寫論文時我用得上的七個做法
不是方法論，是我這兩年改來改去剩下一直在用的七個動作。每條寫「做什麼」和「為什麼」。
一、先把研究問題寫成一句話，再開始檢索
做法：檢索之前，用一句完整的話把「我想解決什麼問題、研究對象是什麼、邊界在哪」寫下來。然後把這句話交給工具去拆解檢索維度，而不是自己往搜尋框裡反覆拼關鍵詞。
為什麼：關鍵詞拼不出結果時，你分不清是「這個方向真沒人做」還是「你沒想到別人會用哪個詞」。這是新手最容易掉進去的坑——把檢索失敗當成研究空白。
我用的是 MuchSci 的論文檢索助手：文獻來自 Crossref 的 1.8 億篇，支援按標題、作者、DOI 精確或模糊檢索，也能按年份和引用次數篩。命中後給 DOI，並自動補齊作者、期刊、年份、卷期頁碼這些引文資訊，不用手抄。
二、建一張文獻台賬，欄位固定
做法：一個表格，一行一篇文獻。欄位就八個：編號、作者年份、研究問題、方法、主要結論、局限、是否引用、引用在論文哪一節。
為什麼：不建表的話，你讀三十篇、最後引五篇，剩下二十五篇的存在感只有「我好像看過」。建了表，寫綜述時把表按主題重排一遍，結構自己就出來了；寫方法時能立刻找到「類似方法別人怎麼交代參數」。
檢索命中後讓工具逐篇拆解研究問題、方法、主要結論和局限，這正好是台賬裡最難填的四列，起步階段先填表比「讀完再憑記憶寫」可靠得多。
三、讀文獻分兩層，別用一種姿勢讀所有文章
做法：
· 綜述和背景類——目的是搞清方向走到哪一步，快速通讀。
· 和課題強相關的原創論文——讀原文，重點是方法、數據、補充材料。
為什麼：用同一種方式對付兩類文獻，結果是該快的地方快不了，該細的地方粗過去。以前我「讀了很多」，其實兩類都沒讀到位。
四、譯文只用來建立理解，事實一律回原文核
做法：第一遍用論文翻譯的段落級對照閱讀通讀建立理解（譯文和原文位置始終對得上），第二遍對著原文核准方法、參數、數值、化學式。翻譯的定位是：中英學術雙向互譯、保留公式與術語一致性、支援整篇 PDF 的段落級對照閱讀。
為什麼：譯文看錯一次數值的代價，遠高於核對的成本。我研一時看錯一個當量數，白幹三天。
紅線一句話：譯文不是事實依據。
五、術語表單獨建，中文譯名不作為檢索詞
做法：一份「中文譯名 + 英文原名」對照表，全文統一。
為什麼：同一個概念在正文裡出現兩種譯法，審稿人一眼就看出來。另外，中文譯名不要拿去資料庫裡搜——搜不到，也容易被挑；英文原名和 DOI 才是你要一直帶著的東西。
六、讀完就歸檔，別讓資料散在下載資料夾裡
做法：一篇文獻精讀完，譯稿和要點一起歸檔。放在個人知識庫裡（支援 PDF、DOCX、PPTX、XLSX、TXT、MD 等格式匯入，預設個人使用、不共享）。來源雜的東西——手寫要點、白板照片、別的軟件匯出的檔案——走個人資料庫那層，支援更多來源，AI 聽記生成的報告也能收進去。
為什麼：兩三年後做新課題，這些還是要用的。散著的資料等於沒累積。常聽組會、聽講座的話，AI 聽記支援實時錄音翻譯、AI 總結、譯文編輯和報告生成，錄完能拿到可聽、可看、可歸檔的東西，和文獻筆記放在一起。
七、動筆之前，先講一遍
做法：把結構整理成提綱，生成一版 PPT 初稿（辦公助手智能體一句話描述需求就能拿到可編輯的 PPT、Word、Excel；開題場景有模板，輸入課題名稱、研究問題和初步思路，會輸出包含研究背景、現狀、方法、技術路線結構的初稿），然後對著這幾頁問自己一句：只講這些，主線站得住嗎？
為什麼：一個人講不清楚的事，寫下來也是亂的。讀自己的稿子你會順著往下滑，講的時候騙不了自己。
三條邊界，得說清楚
· 觀點、論證、結論必須是你自己的。 檢索、翻譯、整理、排版、生成匯報初稿可以交給工具，研究寫成什麼樣不能。投稿或答辯前，自己確認目標期刊和學校對 AI 使用的規定與查重要求——這條責任在使用者身上。
· 句子順不等於論證成立。 審稿意見寫「language needs improvement」時，多數情況下真正的問題不是語言，是想說的東西本來就沒說清。
· 成本自己算，保密自己判斷。 這類工具按用量計費（MuchSci 按積分計量，AI 對話、論文分析、文檔生成按實際調用的模型和處理量扣分，不是按提問次數固定收費，免費註冊送 1980 積分體驗額度）。未發表的實驗結果、合作方的敏感數據、沒定稿的材料，要不要上傳是你自己的決定。有一點我確認過：上傳的論文、數據、錄音不會用於模型訓練，採用加密傳輸和存取控制。
·
七個動作裡，前四個是檢索和閱讀，後三個是沉澱和輸出。前面幾步走順了，寫是水到渠成的事。