AI 参与科研任务，先把规划、执行和核验拆开#

科研任务里，我会把研究问题、资料整理、执行和核验分开。不同模型可以协助完成范围明确的子任务，但任务越大、来源越不清楚，流畅的回答就越不能代替证据核对。

这只是个人经验，不是经过对照实验的模型排名。更值得借鉴的是把工作拆成阶段：

1. 研究者先定义问题：明确研究对象、边界和需要查证的结论，不先让模型自由生成整篇综述。
2. 模型协助列计划：把问题拆成检索词、资料类别、需要比较的变量和待验证假设。
3. 用小任务处理资料：例如从已选论文提取方法、样本和局限，要求附页码或原文段落。
4. 独立核验来源：亲自打开论文确认引用存在、上下文支持该结论，不能只接受模型生成的 DOI 或摘要。
5. 最后再综合：把已核实的证据交给模型协助整理，结论和引用由研究者逐项审阅。

模型可以帮助整理和查漏，但研究问题、数据质量与因果解释仍需要专业判断。未发表稿件、受限数据和个人信息也不应上传到未经批准的服务。把计划、执行和审核分开，能让错误更容易被发现，也更容易追溯是谁做出的判断。

资料来源：分享一下我现在的科研 AI plan（原帖为个人工具组合经验，文中流程是据此整理的通用建议）