Claude變身「史丹佛博士生」助理：研究生如何用9個提示，把40多篇論文變成研究報告？
重點一：多數研究者把 Claude 當搜尋引擎用，但真正的效率差距在於「地圖思維」：先繪製文獻地形，再開始閱讀。
重點二：9 個提示詞按任務拆分：收編、找矛盾、建知識圖、挖研究缺口、最後才做綜合，順序不能亂。
重點三：最容易被忽略的一步是「假設殺手」，它能找出整個研究領域集體未曾質疑過的前提，是發表新論文最快的切入點之一。
研究所學生最常犯的錯，不是讀太少文獻，而是讀完之後說不出「這個領域在爭什麼」。
傳統的文獻回顧流程大致如此：下載 PDF、逐篇閱讀、做筆記、試圖在腦中拼圖。一份 40 多篇文獻的回顧，熟練的研究者也要花上一到兩週。但問題不只是文獻回顧的速度，而是「全局觀」：當你以線性方式處理文獻，很難同時看見三篇論文之間的矛盾，也很難注意到某個基礎假設從未有人驗證過。
AI 工具改寫的，不是「讀文獻」這件事本身，而是建構地圖的方式。以下 9 個提示詞，按照任務邏輯排序，構成一套完整的文獻分析流程。
本文整理自 AI 創作者 Jainam Parmar（@aiwithjainam）在 X 發布的貼文串。Parmar 是行銷人出身的 AI 電子報創辦人，目前經營 AI 應用教學電子報《The Shift》，專注於將複雜的 AI 工具使用方式轉化為普通人能直接上手的實作指引。
第一步：先畫地圖，不要先看細節
提示詞 1｜進場協議（The Intake Protocol）
把所有 PDF 上傳後，第一件事不是要 Claude 摘要，而是讓它「繪製地形」：
我要分享 [X] 篇關於 [主題] 的論文。在我提問之前，請先做這三件事：1. 列出每篇論文的作者＋年份＋一句話核心主張2. 將論文依「共同預設」分群3. 標記任何互相矛盾的論文不要幫我摘要。幫我繪製這個領域的地景。
這個提示詞解決的核心問題：你要知道自己手上有什麼，才能問對問題。直接問 Claude「這些論文說了什麼」，得到的是並排的摘要，不是知識結構。
第二步：挖矛盾，找真正的爭議
提示詞 2｜矛盾偵測器（The Contradiction Finder）
文獻回顧最容易被略過的部分，就是不同學者之間的直接衝突：
在所有上傳的論文中，找出所有兩位或以上作者直接互相矛盾的論點。對每一組矛盾：- 陳述雙方立場- 指出各自出處- 解釋他們為何不同意（資料、研究方法、定義、研究範圍等）- 告訴我目前哪一方的證據較強，以及原因
很多看似一致的學術共識，其實是沒有人細讀的結果。這個提示詞讓 Claude 扮演的角色不是整合者，而是對質者。
提示詞 3｜引用鏈追蹤（The Citation Chain）
理解一個概念從哪裡來，比理解概念本身更重要：
找出這些論文中被引用最多次的 3 個概念。對每個概念：- 是誰最早提出？- 誰曾挑戰它？- 誰曾修正它？- 目前的學術共識是什麼（如果有的話）？用家族樹的方式呈現這個知識傳承脈絡。
這份「智識家譜」在撰寫文獻回顧的理論框架章節時，直接可用。
第三步：找缺口，這裡藏著研究機會
提示詞 4｜研究缺口掃描器（The Gap Scanner）
根據所有上傳的論文，找出 5 個「尚未有人完整回答」的研究問題。對每個缺口：- 為什麼存在？（太難、太小眾、還是被忽視？）- 現有哪篇論文最接近回答它？- 需要什麼樣的研究設計或資料才能填補它？
這個提示詞的核心價值在於：它不問「大家都在研究什麼」，而是問「大家都沒研究什麼，以及為什麼」。對於正在找論文題目的研究者而言，這個輸出往往比讀一整輪文獻更有生產力。
第四步：審方法，判斷哪些證據可信
提示詞 5｜研究方法審核（The Methodology Audit）
比較所有論文使用的研究方法。依以下類別分群：問卷調查、實驗、模擬、後設分析、個案研究。然後標記：- 這個領域的主流方法是什麼？為什麼？- 哪種方法被嚴重低估？- 哪篇論文的方法最嚴謹，哪篇最薄弱？請解釋判斷依據。
學術論文的結論品質，很大程度上由方法品質決定。這個提示詞讓你在引用某個研究時，心裡有一把尺。
第五步：建地圖，讓知識結構可視化
提示詞 6｜假設殺手（The Assumption Killer）
這是 9 個提示詞中最容易被略過、也最有潛力的一個：
列出這些論文的「多數人共同預設、但從未明確驗證或論證」的假設。對每個假設：- 清楚陳述它- 指出 1–2 篇最依賴這個假設的論文- 解釋如果這個假設是錯的，對整個領域的影響是什麼
學術研究的突破，很多時候不是發現了新現象，而是推翻了大家認為理所當然的前提。這個提示詞的輸出，往往就是「有人真的去驗證這件事，就能發論文」的清單。
提示詞 7｜知識地圖建構（The Knowledge Map Builder）
建立這整批文獻的結構化知識地圖。格式：- 這個領域圍繞的核心主張- 3–5 個支撐柱（已有充分實證的子主張）- 2–3 個爭議區（仍在激烈討論的議題）- 1–2 個前沿問題（目前還沒人能回答的）排版方式要讓人讀 10 分鐘就能「看懂」這個領域的地形。
這張地圖有兩個用途：自己用來理解全局；投稿或口試時，用來向口試委員解釋「這個研究站在整個領域的哪個位置」。
第六步：整合與收尾
提示詞 8｜主文獻綜合（The Master Synthesis）
前面幾個提示詞跑完之後，才做這個：
你現在對這批文獻有完整的全局理解。請寫一份綜合，但不要摘要個別論文。而是：- 陳述這個領域集體相信什麼- 陳述哪些問題仍存在爭議- 陳述最強的實證收斂在哪裡- 用三句話告訴我「我們真正確定知道的事情是什麼」
這份輸出，基本上就是一篇文獻回顧的核心段落的草稿。
提示詞 9｜「所以呢？」測試（The "So What" Test）
最後，每次討論最後都跑這個：
假設我必須在 5 分鐘內向一位聰明的非專業人士解釋這整批研究。給我：1. 一句話版本：這個領域已經證明了什麼2. 一個誠實的承認：它還不知道什麼3. 一個最重要的現實意涵不要用術語，不要閃躲，不要學術式的冗長前言。
這個提示詞的作用不只是「簡化」，而是一種自我檢查機制——如果你真的讀懂了這批文獻，三件事應該能說得清楚。如果說不清楚，表示理解還不夠深。
使用這套流程的注意事項
這 9 個提示詞有內在的邏輯順序，打亂使用效果會大打折扣。建議的執行順序是：提示詞 1（建地圖）→ 提示詞 2、3（找矛盾與脈絡）→ 提示詞 4、5（找缺口、審方法）→ 提示詞 6、7（建知識結構）→ 提示詞 8（整合）→ 提示詞 9（收尾自查）。
另外有幾點值得注意。Claude 的分析品質取決於你上傳的文獻品質。也就是說，如果你塞進去的都是邊緣期刊或預印本，輸出同樣不可靠。
要強調的是，這套流程的角色是加速你已有判斷力的分析過程，而不是取代判斷力本身。
第三，提示詞 6（假設殺手）輸出的假設清單，在向指導教授或委員提案時，可以作為「為什麼這個研究有必要存在」的論據，這會比「因為這個主題很少人研究」的論點還更有說服力。
多數研究者給 AI 的第一個問題是「幫我整理這些論文」。其實，這句話等同於把一整張城市地圖折成一張條子，再問「這張紙裡有什麼」。換一個問題的方式，地圖就會打開。
延伸閱讀：NotebookLM超強用法！MIT研究生靠「3個關鍵提問指令」，48小時快速學懂一學期課程
資料來源：@aiwithjainam on X
本文初稿為AI編撰，整理．編輯/李先泰