前言部分的撰写属于文献综述，是整个论文写作难点之一。

难点一是“综”，要整合各个相关主题的经典理论和前沿进展，不能有遗漏；二是述，如何把这些论文中的观点组织成逻辑流畅、环环相扣的句子和段落，按照“大背景-小背景-research gap”的脉络展开。暗线是为了说服编辑和审稿人，本研究是如何重要。

之前，娜姐将这部分写作拆解成三步：

1 搭建框架；

2 手动填充论据；

3 AI梳理逻辑线，把句子连成段落，段落组织成章节。

现在随着各大AI模型的进化，更多功能的解锁。娜姐把这部分的AI辅助写作更新为：

1 搭建框架；

2 AI文献综述；

3 AI针对文献综述进行改写。

相比之前的方案更快更省事了。我们来看看效果：

1 搭建框架

Introduction部分，要根据你的研究主题和结果，对相关背景做陈述铺垫。此外，还要考虑你投稿的目标期刊，比如有的侧重分子机制有的侧重临床，针对不同的期刊受众，Introduction部分的框架脉络也要做调整。

让AI来帮我们设计合适的框架，效果如下：

这一步让它给出具体的文献检索关键词，方便我们第二步进行主题检索，结果更聚焦可控。

通过几种框架方案的对比，你也能更清晰的感知，哪一种方案是更合适的，其他的框架方案也有可取之处。

如果你觉得需要针对哪一种方案进行微调，增删，第一步可以继续对话，直至完成。

第二步：文献综述

根据第一步设定的框架来进行文献综述。这个框架更详细一点—包含需要检索的子主题、关键问题、关键词，还是简略一点好？

这个要通过设置不同大纲，让AI输出来对比调整。娜姐调试对比过好几个版本。

总的原则，要包含我们需要综述的主题，字数要比前言多一点。这样在阐述每一个论点的时候，会更详细。

因为，你一眼就能看出来，哪一块内容啰嗦了或者不需要，删掉就行；但是少了，你得自己再去查文献补齐，就是大海捞针，没那么容易了。

现在，三大顶尖模型都有deep research功能。我对比了一下，Claude更深入，机制机理的探讨更多；Gemini更广泛，大而全，反而OpenAI的deep research落了下乘，输出字数和深度都缩水了。你可以几个工具同时使用，把结果进行整合。

当然，因为有些论文是需要订阅的，AI只能抓取摘要部分，deep research帮你进行的文献综述会有不完备的地方。

你也可以用娜姐的综述智能体，用第一步拟定的框架来进行文献综述。

Claude：

Gemini：

文献综述只是对前言涉及的领域的进展调研，是我们撰写前言的初始资料。

针对前言部分的写作，我们还需要对这份材料进行取舍，相似结果进行合并，上下文段落进行衔接。

3 Introduction全文写作

有了文献综述资料，我们可以让AI结合自己的论文主题、研究结果来撰写前言完整内容了。

首先，根据论文主题和研究结果，对文献综述资料进行取舍规划：

最后润色为学术论文风格的Introduction部分：

最后AI会基于文献综述资料的取舍规划，按照Introduction的框架，输出一份逻辑流畅清晰的前言内容。这里的参考文献引用，Gemini deep research有，OpenAI和Claude需要根据网页链接自己整理。如果有，最后的成文AI会自动添加，没有它会提醒你需要添加。

有一个学员问：他和同事争论当前AI对科研领域到底靠不靠谱，有没有用？问娜姐的观点。

我的观点和前段时间娜姐翻译的那篇纽约客文章不谋而合：

顶级科学家的AI使用指南：从工具到合作伙伴

AI是极好的副驾驶伙伴。任何时候，人都是最终决策者，我们不能让渡关键决策权。

为什么大家觉得娜姐的提示词好用，写出来的内容就是自己想要的，还很有逻辑和深度。

因为娜姐给大家的，不是一个个按框架填写的简单提示词，而是在贯彻和执行“学者主导的AI写作范式”。

如果一上来就把方向盘交给AI，自己当甩手掌柜。等待你的可能就是胡说八道，或者输出的根本就不是你想要的内容。

所以，“AI对科研领域到底靠不靠谱，有没有用？” 娜姐借用下面这张图来回答：

当前还有很多人在找AI的bug：幻觉、数学计算不好。。以此证明AI不靠谱。但是，从GPT-3面世到GPT-5，已经证明了AI的进步是飞速的—远超人类的进化速度。

在这样一个势不可挡的智能工具面前，聪明人会选择“打不过就加入”：积极拥抱AI，掌握正确的使用方法，持续用，跟AI一起进化。

--

今天就介绍到这。如果觉得有用，欢迎在看、转发和点赞，一键三连！娜姐继续输出有用的AI辅助科研写作、绘图相关技巧和知识。