把 AI 当研究助理之前，先写一张验收清单

很多人第一次把 AI 放进科研流程时，最容易犯的错误是：只写任务，不写验收。

比如“帮我整理文献”“帮我分析数据”“帮我润色论文”。这些句子看起来像任务，其实只是愿望。AI 会给你一个看起来完整的结果，但你很难判断它是不是可靠。

如果你想把 AI 当研究助理，先写一张验收清单。

验收清单解决什么问题

科研工作里最怕的不是慢，而是错得很像真的。

AI 的优势是生成快、整理快、改写快。它的风险也在这里：一个错误的引用、一个看似合理的统计结论、一段过度自信的机制解释，都可能被包装得很顺滑。

验收清单的作用不是让 AI “更聪明”，而是让你知道什么时候该停下来检查。

一个最小清单

每次交给 AI 一个科研任务前，先补齐这五项：

项目	要问自己的问题
目标	这一步最终要产出什么？
输入	AI 可以看哪些材料？哪些不能猜？
约束	字数、格式、术语、范围是什么？
风险	哪些地方最容易错？
验收	我用什么证据判断结果可用？

这张表很朴素，但足够拦住大部分低级错误。

例子：让 AI 整理 20 篇文献

不推荐这样写：

帮我总结这些文献。

更好的写法：

任务：请把我提供的 20 篇文献整理成一张对比表。
输入：只使用我提供的标题、摘要和 DOI，不要自行补充引用。
输出：Markdown 表格。
字段：研究对象、方法、核心发现、局限、与“生物质催化转化”的关系。
风险：不要把作者推测写成实验结论。
验收：每一行必须能回到对应 DOI；不确定的地方写“不足以判断”。

这里真正重要的不是 prompt 写得漂亮，而是“不要自行补充引用”“不确定写不足以判断”这两句话。它们把 AI 从自由发挥拉回到可检查的工作。

例子：让 AI 改论文摘要

摘要润色尤其容易被 AI 写成空话。验收清单可以这样写：

是否保留了原始实验对象？
是否保留了关键表征方法？
是否明确写出主要发现，而不是“结果表明”？
是否删除了无法由数据支持的泛化结论？
是否控制在目标期刊要求的字数内？

如果 AI 改完之后，你没法逐项打勾，那这次润色就不能直接用。

最后的判断权必须留给人

AI 适合做的是：展开、归纳、改写、对比、生成候选方案。

人必须保留的是：问题定义、证据判断、学术责任、最终署名。

把 AI 纳入科研流程，不是把判断权交出去，而是把重复劳动外包出去。验收清单就是这条边界。

本文是“AI 科研效率入门”系列的第 3 篇。