怎麼說話讓 AI 真正幫上忙——從研究問題到論文寫作。
對應 LLM 的底層原理，每一個都有原因。
不要只問「如何潤稿」，而是說「你是一位專精物理期刊的資深編輯，請幫我潤稿」。角色讓模型從特定的訓練資料區域取樣，答案品質差很多。
與其說「請用簡潔的學術語氣」，不如貼一段你認為好的範例，說「請按照這個風格改寫」。示範比解釋有效得多。
在問題最後加上「請逐步思考」。AI 在寫出思考過程時，比直接給答案準確得多——尤其是邏輯推理或分析類任務。
想要表格就說「請用表格呈現」，想要條列就說「請用條列式，每點不超過兩行」。AI 對格式指令的遵循度很高，但要明確說。
AI 對開頭的內容權重最高。如果你的核心限制或任務描述埋在問題中間，它可能沒讀進去。最重要的指示，放第一句。
四個階段，每個都有實際可用的做法。
用 Perplexity AI 的 Academic 模式，快速找出你研究領域近三年的重要論文，初步定位研究缺口。
⚠️ 結果仍需自行在 PubMed / Web of Science 確認。
把 PDF 上傳到 Claude 或 Elicit，請它提取樣本數、主要發現、研究限制，把幾十篇文獻整理成可比較的表格。
把 CSV 上傳到 ChatGPT 的 Advanced Data Analysis，請它繪製相關係數熱圖、找出異常值，並生成 Results 段落草稿。
⚠️ 機敏數據請改用本地模型。
貼入草稿，指定「依學術期刊語氣潤稿，保留原始數據，只調整語法與邏輯銜接」。比直接叫它寫效果好很多。
可以直接複製修改使用。
你是一位物理期刊的資深編輯。請幫我潤稿以下段落，使其符合 Physical Review 的學術語氣。保留所有數據和術語，只調整語法與文句流暢度。
[貼入段落]
請閱讀以下論文摘要，提取：(1) 研究問題、(2) 方法、(3) 主要發現、(4) 限制。請用表格呈現，每格不超過 50 字。
[貼入摘要]
以下 Python 程式碼出現錯誤。請逐步分析：(1) 錯誤原因、(2) 修正方式、(3) 修正後的完整程式碼。
[貼入程式碼和錯誤訊息]