我的科研助理：提示词工程全方位指南

基于《我的科研助理：ChatGPT全方位实用指南》第二章视角的完整解读与实操扩展

前言：提示词——人与AI的沟通桥梁

想象一下，你聘请了一位绝顶聪明但刚来地球的科研助理。他知识渊博、反应迅速，但不了解你的研究习惯，不熟悉学术规范，甚至不太懂人类语言的微妙之处。你会如何给他布置任务？你会如何确保他准确理解你的意图？你会如何指导他产出符合你期望的结果？

这就是我们与ChatGPT互动时的真实处境。而提示词（Prompt），就是我们与这位外星人助理沟通的桥梁。

《我的科研助理：ChatGPT全方位实用指南》第二章聚焦于提示词工程——这门“如何与AI高效沟通”的艺术与科学。作者安若鹏总结了10条基本规则，指导读者通过精准指令获得高质量回答。但正如书中所言，这些规则只是起点。真正掌握提示词工程，需要理解其底层逻辑，并在科研全流程中反复实践。

本指南将基于第二章的核心规则，结合最新研究和实践框架，为你——一位科研新手——提供真正全方位的提示词工程指南。我们将从理论基础出发，逐步深入到科研各环节的具体应用，最终帮助你建立起与AI高效协作的系统能力。

第一部分：理论基础——提示词工程的科学

1.1 什么是提示词工程？

提示词工程（Prompt Engineering）是指通过精确指令与上下文控制，引导大语言模型生成期望输出的技术。它本质上是一门通过语言控制语言的艺术——我们用自然语言告诉AI如何理解和处理自然语言。

这听起来像悖论，但实际运作原理是：大语言模型在训练过程中学习了海量文本模式，当给定特定提示时，它会激活与这些模式最相关的神经网络路径，从而生成符合提示期望的输出。因此，提示词的质量直接影响着模型的理解准确性和输出质量。

1.2 为什么提示词工程对科研至关重要？

对于科研人员，掌握提示词工程意味着：

第一，获得更准确的回答。NIH发表的研究表明，不同的提示风格在信息提取任务中的表现差异显著。仅通过提供答案表示例（少样本提示），ChatGPT在提取发射波长等具体数据时的准确率可以从约60%提升到94%以上。

第二，节省反复修改的时间。精心设计的提示词可以一次性获得接近理想的输出，避免多次来回调整。

第三，实现复杂任务的自动化。通过思维链等高级技术，可以让AI完成需要多步推理的复杂任务，如研究设计评估、数据分析规划等。

第四，建立可重复的工作流程。标准化的提示词模板可以重复使用，确保同类任务的一致性和可比性。

1.3 提示词的核心要素：多元框架整合

不同研究者和实践者提出了多种提示词框架。整合这些框架，我们可以提炼出优秀提示词的共同要素：

CO-STAR框架（新加坡提示工程大赛冠军框架）：

• C - Context（上下文）：提供背景信息
• O - Objective（目标）：明确任务目标
• S - Style（风格）：指定写作风格
• T - Tone（语调）：设定回答语调
• A - Audience（受众）：指明目标读者
• R - Response（回应格式）：规定输出形式

BRITE模型（重庆交通大学邱晋教授提出）：

• B - Background（背景）
• R - Role（角色）
• I - Intention（意图）
• T - Task Details（任务细节）
• E - Emotion（情感表达）

CLEAR框架（图书馆信息素养框架）：

• C - Concise（简洁）
• L - Logical（逻辑）
• E - Explicit（明确）
• A - Adaptive（适应）
• R - Reflective（反思）

整合这些框架，我们可以提炼出优秀提示词的六大核心要素：

要素	说明	示例
角色	AI应扮演的身份	“你是一位经验丰富的流行病学家”
背景	任务相关的情境信息	“我正在研究城市空气污染对儿童哮喘的影响”
任务	需要完成的具体工作	“请帮我分析这组数据的统计结果”
细节	任务的具体要求和约束	“重点关注年龄分层分析，控制在300字内”
格式	输出应遵循的结构	“用表格呈现，包含均值、标准差和p值”
受众	回答的目标读者	“写给公共卫生政策制定者，避免过多术语”

第二部分：10条基本规则深度解读

《我的科研助理》第二章总结了10条基本规则。让我们逐条深度解读，并结合科研场景提供具体示例。

规则1：确保提示词明确具体

核心思想：模糊的提问得到模糊的回答，精确的提问得到精确的回答。

反面示例：

“运动有哪些好处？”

这个问题太过宽泛。AI可能给出从减肥到社交的各类好处，但这些信息对你可能毫无帮助。

正面示例：

“中等强度的有氧运动对成年人心血管有什么具体好处？请从血压、心率、血脂三个维度说明。”

这个提示词明确了：

• 运动类型：中等强度有氧运动
• 研究对象：成年人
• 关注领域：心血管
• 具体要求：三个维度（血压、心率、血脂）

科研应用技巧：

• 用具体术语替代模糊概念：不说“心理健康”，说“抑郁症患者的焦虑症状”
• 限定研究人群：不说“老年人”，说“65岁以上社区居住的轻度认知障碍患者”
• 指定测量指标：不说“改善”，说“收缩压降低5mmHg以上”

规则2：将复杂问题分解为较简单的部分

核心思想：复杂问题超出AI的单次处理能力时，分解成子问题逐个解决。

反面示例：

“植物性饮食的好坏之处有哪些？”

这个问题试图同时评估利弊，AI的回答可能混杂不清。

正面示例（分解为两个问题）：

问题1：“植物性饮食有哪些经过科学证实的健康益处？请按证据强度排序。”
问题2：“植物性饮食有哪些潜在的健康风险和营养缺乏问题？哪些人群需要特别注意？”

科研应用技巧：
对于复杂的研究任务，可以这样分解：

复杂任务	分解步骤
撰写文献综述	1. 检索策略制定 → 2. 文献摘要整理 → 3. 主题识别 → 4. 框架设计 → 5. 逐段撰写
设计研究方案	1. 研究问题细化 → 2. 假设构建 → 3. 方法选择 → 4. 样本量估算 → 5. 数据分析计划
分析数据	1. 数据清洗 → 2. 描述统计 → 3. 假设检验 → 4. 结果解释 → 5. 可视化

进阶技巧：使用“思维链”（Chain-of-Thought）提示，要求AI逐步推理。只需在提示词末尾加上“让我们一步步思考”，就能显著提升复杂推理任务的准确性。

规则3：尝试不同的提示词表达方式

核心思想：同一问题从不同角度提问，可能获得更全面的信息。

反面示例：
第一次提问：“遗传因素如何影响肥胖？”
第二次提问仍用完全相同的方式。

正面示例：
第一次：“遗传因素如何影响肥胖？”
第二次：“导致肥胖发展的具体基因和途径有哪些？”
第三次：“表观遗传修饰在肥胖发生中起什么作用？”
第四次：“基因-环境交互作用如何解释肥胖的个体差异？”

科研应用技巧：

• 角度轮换：从机制、风险、预防、治疗等不同角度提问
• 层级递进：从宏观到微观，从现象到机制
• 反向思考：问“什么因素不相关”或“什么情况下结论不成立”

规则4：设置语境

核心思想：为AI提供足够的背景信息，帮助它理解你的具体需求。

反面示例：

“管理压力的方法有哪些？”

AI可能给出冥想、运动等一般性建议。

正面示例：

“作为一名心理健康专家，你会给你的患者（一位35岁、有两个孩子的职场母亲，最近因工作压力出现失眠）推荐什么经证明有效的方法来管理压力？请考虑她时间有限，给出具体可行的建议。”

这个提示词提供了：

• 角色：心理健康专家
• 患者特征：35岁、职场母亲、两个孩子、失眠
• 约束条件：时间有限
• 要求：具体可行、经证明有效

科研应用技巧：
有效的语境设置应包括：

• 你是谁：你的专业背景、研究阶段
• 你要做什么：研究目的、论文类型（综述、原创研究、学位论文）
• 你已有什么：已有文献、数据、初步发现
• 你需要什么：具体帮助（思路启发、写作润色、数据分析）
• 有什么限制：字数、格式、时间

规则5：要求逐步解释

核心思想：要求AI展示推理过程，而非只给结论。

反面示例：

“研究人员如何分析流行病学数据？”

AI可能给出笼统的描述。

正面示例：

“指出统计分析队列研究中的流行病学数据所涉及的步骤。请详细说明每个步骤的目的、常用方法和注意事项。”

科研应用技巧：

• 研究方法设计：“请逐步说明如何设计一项随机对照试验来检验药物X的疗效”
• 数据分析：“请一步步解释如何进行中介效应分析，包括每个步骤的统计原理和SPSS操作”
• 理论推导：“请展示从理论假设到可检验研究假设的逻辑推理过程”

规则6：索要出处和引用

核心思想：要求AI提供信息来源，便于核实和跟进。

反面示例：

“益生菌有助于管理肠易激综合征吗？”

AI可能给出肯定回答，但无来源。

正面示例：

“有哪些临床证据可以证明使用益生菌有助于管理肠易激综合征？请提供与你回答相关的出处或引用，包括研究类型、样本量和主要发现。”

重要提醒：AI提供的引用可能存在幻觉——生成看似合理但实际不存在的文献。NIH的研究发现，AI会使用已被撤回的学术论文来回答问题。因此，必须对AI提供的所有引用进行核实。

核实方法：

• 在Google Scholar、PubMed等数据库检索文献标题和作者
• 检查DOI是否有效
• 确认论文未被撤回（可查Retraction Watch数据库）

规则7：探索其他观点

核心思想：要求AI提供多角度分析，避免单一视角。

反面示例：

“远程医疗是否可以提升农村地区医疗可及性？”

这个问题预设了肯定立场。

正面示例：

“利用远程医疗来提升农村地区医疗可及性的优势和劣势有哪些？请从患者、医疗服务提供者、医疗系统三个角度分析。”

科研应用技巧：

• 多学科视角：“从经济学、社会学和公共卫生角度分析这个问题”
• 利益相关者视角：“患者、医生、医院管理者、政策制定者分别如何看待这个问题？”
• 方法论视角：“定量研究和定性研究分别会如何探讨这个问题？各自的发现可能有何不同？”

规则8：增加约束条件来控制回答的长度或格式

核心思想：明确指定输出的形式和长度。

反面示例：

“Ⅰ型糖尿病和Ⅱ型糖尿病之间的主要区别有哪些？”

AI可能给出段落式回答，不利于快速比较。

正面示例：

“创建一个两列表格，一列是Ⅰ型糖尿病，一列是Ⅱ型糖尿病，列出它们之间的主要区别。包括发病机制、危险因素、发病年龄、症状、治疗方法和预后六个方面。”

格式约束选项：

• 表格：比较分析、数据汇总
• 要点：列出关键信息
• 思维导图：展示概念关系（可用文本模拟）
• 代码块：生成编程代码
• Markdown：结构化文本
• JSON：结构化数据

长度约束选项：

• “用100字以内概括”
• “写3-5个要点，每个不超过20字”
• “500字左右的详细分析”

规则9：提供示例来指导模型

核心思想：给AI展示你期望的输入-输出示例，让它模仿。

反面示例：

“帮我总结这些论文的发现。”

正面示例：

“进行一项荟萃分析的步骤：①定义研究问题。②进行文献搜索。③提取数据。④进行统计分析。⑤解释结果。进行一项系统综述的步骤：________”

少样本学习（Few-shot Learning）示例：

请按照以下格式提取论文信息：
输入论文标题：“地中海饮食对心血管疾病风险的影响：一项随机对照试验”
输出格式：
- 研究类型：随机对照试验
- 干预措施：地中海饮食
- 主要结局：心血管疾病风险降低25%
- 样本量：7,447人
- 随访时间：4.8年

现在请分析以下论文：
[粘贴论文标题和摘要]

研究表明，仅提供答案表示例（如Markdown表格格式）就能显著提升信息提取的准确性，甚至优于提供文字指令。

规则10：培养批判性思维和探索

核心思想：引导AI进行跨学科思考和批判性分析。

反面示例：

“空气污染对公众健康有什么影响？”

正面示例：

“有哪些跨学科方法可以用来研究空气污染对公众健康的影响？请结合环境科学、流行病学、经济学和社会学的方法，提出一个整合的研究框架。”

批判性思维提示：

• “这个结论在哪些条件下可能不成立？”
• “有哪些证据支持这个观点？有哪些证据反对？”
• “这个研究的局限性是什么？未来的研究应该如何改进？”

第三部分：提示词进阶技巧

掌握了10条基本规则，我们可以进一步学习更高级的技巧。

3.1 思维链（Chain-of-Thought, CoT）

定义：要求AI展示一步步的推理过程，而不仅仅是最终答案。

研究证据：NIH的研究表明，结合思维链和示例表格的混合提示，在提取复杂信息（如掺杂类型）时表现最佳。

基本应用：

问题：一项研究调查了1000人，发现每天喝咖啡的人患心脏病的风险比不喝咖啡的人低15%。能否得出结论说咖啡预防心脏病？

让我们一步步思考：
1. 首先，这是观察性研究还是实验性研究？
2. 观察性研究可能存在哪些混杂因素？
3. 还需要考虑哪些信息才能判断因果关系？
4. 基于以上分析，我们能得出什么结论？

进阶应用：思维树（Tree of Thoughts），让AI探索多个推理路径，然后比较选择最佳路径。

3.2 自我批评与反思

定义：让AI评估自己的输出，识别错误和遗漏。

基本原理：大语言模型在评估方面比生成方面表现更好。

基本应用：

“你刚才提取的信息中，有没有遗漏任何重要内容？请仔细检查，特别是[具体方面]。”

进阶应用：

“请扮演一位严格的同行评审专家，对你的上述回答进行批评。指出至少3个可能的弱点、遗漏或不当之处，然后根据这些批评修改回答。”

3.3 让AI为自己写提示词

定义：让AI生成完成特定任务所需的提示词。

基本原理：经过海量文本训练的大语言模型，对人类如何与AI交互有丰富的“知识”，往往能生成比自己直接回答更好的提示词。

基本应用：

“我需要让ChatGPT帮我设计一项关于[研究主题]的调查问卷。请帮我写一个详细的提示词，包括必要的背景信息、具体要求和输出格式。这个提示词应该能让我复制粘贴后直接使用。”

进阶应用：

“我想研究[研究问题]。请帮我设计一套完整的提示词序列，覆盖文献综述、研究设计、数据分析和论文撰写全过程。每个提示词都应该包含角色设定、任务描述和格式要求。”

3.4 多轮迭代优化

定义：通过多轮对话逐步优化输出，而非期望一次性完美。

基本流程：

1. 初稿生成：使用初始提示词获得第一版输出
2. 评估：识别问题和不足
3. 反馈：指出需要修改的地方
4. 优化：要求基于反馈修改
5. 循环：重复2-4直至满意

示例：

用户：“请帮我写一段关于气候变化对心理健康影响的引言。”
AI：[生成初稿]
用户：“这段很好，但需要补充：1) 增加一些统计数据，2) 强调弱势群体的影响，3) 缩短开篇背景，更聚焦心理健康。请修改。”
AI：[生成修改版]
用户：“很好。现在请为这段话添加5个关键参考文献，要求都是近5年的高质量研究。”

3.5 高级格式控制

Markdown表格：研究表明，在提示词中提供Markdown格式的答案表示例，能显著提升信息提取的准确性。这种格式清晰定义了期望输出的结构和内容类型。

JSON输出：对于需要后续处理的数据，要求JSON格式便于自动化。

代码块：生成代码时，要求放在代码块中，便于复制执行。

多部分响应：要求AI将回答分为多个部分，每部分有明确标题。

第四部分：科研全流程提示词模板库

基于以上原则和技巧，以下是为科研新手准备的全流程提示词模板库。每个模板都标注了应用的核心规则。

4.1 研究启动阶段

模板1：研究前沿探索

【角色】你是一位[研究领域]的学术顾问，熟悉该领域的最新进展和前沿方向。
【背景】我是一名刚进入[研究领域]的博士生/硕士生/科研新手，正在寻找研究课题。
【任务】请帮我：
1. 列出[研究领域]当前最活跃的5-8个研究前沿
2. 对每个前沿，简要说明其核心科学问题、主要研究方法和潜在应用价值
3. 评估每个方向对新手的研究难度（1-5星）和所需的基础知识
4. 推荐每个方向的2-3篇必读文献（包括经典文献和近3年的重要文献）
【格式】用表格呈现，包含：研究方向、核心问题、研究方法、应用价值、难度评级
【约束】文献请提供标题、作者、年份和简要理由，我会自行核实

应用规则：规则1（具体）、规则4（语境）、规则6（出处）、规则8（格式）

模板2：研究问题构建与评估

【角色】你是一位研究设计专家，擅长帮助研究者将宽泛兴趣转化为可研究的问题。
【背景】我对[大致研究方向]感兴趣，具体关注[描述兴趣点]。我需要为一项[硕士论文/博士论文/基金申请]寻找研究问题。
【任务】
1. 基于我的兴趣，提出5个具体的研究问题
2. 对每个问题，评估其：
   - 创新性（与已有研究相比的新意）
   - 可行性（数据可获取性、研究方法复杂度、时间成本）
   - 理论贡献（可能推进哪些理论）
   - 实践意义（可能产生什么应用价值）
3. 建议每个问题适合的研究设计类型
4. 指出每个问题可能遇到的挑战和应对策略
【格式】用表格呈现，每个问题单独一行，包含所有评估维度
【补充】如果有类似研究，请指出并说明我的问题与它们的异同

应用规则：规则2（分解）、规则5（逐步）、规则7（多角度）、规则10（批判）

4.2 文献工作阶段

模板3：文献检索策略制定

【角色】你是一位学术图书馆员，精通文献检索策略。
【背景】我要在[数据库名称，如PubMed、Web of Science]中检索关于[研究主题]的文献，用于[文献综述/系统综述/元分析]。
【任务】
1. 生成该主题的核心关键词列表，包括同义词、近义词和相关术语
2. 建议布尔逻辑检索式（使用AND、OR、NOT组合）
3. 推荐该领域的核心期刊和顶尖学者
4. 建议有效的文献筛选标准（纳入/排除标准）
5. 提醒这个领域的专业术语和数据库特有的索引词（如MeSH词）
【格式】分部分呈现，每个部分有明确标题
【示例】如果可能，提供一个完整的检索策略示例

应用规则：规则1（具体）、规则4（语境）、规则9（示例）、规则8（格式）

模板4：文献摘要整理

【角色】你是一位研究助理，擅长快速理解和组织学术文献。
【背景】我正在撰写关于[研究主题]的文献综述，已收集了以下论文摘要。请帮我整理和分析。
【任务】
1. 对每篇论文，用2-3句话概括其核心贡献
2. 识别这些论文共同关注的研究问题
3. 比较它们的研究方法和主要发现
4. 指出它们之间的共识和分歧点
5. 基于这些论文，指出该领域的研究空白
【格式】请按以下结构输出：
   - 论文摘要汇总表（作者/年份/核心贡献/研究方法）
   - 共同研究问题
   - 方法比较分析
   - 发现比较分析（共识与分歧）
   - 研究空白识别
【注意】我会提供论文摘要，每篇用---分隔。请只基于我提供的内容分析。

应用规则：规则2（分解）、规则5（逐步）、规则7（多角度）、规则8（格式）

模板5：文献综述框架设计

【角色】你是一位学术写作导师，擅长帮助研究者设计论文框架。
【背景】我需要撰写一篇关于[研究主题]的文献综述，目标投稿[期刊名称]。
已有发现：我已经阅读了约[数量]篇核心文献，初步发现包括[简述主要发现]。
【任务】
1. 设计一个文献综述的逻辑框架，包括建议的章节结构和各节核心要点
2. 对这个主题，建议应该重点讨论哪些理论视角？
3. 指出哪些研究发现之间存在共识，哪些存在争议，应该如何组织呈现？
4. 建议如何将研究空白和未来方向融入综述
5. 提供一个完整的综述大纲（包括各级标题和每个段落的核心内容）
【格式】用层级标题呈现大纲，每个标题下用要点说明核心内容
【约束】考虑[期刊名称]的风格和要求，字数约[6000-8000]字

应用规则：规则4（语境）、规则5（逐步）、规则8（格式）、规则10（批判）

4.3 研究设计阶段

模板6：研究假设构建

【角色】你是一位研究方法专家，专长于[研究领域]的假设构建。
【背景】我的研究问题是：[详细陈述研究问题]。我计划采用[初步考虑的研究设计]。
【任务】
1. 基于这个研究问题，提出3-5个具体、可检验的研究假设
2. 对每个假设，明确：
   - 自变量和因变量
   - 变量的操作性定义（如何测量）
   - 假设的方向（正相关/负相关/组间差异）
   - 可能存在的调节变量或中介变量
3. 解释每个假设的理论依据（基于什么理论或前人研究）
4. 预测不同结果（支持/不支持假设）的含义
5. 指出检验每个假设可能面临的挑战
【格式】用表格呈现每个假设的完整信息
【迭代】请先给出假设，我会反馈，然后我们进一步优化

应用规则：规则1（具体）、规则5（逐步）、规则7（多角度）、规则10（批判）

模板7：研究方法选择

【角色】你是一位研究设计顾问，熟悉各种研究方法的优缺点和适用场景。
【背景】我的研究问题是：[陈述研究问题]
初步假设：[陈述核心假设]
研究人群：[描述目标人群]
数据可获取性：[描述可能的数据来源，如已有数据库/需要收集/实验条件]
我的技能：[我的方法论技能，如统计软件、实验操作等]
【任务】
1. 推荐最适合的研究设计类型（如实验、准实验、横断面调查、纵向研究、案例分析等）
2. 解释为什么这种设计适合我的问题和条件
3. 比较2-3种备选设计的优缺点
4. 针对推荐的设计，详细说明：
   - 实施步骤
   - 需要的样本量（如何估算）
   - 主要变量如何测量
   - 潜在的偏差来源及控制方法
5. 提供该设计的经典参考文献2-3篇
【格式】分部分详细说明，用要点突出关键信息
【注意】我是科研新手，请用易懂的语言，避免过多术语

应用规则：规则1（具体）、规则2（分解）、规则4（语境）、规则5（逐步）、规则6（出处）

模板8：问卷/访谈提纲开发

【角色】你是一位测量工具开发专家，擅长设计信效度良好的问卷和访谈提纲。
【背景】我需要开发一份测量[概念名称，如“工作倦怠”、“社会支持”、“创新氛围”等]的工具，将用于[目标人群描述]，采用[自填问卷/电话访谈/面对面访谈]方式。
已有基础：我查阅了[量表名称]等成熟工具，希望开发适合本研究情境的新工具。
【任务】
1. 基于已有理论和成熟量表，提供10-15个可能的测量题项
2. 对每个题项，说明它测量的是概念的哪个维度
3. 建议量表类型（如李克特5点、7点等）和计分方式
4. 提供2-3个反向计分题的建议
5. 提醒问卷设计中的常见问题（如引导性语言、双重问题、社会称许性等）
6. 如果是访谈提纲，建议开场白、过渡语和追问技巧
【格式】先呈现题项表格（题项/维度/来源依据），然后是设计建议
【示例】如果可能，提供一个完整的问卷示例作为参考

应用规则：规则1（具体）、规则4（语境）、规则9（示例）、规则10（批判）

4.4 数据分析阶段

模板9：数据清洗代码生成

【角色】你是一位Python/R编程专家，擅长数据清洗和预处理。
【背景】我有一个数据集，包含以下变量：[列出变量名称和类型，如“年龄（连续）、性别（分类）、收入（连续）、满意度（李克特5点）”]。数据存储在[CSV/Excel]文件中。
【任务】请生成[Python/R]代码完成以下数据清洗任务：
1. 导入必要的库和数据集
2. 检查数据的基本信息（维度、变量类型、缺失值情况）
3. 处理缺失值：[描述处理策略，如删除/均值插补/多重插补]
4. 识别并处理异常值（请解释判断标准）
5. 对[变量名]进行标准化/归一化
6. 创建新变量：[描述新变量的计算公式]
7. 输出清洗后数据的基本统计描述
【代码要求】
- 有详细注释解释每一步
- 包含错误处理
- 输出关键结果供检查
- 最后保存清洗后的数据
【格式】代码放在```代码块```中，并附简要的解释说明

应用规则：规则1（具体）、规则2（分解）、规则4（语境）、规则5（逐步）、规则8（格式）

模板10：统计分析策略

【角色】你是一位统计顾问，擅长为研究问题匹配合适的统计方法。
【背景】我的研究问题是：[陈述]
研究假设：[陈述，包括变量关系]
数据类型：[描述数据类型，如连续、分类、计数等]
样本量：[N=]
数据分布：[如果已知，如正态/偏态]
我已掌握：[列举熟悉的统计方法/软件]
【任务】
1. 推荐检验各假设应使用的统计方法
2. 解释为什么这些方法适合（考虑变量类型、分布特征、样本量等）
3. 列出进行这些分析前需要检验的假设条件（如正态性、方差齐性等）
4. 建议如何呈现分析结果（表格/图形形式）
5. 指出可能的替代方法和敏感性分析
6. 如果适用，提供软件操作要点（SPSS/R/Python）
【格式】按假设逐一说明，每个假设包括：推荐方法、理由、前提条件、结果呈现方式
【注意】请用易懂的语言解释统计概念，我会进一步请教细节

应用规则：规则1（具体）、规则2（分解）、规则4（语境）、规则5（逐步）、规则10（批判）

模板11：统计结果解释

【角色】你是一位结果解释专家，擅长将统计输出转化为研究意义。
【背景】我完成了以下统计分析：[描述分析方法]，得到了以下输出：
[粘贴统计输出，如回归系数表、方差分析结果等]
我的研究假设：[再次陈述相关假设]
【任务】
1. 解释这些统计结果的含义（用通俗语言说明发现了什么）
2. 判断结果是否支持研究假设（说明判断依据）
3. 指出效应量的大小及其实际意义
4. 识别结果中需要注意的异常或意外发现
5. 建议如何将这些结果写入论文的结果部分
6. 提醒可能的局限性或替代解释
【格式】分部分解释，关键结论用**强调**
【示例】如果可能，提供一个论文结果段落的写作示例

应用规则：规则1（具体）、规则4（语境）、规则5（逐步）、规则7（多角度）、规则10（批判）

4.5 论文写作阶段

模板12：引言撰写

【角色】你是一位学术写作教练，专长于帮助研究者撰写有说服力的论文引言。
【背景】我正在撰写一篇关于[研究主题]的论文，目标投稿[期刊名称]。
研究问题：[陈述核心研究问题]
研究空白：[简述已有研究的不足和本研究的创新点]
主要发现：[用1-2句话概括核心发现]
理论/实践意义：[简要说明]
【任务】
请帮我撰写引言部分，要求：
1. 遵循“漏斗式”结构：从宽泛背景引入，逐渐聚焦到具体问题
2. 包含以下要素：
   - 研究背景和重要性（为什么这个主题值得研究）
   - 文献回顾（简要概述已有研究）
   - 研究空白（指出不足和争议）
   - 研究问题和目的（本研究要解决什么）
   - 研究方法和独特贡献（简要说明）
   - 论文结构预览
3. 吸引读者继续阅读
4. 注明需要插入引用的位置（用[CITATION]标记）
【字数】约[800-1000]字
【风格】符合[期刊名称]的学术风格，专业但可读

应用规则：规则1（具体）、规则2（分解）、规则4（语境）、规则5（逐步）、规则8（格式）

模板13：学术语言润色

【角色】你是一位英文学术编辑，擅长润色学术论文的语言表达。
【任务】请帮我润色以下学术段落，使其：
1. 语言更精炼、学术化
2. 句子结构更清晰、多样
3. 逻辑更连贯、流畅
4. 符合英文学术写作习惯
5. 保持原意完全不变
【格式要求】
- 用**加粗**标出你修改的部分
- 在括号中用[修改理由：...]简要说明重要修改的原因
- 如果发现任何表述不清或逻辑问题，请用[注意：...]指出
【原文】
[粘贴需要润色的文本]
【附加说明】本文的目标期刊是[期刊名称]，如果有该期刊的语言偏好，请考虑

应用规则：规则1（具体）、规则4（语境）、规则8（格式）、规则10（批判）

模板14：摘要撰写与优化

【角色】你是一位摘要优化专家，擅长根据目标期刊要求调整摘要。
【背景】我已完成论文初稿，需要撰写/优化摘要。目标期刊：[期刊名称]
论文信息：
- 研究问题：[陈述]
- 方法：[简述]
- 主要发现：[列出2-3个核心发现]
- 结论/意义：[简述]
- 关键词：[列出]
【任务】
1. 撰写符合[期刊名称]要求的摘要
2. 确保包含背景、目的、方法、结果、结论五个要素
3. 控制字数在[期刊要求，如250字]以内
4. 突出研究的创新点和贡献
5. 语言简洁有力
【格式】提供摘要正文和关键词列表
【迭代】请先给出初版，我会反馈修改意见
【可选】如果可能，提供2-3个不同风格的版本供选择

应用规则：规则1（具体）、规则4（语境）、规则8（格式）、规则9（示例）、规则10（批判）

4.6 投稿发表阶段

模板15：审稿意见回应

【角色】你是一位学术发表顾问，擅长帮助研究者处理同行评审意见。
【背景】我收到了关于论文“[论文题目]”的审稿意见，需要准备回复信。
目标期刊：[期刊名称]
审稿意见：[粘贴完整的审稿意见]
我的初步回应计划：[如果有，简述打算如何修改]
【任务】
请帮我：
1. 将审稿意见分类整理（如：方法问题、理论问题、写作问题、新增分析要求等）
2. 识别每类意见的核心关切和修改难度
3. 建议每条的回应策略（如：修改论文、补充分析、解释澄清、礼貌反驳等）
4. 草拟给编辑和审稿人的回复信
【回复信要求】
- 以感谢编辑和审稿人开头
- 逐条回应每条意见（用序号对应）
- 对每条回应，说明做了哪些修改，并注明修改后的页码/行号
- 如果不同意审稿人意见，礼貌解释理由
- 保持专业、尊重的语气
- 以再次感谢结尾
【格式】先给出分类分析表，然后提供完整的回复信草稿

应用规则：规则2（分解）、规则4（语境）、规则5（逐步）、规则7（多角度）、规则8（格式）

模板16：成果传播

【角色】你是一位科学传播专家，擅长将学术成果转化为大众可理解的内容。
【背景】我的论文“[论文题目]”刚在[期刊名称]发表。研究主要内容：[用2-3句话说明]
核心发现：[列出1-2个最引人注目的发现]
对普通人生活的意义：[简述]
【任务】请帮我撰写：
1. 面向普通大众的科普短文（800字左右），用通俗语言解释研究发现和意义
2. 社交媒体帖子：
   - Twitter/X（限280字符）
   - LinkedIn（约200字）
   - 微信公众号（约500字，配图建议）
3. 给记者的新闻稿要点（约300字）
【要求】
- 准确传达研究发现，不夸张
- 吸引非专业读者
- 鼓励进一步阅读原文
- 添加适当的标签和链接建议
【格式】分别呈现，标明每个部分的用途

应用规则：规则1（具体）、规则4（语境）、规则7（多角度）、规则8（格式）

第五部分：提示词工程的常见陷阱与规避

5.1 技术性陷阱

陷阱1：幻觉与错误引用

表现：AI生成看似合理但实际不存在的文献、数据或事实。

研究证据：AI模型会使用已被撤回的学术论文来回答问题，且很少主动提醒撤回状态。

规避策略：

• 始终要求提供出处，并亲自核实
• 使用验证提示：“请根据可靠来源重新检查每个统计数据和引用，标记任何不确定的声明”
• 交叉验证：用多个AI工具或搜索引擎验证关键信息

陷阱2：过度简化与误读

表现：AI为追求简洁而牺牲准确性，放大结论、忽略限制条件。

规避策略：

• 明确要求：“请完整呈现研究限制和不确定性，不要过度简化”
• 使用批判性提示：“这个结论在什么条件下可能不成立？”
• 要求多角度分析：“请从支持和反对两个角度分析这个问题”

陷阱3：多轮对话性能下降

表现：长对话后期，AI开始遗忘早期指令或产生混乱。

规避策略：

• 关键任务开启新对话
• 在每轮提问中重申核心要求：“请记住，我需要你以[角色]身份，按照[格式]输出”
• 定期总结：“请总结一下你目前理解的任务和我已提供的信息”

陷阱4：Token限制

表现：处理长文本时超出模型上下文窗口限制。

规避策略：

• 分段提交：将长文本分割成多个部分分别处理
• 摘要先行：先让AI生成摘要，再基于摘要提问
• 选择性输入：只提供最相关的部分，而不是全文

5.2 内容性陷阱

陷阱5：隐私泄露

风险：上传包含个人身份信息、敏感数据或未发表成果。

规避策略：

• 不上传包含个人身份信息的数据
• 对敏感数据进行匿名化处理
• 了解平台的隐私政策（OpenAI等平台可能使用对话数据训练模型）
• 考虑使用本地部署的开源模型处理敏感数据

陷阱6：版权问题

风险：输入受版权保护的完整论文全文。

规避策略：

• 只输入摘要和自己撰写的笔记
• 合理使用原则：少量引用，不输入完整受保护内容
• 明确标注引用来源

陷阱7：学术伦理问题

风险：直接使用AI生成内容而不加声明，或将其列为作者。

规避策略：

• 明确声明AI的使用情况（如“本文使用了ChatGPT辅助语言润色”）
• 不将AI列为作者
• 对AI生成的内容进行实质性修改和审核
• 遵守目标期刊的AI使用政策

5.3 验证清单

每次使用AI完成重要任务后，建议使用以下验证清单：

引用验证：

• 所有引用是否都可在权威数据库中找到？
• 被引论文是否未被撤回？（可查Retraction Watch数据库）
• DOI是否正确有效？

内容验证：

• 关键数据是否与其他来源一致？
• 统计结果是否合理？
• 是否有过度简化或断章取义？

逻辑验证：

• 论证是否连贯？
• 结论是否来自证据？
• 是否考虑了替代解释？

局限性检查：

• 是否明确指出研究局限？
• 是否有“什么会让我出错”的反驳证据？
• 置信度是否适当标记？

第六部分：科研新手的提示词工程成长路线图

6.1 第一阶段：入门适应（1-2周）

目标：掌握10条基本规则，能写出清晰有效的提示词

实践任务：

• 每天用3个不同提示词与AI互动
• 记录不同提示方式的输出差异
• 练习将模糊需求转化为具体提示
• 尝试规则9：给AI提供示例

练习示例：

1. 选择一个简单研究问题，用规则1-8分别设计提示词
2. 对比不同提示词的输出质量
3. 反思：哪些规则对这次任务最有效？

6.2 第二阶段：场景应用（1-2个月）

目标：能在不同科研场景中灵活应用提示词技巧

实践任务：

• 在文献检索、综述写作、数据分析等场景分别实践
• 尝试规则5：要求AI逐步解释
• 尝试规则10：培养批判性思维
• 开始建立个人提示词模板库

练习示例：

1. 选择一篇你正在阅读的论文，用模板4（文献摘要整理）分析
2. 选择你的研究问题，用模板6（研究假设构建）设计假设
3. 比较AI辅助和自己思考的异同

6.3 第三阶段：进阶技巧（2-3个月）

目标：掌握思维链、自我批评、自我提示等高级技巧

实践任务：

• 尝试规则8：让AI为自己写提示词
• 尝试思维链提示处理复杂推理任务
• 练习多轮迭代优化
• 尝试让AI扮演同行评审角色

练习示例：

1. 用规则8让AI生成完成某个研究任务的完整提示词序列
2. 用思维链提示解决一个复杂的方法选择问题
3. 让AI对你的研究设计进行批评，然后根据批评修改

6.4 第四阶段：系统整合（3-6个月）

目标：建立个人提示词工程体系，形成稳定的AI协同工作流

实践任务：

• 完善个人提示词模板库
• 建立验证流程，确保AI输出质量
• 探索多模型协同（不同任务用不同模型）
• 指导他人使用提示词

练习示例：

1. 为你的整个研究项目设计一套完整的提示词序列
2. 记录每个提示词的版本迭代和改进过程
3. 反思：AI在哪些环节最有用？哪些环节仍需自己主导？

结语：提示词是一门艺术，更是一种思维

作为科研新手，你可能觉得提示词工程只是“怎么问问题”的技巧。但随着实践深入，你会发现它远不止于此——它是一种思维方式的训练。

撰写优秀提示词的过程，本质上是在训练自己：

• 明确化：把模糊的想法转化为清晰的表述
• 结构化：把复杂问题分解为可管理的部分
• 多角度：学会从不同视角审视问题
• 批判性：不断质疑和验证获得的信息

这些能力，恰恰是优秀研究者必备的素质。

《我的科研助理：ChatGPT全方位实用指南》第二章的10条规则，是你进入这个世界的起点。但真正的掌握，需要你在科研实践中反复练习、不断反思。每一次与AI的对话，都是一次思维的锻炼；每一个精心设计的提示词，都是你研究能力的延伸。

记住：AI不会取代研究者，但掌握AI的研究者会取代不懂AI的研究者。提示词工程，正是你掌握这门新技能的第一把钥匙。

愿这本指南帮助你在科研道路上走得更快、更远、更稳。

附录：提示词工程速查表

10条基本规则速记

规则	核心要点	一句话口诀
规则1	明确具体	模糊得模糊，精确得精确
规则2	分解复杂	大问题拆小，步步解决好
规则3	尝试不同	换个角度问，收获会更多
规则4	设置语境	给足上下文，AI不迷路
规则5	要求逐步	要结论更要过程
规则6	索要出处	有来源才可靠
规则7	探索观点	多角度看问题
规则8	增加约束	给规矩成方圆
规则9	提供示例	给个样子学着做
规则10	批判思维	质疑探索再深化

常用提示词模板索引

科研阶段	模板	适用场景
研究启动	模板1-2	选题、问题构建
文献工作	模板3-5	检索、整理、综述
研究设计	模板6-8	假设、方法、工具
数据分析	模板9-11	清洗、分析、解释
论文写作	模板12-14	引言、润色、摘要
投稿发表	模板15-16	审稿、传播

快速验证清单

• 是否设定了AI的角色？
• 是否提供了足够的背景？
• 任务是否足够具体明确？
• 是否有格式和长度要求？
• 是否需要提供示例？
• 是否要求了出处？
• 是否鼓励了多角度思考？
• 是否设计了验证环节？

参考文献

1. Romanov V, Niederer SA. The Prompt Engineering Report Distilled: Quick Start Guide for Life Sciences. arXiv:2509.11295. 2025.

2. ChatGPT 提示词十级技巧：从新手到专家 [译]. 腾讯云开发者社区. 2024-05-10.

3. 高效对话的艺术 —— 提示词工程初步实践. 阿里云文档中心. 2025-11-04.

4. Prompt engineering in ChatGPT for literature review: practical guide exemplified with studies on white phosphors. NIH. 2025 Apr 30.

5. 安若鹏. 我的科研助理：ChatGPT全方位实用指南. 上海交通大学出版社. 2024.

6. 探索AI提示词艺术，赋能学术研究新视野. 重庆交通大学外国语学院. 2025-05-27.

7. How to Create Effective Prompts: CLEAR Framework. Okanagan College LibGuides. 2025-06-18.

8. 宋义平, 郭泽德, 赵鑫. 好的问题胜过好的答案：借助提示工程提升学术研究效率. 清华大学出版社. 2023.

9. 转载-Prompt-提示词技巧. 博客园. 2024-05-06.