研究人员的AI工作台：长上下文阅读加引用写作

研究流程中的三项模型任务

研究是多模型工作台最典型的应用场景，因为这条流程里有三种真正不同的需求。你需要一个能一次性容纳海量文本的模型，一个写作足够严谨、经得起同行评审的模型，还有一个能稳定返回结构化输出而不走样的模型。没有哪一款产品能同时在这三方面都做到最好，而在三款产品之间切换的代价，就是把同一批语料反复上传。在同一个工作台内部切换的边际成本很小，而且可以预估：根据Whizi的模型成本指数（OpenRouter挂牌价格，抓取于2026-08-20），Gemini 3.7 Flash每次标准回答约为$0.001313，Claude Sonnet 5约为$0.007，GPT-5.6 Terra约为$0.008，全部都在一美分以内。

阶段	模型	具体做什么
阅读一批论文	Gemini	100万token的上下文窗口，让15到30篇PDF可以放进同一次对话
搭建证据表格	GPT	严格的结构，字段值保持一致，不会随意发挥
起草文字和综合分析	Claude	谨慎、带学术性保留措辞的行文，忠于原文
查找最新研究并核对引用	联网模型	面向实时信息源检索，而不是依赖记忆
对自己的论证进行对抗性审阅	任何没有参与起草的模型	独立读者视角，没有沉没成本

在开始之前，最重要的一点是：如果只凭记忆去问一个语言模型某篇论文的内容，它会编造细节，而且编得非常流畅。而一个正在阅读你上传的PDF的模型，处理的是真实的文本。这是两种可靠性完全不同的行为，几乎所有关于AI用于科研的可怕案例，都是把第一种误当成了第二种。永远上传原始资料。

阅读20篇论文而不丢线索

常见的错误是要求生成摘要。20篇论文的摘要，只是一段可以用来描述该领域任意20篇论文的文字。真正需要的是一张证据表格，因为表格会迫使模型对每篇论文给出具体数值，让空白之处一目了然。

提示词：证据表格

我已经上传了[n]篇论文。请建立一张表格，每篇论文一行，包含以下列：引用信息（作者、年份）、研究问题、研究设计、样本量和研究人群、测量的主要结局、带有效应量或关键统计量的核心发现、已说明的局限性，以及资助来源（如披露）。如果某篇论文没有报告某个字段，写NOT REPORTED。不要推断数值。不要包含我没有上传的论文。

提示词：综合分析

只使用你刚才建立的表格回答：这些研究在哪些地方一致，哪些地方不一致，这些分歧可以用什么来解释（研究设计、人群、测量方式或时间段）？找出这批已上传研究都没有回答的问题。每一个论断都要标注它依据的具体行。

提示词：方法学批评

针对表格中的每一项研究，指出对其效度威胁最大的因素：抽样、测量、混杂因素、统计效力，或可推广性。要针对论文实际报告的内容具体展开，不要泛泛而谈。如果某项研究方法确实扎实，就如实说明，不要硬找问题。

最后这条指令真正起作用。让模型去找问题，它永远都能找到问题，哪怕是一项设计良好的研究也不例外，因为这个要求本身就暗示了问题的存在。明确允许它承认某篇论文是可靠的，才能让批评保持诚实。

关于如何把长文档干净地导入对话，可参考如何与PDF对话，以及用AI总结PDF的指南。

提取：从非结构化文本中获取结构化数据

系统性提取是AI最能省下确凿可查时间的任务，因为输出结果是可核实的。你可以对照第7页核对一个数字，但没法核对一种感觉。

提示词：严格结构提取

把这篇论文中每一个报告过的统计数据提取为JSON。结构：{"value": number, "unit": string, "measure": string, "population": string, "location_in_paper": string, "confidence_interval": string or null, "p_value": string or null}。只包含出现在正文、表格或图注中的数字。不要计算衍生数值。不要四舍五入。如果某个数字在表格和正文中出现的数值不同，两条都返回，并标注这一差异。

location_in_paper这个字段是大家最容易漏掉的部分，但正是它让输出真正好用。它把核实过程从重新通读整篇论文，变成一次有针对性的检查，这样核实工作才真的会被执行。

提示词：跨论文比较

在已上传的论文中，找出所有关于[你关心的那个量]的报告估计值。返回一张表格：论文、估计值、单位、研究人群、估算方法、数据采集年份。不要对它们取平均值。明确指出哪些估计值因为定义或人群不同而不可比。

要求模型不要取平均值，这不是吹毛求疵。对不可比的估计值取平均，是AI辅助文献综述最常出现的错误之一，它会自信满满地给出一个错误的数字，而且是审稿人一眼就能发现的那种错误。

起草综述，而不借用别人的句子

Claude在这里是最好的起草者，但提示词必须强制执行学术写作中最重要的两条规则：论断必须挂钩到具体来源，谨慎的措辞必须保留。以「有用」为训练目标的模型，往往会不自觉地加强本来谨慎的措辞，把「与……相关」在没人要求的情况下变成「导致」。

提示词：章节草稿

只使用上面的证据表格，起草文献综述的[章节名称]部分。规则：每个论断都必须能追溯到表格中的具体一行，保留原始的谨慎措辞（不要把相关性升级为因果性），使用[引用格式]，并在任何你想要超出证据范围进行概括的句子上标注[CHECK]。读者对象：[领域]研究人员。篇幅：约[n]字。

提示词：谨慎措辞审查

对照原始资料审查这份草稿。列出每一句表述的确定性超出了原始研究支持范围的句子，以及每一句把发现归错了来源的句子。把该句子和冲突的原文并排引用出来。不要改写。

也在自己写的文字上跑一遍这项谨慎措辞审查，而不只是对模型的输出。它同样能揪出深夜11点写下的人类初稿里的同一种偏移。

引用核实，这一步没有商量余地

这一部分最为重要，所以说得很直接。语言模型会编造引用。它们生成的引用会带上真实存在的作者姓名，听起来合理的期刊名称，看起来正确的卷号和页码，以及无法解析或指向另一篇不相关论文的DOI。已经有被撤稿的论文，就是这样进入文献体系的。也有学术声誉因此受损。

防止这一点的规则：

• 永远不要让模型凭记忆为某个论断「找来源」。应该让联网模型去检索，然后自己打开每一个链接核对。
• 通过实际解析来核实每一个DOI。一个无法解析的DOI就是编造，而不是打错字。
• 核实被引用的论文是否真的说了引用所声称的内容。一篇真实存在、却被挂到它并不支持的论断上的论文，是更难发现的错误，也比凭空捏造的论文更常见。
• 永远不要引用你没有打开过的东西。这条规则在AI出现之前就存在，AI只是让它变得更加不可回避。
• 把上传的PDF当作事实的最终来源。凡是模型告诉你、但你没有上传过的论文相关信息，从结构上就是未经核实的。

提示词：引用审计

对列表中的每一条引用，说明：你能否从这次对话中的某个来源确认它，还是它来自你的训练数据、因此是未经核实的。不要猜测。清楚标出每一条未经核实的条目。我会手动核对它们。

这条提示词并不会让模型变得可靠。它做的是让模型明确说出，哪些论断是锚定在你提供的资料上的，而这正是你判断该核实什么所需要的区分。

这套方法无法替代什么

它无法替代系统性综述规程。如果你的工作需要PRISMA，检索策略、筛选和纳入决定仍然需要由你来记录和辩护。AI可以帮你起草规程、加快对已纳入研究的提取速度，但它不能充当检索本身。

它无法替代你的文献管理工具。让Zotero、Mendeley或EndNote继续作为你实际读过内容的记录。对话窗口是工作记忆，不是档案库。

它无法替代统计分析。模型可以解释一种方法，为它写出R或Python代码，并对你的解读做合理性检查，但在对话窗口里跑分析、又直接相信运算结果，是站不住脚的。生成代码，在自己的环境里运行，再检查输出结果。

它也无法替代披露义务。期刊和机构越来越要求说明AI工具的使用方式。在每个阶段用了什么就随手记下来，因为等到投稿时再回忆会很痛苦。