目錄10 節
▲ 一組好的提示詞，值得像讀論文一樣細讀
最近在臉書與 Threads 上，有一組 Claude 提示詞被轉了很多次：十條提示詞，從找文獻、建證據表、寫文獻回顧，一路到找研究缺口與稽核自己的草稿，號稱能把四十多篇論文整理成結構化的文獻回顧、知識地圖與研究缺口。
我在博碩士生練功團與課堂上，也被問了好幾次：這組提示詞值得用嗎？
我把十條一條一條讀完，覺得它寫得很用心。最值得研究生借鏡的，不是哪一條指令特別神奇，而是散布在各條裡的防呆句：每一句都對應研究方法課本裡的一個概念。這篇文章分三部分：先介紹這組提示詞，再整理它值得學的設計，最後把核心的五條改寫成中文版本，並標出每一步建議你親手做的核對。
這組提示詞從哪裡來
中文圈轉貼的版本大多是機器翻譯，看不出作者。往回追，出處是 Threads 帳號 @iamkhanphd，顯示名稱 Hamidullah Khan, PhD，原文發布於 2026 年 10 月 8 日（臺灣時間），十條提示詞以串文的形式逐條貼在留言裡。
十條提示詞剛好排成一條文獻回顧的工作流：
| 編號 | 原文標題 | 在做什麼 |
|---|---|---|
| 1 | Find papers that actually answer your question | 依研究問題找論文，列出搜尋詞與取得層級 |
| 2 | Turn a pile of papers into an evidence spreadsheet | 把論文整理成證據表，每格標出原文位置 |
| 3 | Write a literature review organized around findings | 依主題而不是逐篇撰寫文獻回顧 |
| 4 | Build a knowledge map you can understand at a glance | 畫出概念之間的關係圖 |
| 5 | Explain why papers disagree | 找出研究結果的分歧並解釋原因 |
| 6 | Check which findings deserve the most confidence | 評估每篇研究的證據強度 |
| 7 | Find research gaps with evidence behind them | 找出有證據支持的研究缺口 |
| 8 | Show how the field changed over time | 整理領域的演變時間軸 |
| 9 | Turn one research gap into a feasible study | 把一個缺口轉成可行的研究設計 |
| 10 | Audit a literature review before you share it | 交出去之前稽核自己的草稿 |
從找文獻到稽核草稿，這個順序本身就是一份不錯的文獻回顧檢核表。
最值得借鏡的地方：防呆句背後的研究方法
如果你把十條提示詞逐句讀完，會發現它們比一般常見的提示詞嚴謹很多。裡面散布著好幾句防呆指令，作用是預先擋住模型最常犯的錯。
更有意思的是，這些句子幾乎每一句都能對應到研究方法課本裡的一個概念。我把它們整理成下表，右邊一欄是建議你搭配做的核對：
| 提示詞裡的防呆句 | 對應的研究方法概念 | 你還是要親手做的檢查 |
|---|---|---|
| show your search terms（列出搜尋詞） | 檢索策略的透明度，PRISMA 2020 要求報告完整檢索式 | 把搜尋詞拿到學校資料庫重跑一次，比對結果 |
| report the actual number found without padding（照實回報數量，不要湊數） | 檢索結果的誠實報告，不為了好看灌水 | 逐筆確認論文真的存在，DOI 能解析 |
| access level: full text, abstract, or metadata only（標出讀到全文、摘要或只有書目） | 證據來源的層級，只讀摘要的判斷不能當全文用 | 只讀到摘要的那幾篇，自己去找全文 |
| Mark missing details ‘not reported’（沒寫的標成未報告） | 資料萃取不得補值，空白也是資訊 | 抽查幾格「未報告」，確認原文真的沒寫 |
| flag duplicate papers or overlapping samples（標出重複論文與重疊樣本） | 樣本獨立性，同一批資料發三篇不等於三個證據 | 比對作者、資料來源與收案期間 |
| Distinguish association from causation（區分相關與因果） | 研究設計決定能下的結論 | 每一句「導致」「影響」都回頭看原研究是什麼設計 |
| Keep reporting gaps separate from demonstrated flaws（沒報告與有缺陷分開） | 偏誤風險評估的基本功，沒寫不等於做錯 | 用正式評讀工具重新判讀（見下文） |
| Say ‘gap within this collection’（說成這批文獻內的缺口） | 證據範圍的限定，手上的文獻不代表整個領域 | 拿缺口去資料庫反查，確認真的沒人做過 |
| Do not call something ‘the first’ without verification（沒查證不說首創） | 歷史宣稱需要證據 | 論文裡寫「首次」「首創」之前，自己查過 |
| Do not invent a sample-size calculation（不准自己編樣本數計算） | 檢定力分析需要效果量、顯著水準等參數 | 用 G*Power 之類的工具，自己填參數算 |
▲ 十句防呆不必背，記住四個詞就好：搜尋、萃取、推論、宣稱
這張表想說的是：這組提示詞把研究方法的紀律寫成了模型聽得懂的指令。看懂每一句防呆在防什麼，就算哪天換了一個 AI 工具、換了一套提示詞，你也知道該補上哪幾句。
提示詞能要求模型守紀律，模型有沒有做到，還是要靠我們回頭確認。右邊那一欄，就是研究者的工作。
使用時可以搭配的四個小習慣
這組提示詞已經替使用者想了很多。實際拿來用的時候，再搭配下面四個習慣，結果會更可靠。
一、讓判斷力跟著提示詞一起工作
同一組提示詞，交給讀過大量文獻的研究者，和交給剛開始讀這個領域的研究生，得到的幫助不太一樣。前者看得出 AI 整理的摘要哪裡簡化了、漏掉了哪場爭論；後者手上還沒有可以比對的底稿。〈博士的 P 不是 prompt〉談過同一件事：AI 輸出的品質，和使用者自己的鑑別力一起成長。所以建議先自己讀過幾篇核心文獻，再用提示詞加速其餘的部分。
二、預留核對的時間
產出確實只要幾分鐘。這組提示詞很貼心的地方，是有好幾條要求模型標出頁碼、章節或表格位置，讓你核對時有跡可循。四十篇論文、每篇抽五到十個欄位，會是好幾百個儲存格，排進時程時記得把核對的時間一起算進去。
還有一個小細節：PDF 閱讀器顯示的頁碼與期刊印刷頁碼經常對不上，模型標的頁碼要自己點開確認是哪一種。
三、找文獻那一條，搭配學校資料庫
第一條提示詞請 Claude 依主題搜尋論文、附上 DOI，這需要開啟網路搜尋或 Research 功能。它搜得到的是公開網頁與開放取用的資料，學校訂閱的 Scopus、Web of Science 或華藝，還是要自己進去查。
拿它來探路、快速掌握一個主題的輪廓很好用。正式寫進研究方法的檢索，建議把它列出的搜尋詞帶到學校資料庫再跑一次，結果才完整而且可以重現。模型給的 DOI 也記得逐筆回查，〈找文獻為什麼該用 AI Agent〉與〈論文腳註裡的 Gemini 分享連結〉有更多說明。
四、分批處理，維持一張主表
論文全文很長，四十篇加起來的字數，很容易超過模型一次能讀進去的範圍。以 Claude 的專案功能為例，官方說明寫得很清楚：專案知識量接近上限時，系統會自動切換成檢索增強生成（RAG）模式，改成只抓與問題相關的片段來讀。容量變大了，代價是模型不再同時看到每一篇的全文，跨篇比較時可能漏掉關鍵的段落。
原提示詞第二條已經考慮到這一點，裡面有一句「Process manageable batches, maintain one master table」（分成可處理的批次，維持一張主表）。實務上，一次處理五到八篇、每批結束就把結果併進同一張表，效果會很穩定。
▲ 一次全丟換來的是容量，分批併表換來的是每一篇都被完整讀過
十條提示詞放回研究流程
把這十條放回研究生寫第二章的實際流程，會更清楚每一條在什麼時候用、用完之後輪到你做什麼：
| 研究流程 | 原貼文的哪一條 | 用完之後輪到你 |
|---|---|---|
| 找文獻 | 1. 找真正回答問題的論文 | 拿搜尋詞去學校資料庫重跑，用 Zotero 收齊全文 |
| 讀文獻、做筆記 | 2. 把一堆論文變成證據表 | 逐格回原文核對頁碼與數字 |
| 看出全貌 | 4. 知識地圖、8. 領域演變時間軸 | 檢查標成「推論」的連線，決定要不要留 |
| 比較與評讀 | 5. 解釋論文為何互相矛盾、6. 評估證據強度 | 用正式評讀工具自己判讀 |
| 找研究缺口 | 7. 有證據支持的研究缺口 | 反查資料庫，確認缺口不只存在於這批文獻 |
| 寫第二章 | 3. 依主題寫文獻回顧 | 改寫成自己的論證，不要直接貼上 |
| 規劃研究 | 9. 把缺口變成可行的研究設計 | 跟指導教授討論，計算樣本數 |
| 交出去之前 | 10. 稽核自己的文獻回顧草稿 | 逐條處理被標成不支持或無法驗證的句子 |
▲ 每一個階段都有 AI 先跑的一半，和你接手的另一半
證據表在這套流程裡是樞紐。第四到第八條都以第二條產出的證據表與論文編號為基礎，證據表正確，後面每一步就有穩固的底。如果時間只夠你仔細做一件事，就把力氣花在核對證據表。
改寫成研究生用的中文版：五條核心提示詞
下面五條是我參考原貼文的結構，針對臺灣研究生寫學位論文的情境重新改寫的版本，不是逐字翻譯。找文獻的部分建議直接在學校資料庫做，所以這裡把篇幅留給讀、比、找缺口、組織骨架與自我稽核這幾件 AI 幫得上忙、而你也核對得了的事。中括號裡的內容換成你自己的。
▲ 挑選的方向：AI 幫得上忙，而且你核對得了
一、建立證據表
我在寫碩士論文，研究問題是：［你的研究問題］。
附件是我已讀過、與這個問題相關的［5 到 8］篇論文，這是第［1］批。
請為每篇論文建立一列，編號從 P［01］接續下去，欄位如下：
作者與年份／研究設計／樣本數與對象／研究情境（國家、場域）／主要變項或介入／比較組／測量工具／主要發現／效果量與信賴區間／作者自述的限制。
規則：
1. 每一格都標出原文位置（頁碼、章節或表號），頁碼請註明是 PDF 頁碼還是期刊印刷頁碼。
2. 原文沒有寫的，填「未報告」，不要推測。
3. 若有兩篇論文疑似使用同一批資料或同一群受試者，在表格下方列出並說明理由。
4. 表格之後，用三句話告訴我這批論文裡哪幾格你最沒把握，我會優先核對。最後一條是我加的。請模型主動指出自己最沒把握的地方，核對時就有優先順序。
二、找出論文之間的分歧
根據證據表 P01 到 P［xx］，針對「［一個具體主張，例如：線上同儕回饋能提升研究生的學術寫作表現］」：
1. 列出支持、反對與結果不一致的論文編號。
2. 比較這些論文在樣本、研究設計、測量工具、追蹤時間上的差異。
3. 判斷它們測的到底是不是同一件事。如果不是，直接說明。
4. 分成兩欄寫出可能原因：左欄是原文作者自己提出的解釋（附頁碼），右欄是你的推測。兩欄不要混在一起。
5. 最後寫三個謹慎的結論，以及一個能釐清這個分歧的研究設計。第三點是整條提示詞最重要的一句。很多看似矛盾的研究，其實是用不同量表測了名字相同、內涵不同的構念，例如同樣叫「寫作表現」，有人看文法正確率，有人看論證品質。
三、找出這批文獻裡的研究缺口
只根據證據表裡的論文，找出［3 到 5］個與［我的研究脈絡，例如：臺灣在職專班研究生］有關的研究缺口。
每個缺口請說明：
1. 這是作者自己在文中提到的，還是你跨篇比較後推論的？兩者分開標示。
2. 支持的論文編號與原文位置。
3. 已經研究過什麼、還沒有回答什麼。
4. 為什麼值得回答：補上之後能解決哪個矛盾、修正哪個理論，或改變哪個實務判斷。
5. 一個具體的研究問題。
一律寫成「這批文獻內的缺口」。這批論文沒碰到某個主題，不代表沒有人研究過。第四點是我特別補上的。研究生最常被指導教授打回票的缺口，是只說得出「沒人做過」、說不出「那又怎樣」的缺口。
四、依主題組織文獻探討的骨架
根據證據表，為我的第二章提出一個依主題組織的架構，不要逐篇摘要。
1. 提出［4 到 6］個主題，每個主題寫一句這一節要建立的論點。
2. 每個主題列出相關論文編號，標出哪些論文立場一致、哪些互相矛盾。
3. 標出每個主題裡證據最弱的地方（樣本小、只有相關研究、只有單一情境）。
4. 說明主題之間的邏輯順序，最後一節要能自然導向我的研究問題。
只給架構與論點，不要寫成完整段落。段落我自己寫。原貼文第三條要模型直接寫一篇 1,200 字的文獻回顧，我改成只要架構。理由很單純：第二章是你的論證，句子要從你手上寫出來，口試時才講得出每一段為什麼這樣安排。〈用 Claude 寫論文〉對哪些可以交給 AI、哪些要自己扛有更完整的拆解。
五、交出去之前稽核自己的草稿
附件一是我第二章的草稿，附件二是我引用的論文。請逐句檢查：
1. 把草稿拆成可以查證的事實陳述，每一句一列。
2. 每一列標出：引用來源／原文位置／判定（支持、部分支持、不支持、無法驗證）／修正後的句子。
3. 特別檢查：數字是否抄對、研究對象是否被擴大解釋、相關研究是否被寫成因果、只讀過摘要的論文是否被引用了細節。
4. 列出與我的論點相反、但我沒有引用的研究結果。
5. 最後列出最影響正確性的五處修改。這一條我幾乎沒改，它是十條裡最值得每個研究生用的一條。它的方向是讓 AI 檢查你，而不是讓 AI 替你寫，用在投稿前或交給指導教授之前，常常能抓出自己看了十遍都沒發現的錯。
評估證據強度時，可以再搭配正式的評讀工具
原貼文第六條請模型依抽樣、比較組、干擾因子、測量品質等面向，把每篇研究的疑慮標成低、中、高或不明，評估的面向列得很完整。如果你的論文需要正式評估證據品質，可以再搭配學界通用的評讀工具，口試委員與審稿人也看得懂：
| 研究類型 | 常用工具 |
|---|---|
| 隨機對照試驗 | Cochrane 的 RoB 2 |
| 非隨機的介入研究 | ROBINS-I |
| 整體證據的確定性 | GRADE |
| 質性研究、各類設計的快速評讀 | CASP 檢核表 |
| 混合研究或多種設計並存 | MMAT |
▲ 先分清楚評讀的是一整組結論還是單篇研究，再依研究設計選工具
比較穩當的分工是：判讀由你親自做，AI 協助整理每一項判讀在原文的依據。例如你可以請它「依 RoB 2 的五個領域，找出 P03 中與每個領域相關的原文段落並標出頁碼」，然後自己讀那幾段、自己下判斷。
用了 AI，就大方揭露
這組提示詞反覆要求模型不要湊數、不要編造、不要誇大、分清楚推論與事實，整套設計的目標是讓研究更可信。用同樣的精神看待自己的論文：用了 AI 協助，就照學校與期刊的規定揭露。
臺灣各大學校院與學術期刊對 AI 使用的要求愈來愈明確，〈研究生該怎麼用 AI 才不踩線〉與〈用了 AI 不可恥，藏起來才有風險〉有完整的做法與揭露範例。
結語
這組十條提示詞值得一讀。它把搜尋透明、萃取不補值、樣本獨立、相關不等於因果、證據範圍要限定這幾件研究方法課本裡的事，寫成了模型聽得懂的句子。
收藏提示詞很容易，更有收穫的是讀懂每一句在防什麼。讀懂了，你就能把這些防呆句帶到任何一個 AI 工具裡。
今天就可以做的一件事：挑一篇你已經讀得很熟的論文，用上面第一條提示詞跑一次證據表，然後逐格對照原文。你會很快知道，這個模型在你的領域裡哪幾種欄位最需要多看一眼，那就是你以後核對時要優先看的地方。
延伸閱讀
- 博士（Ph.D.）的 P 不是 prompt，研究生不宜把思考外包給 AI
- 用 Claude 寫論文：研究生該把哪些工作交出去，哪些必須自己扛
- 找文獻為什麼該用 AI Agent，而不是把 ChatGPT 當圖書館
- 別再叫 AI 幫你整理論文主題：用研究提問鷹架，把模糊念頭問成能寫的研究問題
- 文獻探討到底在做什麼？
- 研究生該怎麼用 AI 才不踩線：守住學術誠信的實戰指南
參考資料
- Khan, H. [@iamkhanphd]. (2026, October 8). Claude can now research like a Harvard Professor [Threads post]. https://www.threads.com/@iamkhanphd/post/DeNNUpMmFcr
- Page, M. J., McKenzie, J. E., Bossuyt, P. M., et al. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, n71. https://doi.org/10.1136/bmj.n71
- Sterne, J. A. C., Savović, J., Page, M. J., et al. (2019). RoB 2: A revised tool for assessing risk of bias in randomised trials. BMJ, 366, l4898. https://doi.org/10.1136/bmj.l4898
- Sterne, J. A. C., Hernán, M. A., Reeves, B. C., et al. (2016). ROBINS-I: A tool for assessing risk of bias in non-randomised studies of interventions. BMJ, 355, i4919. https://doi.org/10.1136/bmj.i4919
- Hong, Q. N., Fàbregues, S., Bartlett, G., et al. (2018). The Mixed Methods Appraisal Tool (MMAT) version 2018 for information professionals and researchers. Education for Information, 34(4), 285-291. https://doi.org/10.3233/EFI-180221
常見問題
這組十條 Claude 文獻回顧提示詞出自哪裡？
出自 Threads 帳號 @iamkhanphd（顯示名稱 Hamidullah Khan, PhD）在 2026 年 10 月 8 日發布的串文，十條提示詞逐條貼在留言裡，涵蓋找文獻、建立證據表、依主題寫文獻回顧、畫知識地圖、解釋研究分歧、評估證據強度、找研究缺口、整理領域演變、把缺口轉成研究設計，以及稽核文獻回顧草稿。
這組提示詞最值得研究生學習的是什麼？
最值得學的是散布在各條裡的防呆句，例如找不到就照實回報數量、論文沒寫的欄位標成未報告、研究缺口只說是這批文獻內的缺口、沒有查證不說是首創、不自己編樣本數計算。這些句子分別對應研究方法裡的檢索透明度、資料萃取、證據範圍與推論分寸。看懂每一句在防什麼，換了工具或提示詞也知道要補上哪幾句。
用 AI 整理四十篇論文，要注意什麼？
有三個習慣可以讓結果更可靠。第一，預留核對時間，模型標出的頁碼、數字與因果陳述要回原文確認，PDF 頁碼與期刊印刷頁碼也要分清楚。第二，大量全文一次交給模型時，它未必能同時讀到每一篇的全部內容，分批處理並維持一張主表比較穩當，這也是原提示詞自己的建議。第三，找文獻的部分搭配學校訂閱的資料庫，搜尋才完整而且可以重現。
請 AI 評估文獻的證據強度，可以直接寫進論文嗎？
建議再搭配學界通用的評讀工具。原提示詞已列出抽樣、比較組、干擾因子、測量品質等評估面向，若要寫進論文，可依研究設計選用工具，例如隨機對照試驗用 Cochrane 的 RoB 2、非隨機介入研究用 ROBINS-I、整體證據確定性用 GRADE，質性或混合研究可參考 CASP 檢核表或 MMAT。判讀由研究者自己做，AI 協助整理每一項判讀的原文依據。
