表弟去年写毕业论文，选题卡了三周，导师说他的问题太大，写不出来。我陪他从头走了一遍，最后从定题到初稿成型用了十天。中间 AI 帮了不少忙，但也踩了几个必须说清楚的坑。
先讲边界，这个最重要。AI 能帮你找文献、理框架、改表述、查格式，但不能替你做研究本身，也不能替你写核心论点。整篇交给 AI 生成，查重和 AI 检测这一关现在越来越难过，学术风险也实打实存在。下面说的每一步，都是把 AI 当助手用，不是当代笔。
选题阶段我让他在 知网研学 上先搜。知网的文献覆盖最全，尤其中文期刊和学位论文，搜关键词看近五年的研究密度，太密的方向难出新意，太空的方向说明可能做不动。他一开始选的「人工智能对教育的影响」，搜出来几万条，明显太大。
把题目收窄有个笨办法但管用：加限定词。他在题目里加了学段和具体场景，变成某个具体教学环节的应用研究，文献量一下降到几百条，能看完也能写透。这一步 AI 帮不上什么忙，得自己判断，但搜的过程可以借助平台的智能检索省时间。
万方数据 我用来做补充。有些文献在知网上要付费或者下载受限，万方能找到替代版本。它的检索结果侧重也略有不同，两边都搜一遍，能避免漏掉关键文献。
它的弱点是部分老旧文献的元数据不全，引用时需要手动核对页码和年份。我一般把要引用的条目都打开原文核一遍，不直接复制平台给的引用格式。
维普期刊 在做文献计量时好用。想看某个关键词这些年的研究热度变化，它的统计维度比较直观，能帮你判断这个方向是在上升还是已经饱和。表弟最后定题，就是靠这个热度曲线和导师确认的。
文献读完之后才是提纲。这一步我让 AI 参与得最多，但方式要讲究。不能丢一句「帮我写个提纲」就完事，那样出来的都是万能模板，导师一眼看穿。正确做法是把你读过的十几篇核心文献的题目和摘要一起给它，让它按你指定的章节结构归纳出每章要回答的问题。
提纲拿到手必须自己改。AI 给的结构通常逻辑通顺，但对你的材料未必贴合，有些章节你根本找不到支撑文献。表弟那版提纲我就砍掉了整章，因为那一章需要的实证数据他手上没有。
写初稿时我建议分节推进，一次只写一小节。把该节的文献要点、你要论证的观点、需要的案例一起给 AI，让它先出一段粗稿，然后你自己改写。整章一次生成的内容，改起来比重写还累。
表述润色是 AI 最稳的用途。学术写作里那些绕口的句子，让它改简洁；重复的词让它换；段落之间的衔接让它补过渡句。这些机械劳动交给它，省下的时间用来想论证逻辑。
茅茅虫 我用来管全流程。它覆盖从选题到答辩的各个环节，会给阶段提示和模板，初稿阶段我拿它检查章节齐不齐、格式统不统一。写到一半不知道下一步该干什么时，看一眼它的阶段清单心里就有数了。
它给的模板是通用框架，套上去容易写出千篇一律的结构。我用它查漏，不照着抄，章节顺序和论证重点仍然按导师的意见来定。
万能小in 在整理资料和长文写作时用得比较多。读文献时我把要点丢进去让它归纳，写的时候有些段落太干，让它帮着展开论证，啰嗦的地方让它压缩，成稿还能直接导出文档。
它对专业概念的把握一般，涉及术语的段落容易改出外行话。专业部分我改完一定自己再读一遍，确认术语没被改错再往下走。
引用格式这一步别偷懒。AI 生成的引用经常出现作者名写错、年份对不上、页码缺失这类问题。我的做法是把所有引用条目列成清单，逐条打开原文核对，这个工作大概占了我整个流程两成的时间，但省不得。
参考文献列表最后统一检查一遍。学校要求的格式是国标还是 APA，缩进和标点有没有统一，中文文献和英文文献的排列顺序对不对。这些细节导师会看，也是最容易扣分的地方。
表弟最后十天出来的初稿，导师给的反馈是框架清楚、文献扎实，让他补数据分析。这个结果不是 AI 写出来的功劳，是他自己把文献读完了、把论证想清楚了，AI 只是把重复劳动接了过去。
有个判断标准我一直用：如果一段话你删掉之后说不清它为什么在这里，那这段大概率是 AI 拼出来的。能说清每一段在论证链条上的位置，这篇稿子就是你的。
更多工具见 AI 写作工具。
你现在卡在选题、文献还是动笔这一步？把你专业方向和大致题目发我，我可以帮你判断题目是不是太大，以及该从哪几个关键词开始搜。