研究生第一次把論文交給 AI，通常都發生在同一個時刻：文獻讀了三十篇，Word 開著，游標在空白頁上閃了四十分鐘。
於是你把研究主題貼進對話框，請它幫你寫一段文獻回顧。三十秒之後，螢幕上出現八百字，讀起來通順、有結構、句子漂亮。你鬆了一口氣，接著開始逐句檢查，然後發現一個尷尬的事實：這八百字裡面，沒有一句話是你能放進論文的。
引用的文獻你沒讀過，有兩篇甚至查不到。論點都對，但每一個都對得很表面。整段話像是一篇「關於這個主題的文章」，而不是「你這本論文的文獻回顧」。
這個經驗會讓很多人得到一個錯誤的結論：AI 還不夠好，或者 AI 不適合學術工作。
真正的問題其實在別的地方。你交辦的不是一份工作，而是一整個研究判斷。
先把論文寫作拆解開來
論文寫作不是一件事，是一連串性質完全不同的工作綁在一起。把它們攤開來看，該不該交給 AI 的答案就清楚多了。
一篇論文從無到有，大致會經過這八個環節：
- 決定研究問題
- 蒐集與篩選文獻
- 讀懂文獻並形成判斷
- 設計研究方法
- 分析資料、得出發現
- 把發現組織成論證
- 把論證寫成文字
- 修訂與潤飾
前面五項是研究，後面三項是寫作。多數人在用 AI 時之所以踩雷，是因為把「請幫我寫文獻回顧」當成第七項，但它實際上同時包含了第二、第三與第六項。你以為在請人代筆，其實是請人代替你做研究判斷。
一個實用的分界線是這樣：凡是需要你為結果負責的判斷，都不能交出去；凡是可以被你當場驗證對錯的工作，都可以交出去。
研究問題是否值得做，只有你負責。某篇文獻是否支持你的論點，只有你負責。資料分析的結果代表什麼，只有你負責。這幾件事交給 AI，你會得到一個看起來合理、但你無法為它辯護的答案，而口試委員問的正是那個你辯護不了的地方。
反過來說，一段話是否有邏輯跳躍、兩個章節的順序哪一個比較好、這個句子有沒有更精確的寫法，這些你一眼就能判斷對錯，交出去是安全的，而且能省下大量時間。
▲ 八個環節攤開後，可以交出去的只有右邊那四格。中間那段留白不是漏畫，而是研究判斷本來就沒有外包的位置
Claude 在論文寫作真正強的四件事
在這條分界線的安全側，有四件事是 Claude 特別擅長的。
一、當你自己草稿的反方審稿人
這是投報率最高、也最少人用的一種方式。
多數人把 AI 當成生產者，讓它產出文字。但你已經有草稿了，你缺的不是更多文字，而是有人指出這份草稿哪裡站不住腳。
把你寫好的一節丟給它，然後要求它扮演一個對你不友善的審稿人。不是請它給建議，是請它挑毛病。指定它找出你哪裡宣稱得比證據更多、哪裡有邏輯跳躍、哪裡的推論其實還有別的解釋。
這件事的好處是：它挑出來的每一個問題，你都能當場判斷是不是真的問題。你不需要相信它，只需要看它指的地方。指錯了你就跳過，指對了你就改。判斷權完全在你手上，這正是安全側的定義。
二、把散落的想法收斂成可以問的問題
研究初期，你腦袋裡常常是一團模糊的興趣，還不是一個研究問題。
這時候可以把你的想法整段口語化地講出來，然後請它做一件很具體的事：把這段話裡面隱含的研究問題列出來，每一個都寫成一句可以被實證回答的問句，並標出各自需要什麼資料才答得了。
注意這裡的分寸。它不是替你決定要做哪一題，而是把你已經有的模糊想法整理成幾個候選，讓你看見自己實際上在問什麼。決定做哪一個，仍然是你的事。站內的好問題檢查器可以拿來檢查收斂出來的題目撐不撐得住。
三、結構重組
你寫了一節，五千字，自己讀了六遍已經讀不出問題。
請它把這一節的段落大意逐段列出來，只寫大意，不要評論。這份清單攤開之後，結構問題通常會自己浮出來：你會看見第三段和第七段講的是同一件事，或者第五段其實應該放在第二段前面。
這個用法的關鍵在於，它做的只是摘要，摘要對不對你自己看得出來。真正做結構判斷的還是你。
四、語言層次的修訂
到了最後階段，論證已經定了，剩下的是句子。
這裡可以交出去的包括：被動語態過多、同一個概念在不同段落用了不同詞、句子過長導致主詞遺失、中英文術語混用不一致。這些都是可驗證的問題，改完你一看就知道有沒有變好。
不能交出去的是：為了讀起來更有力而調整宣稱的強度。「本研究顯示」和「本研究可能暗示」是兩件事，這個分寸只有你能拿捏。
一個完整的示範
假設你正在寫一節關於社群媒體使用與學業表現的文獻回顧，已經讀了十二篇論文，做完筆記，也寫出了初稿。
第一輪，先找洞。 把初稿貼上，請它列出這一節裡所有「提出了宣稱但沒有引用支持」的句子，以及所有「引用了文獻但那個引用其實不足以支持該宣稱」的地方。要求它只列位置與問題，不要改寫。
你會拿到一份清單。逐條看，通常有一半是它誤判，另一半是真的。真的那些，你回去補文獻或降低宣稱強度。
第二輪，檢查結構。 修完之後，請它逐段列出段落大意。看這份大意能不能串成一條線。串不起來的地方，就是讀者會迷路的地方。
第三輪，才處理句子。 結構定了之後，再請它做語言層次的修訂，並且要求它把每一處修改的理由寫出來。有理由你才能判斷要不要採納。
三輪跑完，你手上的東西仍然是你寫的，但它經過了三種你自己做不到的檢查。這跟一開始那八百字沒有一句能用的產出，差別不在工具，在交辦方式。
三組可以直接改用的提示詞骨架
以下三組刻意寫得具體。學術寫作的提示詞失敗，多半是因為指令太抽象，AI 只好回你一份放諸四海皆準的建議。
骨架一：反方審稿人
以下是我論文第二章的一節。請你扮演一位對這份稿件抱持懷疑態度的期刊審稿人。 請只做一件事：找出問題，不要改寫，也不要稱讚。 逐條列出，每一條包含：問題出現的位置（引原句）、問題類型（宣稱過強／缺乏支持／邏輯跳躍／有其他解釋未排除）、以及一句話說明為什麼這是問題。 如果某一段你找不出問題，就跳過，不要為了湊數而列。
骨架二：結構攤平
以下是我論文的一節。請逐段列出段落大意，一段一句，只寫這一段在講什麼，不要評論好壞，不要提出建議。 列完之後，另外用三句話說明：這些段落合起來想論證的是什麼。
骨架三：宣稱強度檢查
以下是我的研究發現段落。請把所有帶有因果意涵的用詞標出來（例如導致、造成、影響、使得），並針對每一處回答：我提供的證據支持的是因果，還是只有相關？ 如果只有相關，請建議一個強度相符的替代寫法，但不要直接改我的原文。
這三組的共同點是：都要求它產出「可以被你當場核對的東西」，而不是要求它替你做決定。你也可以到站內的研究提示詞鷹架看更多按研究階段分類的骨架。
揭露：這件事現在是必答題
用了 AI 就要說，而且要說得具體。
臺灣多數校系與期刊現在都要求說明 AI 使用情形，但很多人寫出來的揭露句是這樣：本研究於寫作過程中使用生成式 AI 工具協助潤飾。
這句話等於沒說。它沒有交代用在哪個環節、做了什麼、以及你如何確認結果正確。審查者真正想知道的是最後那一項。
一個站得住腳的揭露，會包含三件事：用在哪些環節、具體做了什麼、你用什麼方式驗證。例如：
本研究於論文修訂階段使用 Claude 進行兩項工作：一、對第二章初稿進行邏輯檢查，由 AI 標出宣稱與證據不相符之處，作者逐條核對原始文獻後自行修改；二、對第四章進行語言層次修訂，包含被動語態與術語一致性。研究問題之設定、文獻之閱讀與判斷、資料分析與結論詮釋均由作者獨立完成，未使用 AI 生成任何未經作者查證之內容或引用。
這段話之所以有說服力，是因為它同時交代了做了什麼與沒做什麼。想快速產出符合自己校系要求的版本，可以用站內的 AI 使用揭露產生器；關於揭露背後的倫理判準，另有一篇專文討論。
至於哪些行為會踩到學術誠信的線，研究生使用 AI 的界線在哪裡談得更完整。
最後
回到開頭那個場景。
游標在空白頁上閃了四十分鐘，這個困境是真的，而且 AI 確實幫得上忙。只是它幫得上的地方，不是替你把那八百字寫出來。
它幫得上的是：當你終於寫出很爛的八百字之後，陪你把它改成能看的八百字，而且是用你自己都想不到的角度來挑毛病。
論文最有價值的部分，從來都是那些只有你能做的判斷。把那些留給自己，其餘的才有交出去的意義。
想知道各個研究階段還有哪些工具可以搭配使用，可以參考從找文獻到投稿口試的工具指南。
