底座。它的价值不在 AI，而在收集、标注、引用和格式统一。论文越往后，越能感受到文献管理器的重要。临近提交时才发现引用格式混乱，是很难受的返工。
这张表适合文献阅读时使用，把每篇论文的对象、方法、证据和可疑点放在同一张表里，避免只留下摘要印象。
阅读阶段：AI 可以解释难句，但不能替你下判断
读论文时，AI 很适合当临时助教。看不懂一个模型、一个统计方法、一个英文长句，可以让它改写成更容易理解的表达。读完一篇文章，也可以让它帮你生成问题清单，例如作者的样本有什么局限，结论能不能推广，变量定义是否稳定。
但关键判断必须自己做。尤其是文献综述，不能把几篇论文摘要拼起来就算完成。你要知道这些研究之间的关系：谁在回答同一个问题，谁换了样本，谁的方法更可靠，谁的结论只是特定场景下成立。
我更建议做一张证据表。每篇文献记录研究对象、方法、主要发现、可用证据、局限和可引用位置。AI 可以帮你把 PDF 摘要成初版表格，但每一格都要回到原文核对。这样写综述时，脑子里不是一堆漂亮句子，而是一组可追溯的证据。
方法和数据阶段：让 AI 做助手，别让它碰红线
如果论文有问卷、访谈、实验或数据分析，AI 可以帮你检查问卷措辞、生成访谈提纲、解释统计代码、排查脚本报错。开发者和数据分析同学会更明显地感受到，AI 对代码调试很省时间。
这里的红线也更清楚。不要把未脱敏的访谈记录、个人信息、实验数据、企业内部材料直接丢进外部工具。多所高校的 AI 研究指南都反复提醒，敏感数据、机密资料和个人信息要遵守学校和项目的数据规则。
还有一个小坑：AI 写出的统计解释经常很顺，但可能把相关、因果、显著性和实际意义混在一起。数据结果该怎么解释，仍然要回到你的研究设计。工具能帮你发现代码错误，不能替你承担方法责任。
写作阶段：让 AI 帮你改表达，不要让它替你生成观点
论文初稿最适合自己写得粗糙一点，再让 AI 帮忙修顺。你可以给它一段自己写的内容，要求改得更清楚、更像学术表达、更少口语化。也可以让它指出段落里哪里跳得太快，哪里缺证据。
不要直接让 AI 写一整节文献综述或讨论。这样的文字通常很工整，却没有你的研究现场。导师一看就会发现它很会说话，但不知道你到底读了什么、做了什么、发现了什么。
更好的提示方式是：这是我的原始观点，这是我能引用的三篇文献，这是数据结果，请帮我把表达理顺，不要新增事实，不要新增引用。这样 AI 的角色会被限制在编辑，而不是作者。
引用和格式阶段：工具越传统越可靠
引用这件事，越不该交给会编故事的模型。Zotero、EndNote、Mendeley 这类文献管理器更可靠，因为它们处理的是你已经收进库里的真实条目。AI 可以帮你检查参考文献是否缺页码、年份、期刊名，但不能直接替你造一组引用。
投稿或提交前，还要看学校、期刊或会议的 AI 使用规则。普林斯顿等高校指南提到，很多出版方要求对 AI 辅助写作进行说明或披露。罗切斯特 2026 年关于研究中生成式 AI 透明度的指南，也把不同程度的 AI 使用分成了需要不同披露强度的类型。
这张风险灯图把 AI 用法分成低风险、需披露和高风险三类，越接近数据、结论和作者贡献，越不能偷懒。
一个可执行的工具组合
如果你只是想把论文流程跑顺，可以从一套很朴素的组合开始。
选题和提纲用 ChatGPT 或同类大模型，目标是发散和追问，不是定稿。文献检索用 Elicit、Semantic Scholar、Google Scholar，目标是找到真实论文。文献管理用 Zotero，目标是把引用和笔记放稳。阅读难点可以交给大模型解释，但要贴着原文问。数据和代码可以让 AI 辅助调试，但敏感数据先脱敏。写作时让 AI 做语言编辑，结论和引用自己负责。提交前按学校或期刊要求披露。
这套流程听起来不酷，却很耐用。它没有把 AI 当成代写机器，也没有把人困在低效率里。真正省下来的时间，应该拿去读关键文献、改研究设计、核对证据和打磨论证。
写论文最怕的不是不用 AI，而是用 AI 用到失去作者感。论文署的是你的名字，读者默认你对里面的事实、引用、方法和结论负责。工具可以帮你快一点，但不能替你负责。
所以，论文写作里最好的 AI 用法不是一键成稿，而是把每个阶段最烦、最耗时、最容易机械重复的部分拆出去。剩下那些需要判断、取舍和承担责任的地方，正是论文训练真正要练的东西。
