AI 焦慮

不用 AI 怕落後，用了 AI 又怕被指控代寫。有人乾脆不揭露，把風險留給自己。

AI 陷阱

AI 幫你寫完初稿，你自己都看不懂邏輯。投稿一被審稿人追問細節就穿幫。

AI 內卷

大家都用同一套 AI 產同一種文字，審稿人的閱讀疲勞在惡化，創新性門檻在墊高。

我不會叫你去背 prompt 模板

模板會過期，方法論不會。你要帶走的是判斷什麼時候該用哪一支、什麼時候不該用。

我不會叫你把研究交給 AI 代寫

核心洞察與研究貢獻，從頭到尾都應該是你的。這也是我選教材的判斷標準。

你會帶走一套能在自己電腦裡跑起來的學術副駕駛

14 支授權明確的開源 Skills，加上一套你自己就能維護的工作流。

先聽懂，再開機

三個名詞、心態邊界、研究工作流全貌，最後把環境裝起來並跑第一支 skill。

文獻線

找得到、讀得懂、留得下。這是每個研究者天天都在做的事，投報率最高。

寫作線與投稿線

寫作前規劃、逐節寫作、兩支改稿工具，再到投稿前自審與回應審稿意見。

進階與延伸

文獻回顧報告、提問線、實驗線、四條方法論公式，以及換到別的執行環境。

請先準備好這兩樣

• 一篇你正在讀或想讀的論文 PDF，放在桌面找得到的地方。
• 一句話講得出來的研究主題或問題，不必精準，模糊也可以。

練習時我會做的事

• 把指令投在螢幕上，你照著改成自己的題目。
• 走動看每個人的畫面，卡住當場處理。
• 時間到就收，沒跑完的回家接著跑。

一臺筆電

macOS 或 Windows 都可以。硬碟留 2 GB 以上，而且你有安裝軟體的權限。

公司或學校配發的機器請先確認權限。

一個 Claude 付費帳號

至少成功登入過一次，兩步驟驗證的手機在身邊。

帳號與付款問題現場救不了，務必事前確認。

一篇你自己的論文或文獻

可以是你在寫的稿，也可以是你想讀懂的那一篇。練習時間都靠它。

受試者原始資料今天請不要帶進來。

沒有手冊的助理

每次交辦你都要從頭講一遍：格式、順序、禁忌、要附什麼。講十次就是十次成本。

有手冊的助理

你只講一次，寫進手冊。之後他自己翻手冊做事，做出來的東西每次一樣。

手冊會長大

他哪裡做錯，你就在手冊上補一條。下一次那個錯不會再出現，而且是永久的。

GPTs 或自訂機器人

那是綁在某一家平臺的設定。skill 是你電腦裡的檔案，換平臺就搬資料夾。第 15 章會實際搬一次給你看。

MCP server

MCP 是「接上外部資料源」的插座，例如接你的 Zotero。skill 是「怎麼做事」的說明書。兩者互補，不是替代。

指令檔（CLAUDE.md／AGENTS.md）

指令檔是永遠生效的全域規矩。skill 是需要時才載入的專項流程。全部塞進指令檔，AI 每次都要讀一大堆無關的東西。

付費外掛或 SaaS

今天講的 14 支全部開源、免費、授權明確。你不會被綁在任何一家的訂閱上。

授權寫清楚了嗎

找不到 LICENSE 檔的，直接跳過。你不知道能不能用、能不能改、能不能給學生。

作者說得出「為什麼這樣設計」嗎

好的 skill，README 會告訴你它要解決什麼痛點、為什麼不用別的做法。說不出來的，多半只是把 prompt 換個檔名。

有沒有明說「別用在什麼」

只寫優點不寫邊界的，代表作者沒真的用過。好的 skill 會寫「不要拿我做 A、B、C」。

它會不會唬爛你

好的 skill 會寫死「證據不足就停下來要更好的材料，不准產出降級成品」。deeppapernote 甚至逐句規定 AI 不准說「已完成」，除非該階段真的跑過。這一條最值錢。

相依有多重

零相依的純 markdown 最好搬，也最不會壞。要裝套件、要申請金鑰的，用之前先確認你真的需要它多出來的那個能力。

維護模型合不合理

不要只看最後更新日期。純規則的 skill 半年沒動可能只代表規則穩定；有腳本、有 API 相依的半年沒動就要小心。看它的性質，不是看 commit 頻率。

一個月後再往外擴

讀不完　→　deeppapernote

題目定不下來　→　paper-graph、research-ideation

寫不出來　→　paper-planning

要投稿　→　paper-review、paper-rebuttal

丟一句「幫我寫一段文獻回顧」，把輸出直接貼進論文。

你自己讀不出這一段為什麼要放在這裡。

請 AI「補幾篇支持這個論點的文獻」，直接照抄書目。

DOI 打進 Google Scholar 找不到，Semantic Scholar 也查無此文。

同一份稿子讓 AI 換個說法，同時投多個期刊或研討會。

你說不出這兩個版本的貢獻差在哪裡。

AI 不能列為共同作者

作者身分要能承擔責任，AI 承擔不了。

達到實質協助門檻要說明

寫在方法段或致謝，看該刊規定。

作者對所有內容負最終責任

包含 AI 產出的每一句。

嵌入式浮水印

• 受支援的模型產出的文字會嵌入浮水印
• 肉眼看不見，不改變語意、品質與可讀性
• 複製貼上仍保留，輕度編輯多半移不掉

C2PA 中繼資料

• 支援 .svg、.png、.jpg 等檔案
• 採用 C2PA 業界開放標準記錄內容來源
• 轉檔、重存、截圖會把 metadata 剝掉

先想再問

問 AI 之前先寫下你自己的答案。沒有自己的版本，就沒有判斷 AI 好壞的基準。

每段驗證

每一段 AI 產出都要能回答「這句話的證據在哪裡」。回答不了就不要用。

留下 SOP

把有效的流程寫成指令檔或 skill。下一次不必重講，而且會愈用愈準。

定期斷奶

每隔一段時間刻意不用 AI 做一次完整流程，確認你的判斷力還在。

AI 可以主導

• 大量文獻的初篩與分層
• 格式轉換、書目整理、表格生成
• 語言潤飾與術語一致性
• 程式碼的重構與測試

AI 提初稿，你定稿

• 文獻回顧的結構與分類
• 論述段落的初稿
• 實驗設計的候選方案
• 審稿意見的分類與回應初稿

你主導，AI 只做檢查

• 研究問題的最終選定
• 理論框架的取捨
• 關鍵發現的詮釋

研究提問

AI 適合做：把模糊主題展開成候選問題、找出領域缺口、逼你把選擇標準說清楚。

AI 不適合做：替你決定要做哪一題。那牽涉你的興趣、資源與生涯規劃。

對應 Skill　paper-graph　research-ideation

文獻蒐集

AI 適合做：關鍵字消歧、文獻追蹤、當前最佳（SOTA, State-of-the-Art）盤點、分層快篩。

AI 不適合做：憑記憶生成書目。每一筆都要回資料庫驗證。

對應 Skill　paper-navigator

文獻掌握

AI 適合做：重建作者的論證邏輯、標記證據強度、產出格式一致的筆記與比較矩陣。

AI 不適合做：替你判斷這篇跟你的題目有沒有關係。

對應 Skill　deeppapernote　research-survey

方法設計

AI 適合做：用領域演化圖譜確認你的方法接在哪一條路線的下一棒，以及研究設計的自我檢查。

AI 不適合做：選定取徑。質性或量化、個案或紮根，這是你的立場。

對應 Skill　paper-graph　experiment-craft

資料蒐集

AI 適合做：資料清理腳本、格式轉換、結構化的實驗日誌。

AI 不適合做：接觸原始個資。這一格有紅線，見第 2 章。

對應 Skill　experiment-craft

分析與實驗

AI 適合做：重現基準模型、超參調校、消融實驗的規劃與除錯。

AI 不適合做：下因果宣稱。相關不等於因果，這句話 AI 常常忘記。

對應 Skill　experiment-pipeline　experiment-iterative-coder

論文寫作

AI 適合做：寫作前的故事設計、逐節骨架、句級清理、降低 AI 味。

AI 不適合做：決定你的主張要收多窄。那是你對證據強度的判斷。

對應 Skill　paper-planning　paper-writing　sciwrite　academic-humanizer

投稿與修改

AI 適合做：投稿前自審、審稿意見分類、逐點回應的結構。

AI 不適合做：代你寫「我們已補做實驗」這種你沒做的事。

對應 Skill　paper-review　paper-rebuttal

新功能先到終端機

官方的更新、旗標與設定，幾乎都是先在命令列可用，圖形介面再跟上。你在終端機看到的，就是這個工具的完整樣貌。

錯誤訊息不被包裝

skill 叫不動、腳本缺套件、路徑打錯，終端機會把原始訊息整段印出來。圖形介面通常只給你一句「發生錯誤」，你連要查什麼都不知道。

設定檔就在手邊

skill 放在 ~/.claude/skills/，指令檔是 CLAUDE.md。在終端機裡，這些都是你打一行就能打開來看、改、備份的東西。

「我要先學會寫程式」

不用。

你今天在終端機裡打的每一句，都是中文交辦。真正要記的指令只有三四個，而且都可以抄。

「打錯一個字電腦就會壞」

不會。

打錯只會出現一行紅字說找不到指令，什麼事都不會發生。真正有破壞性的指令，你今天一個都不會用到。

「黑底白字看起來就很難」

那只是配色。

Claude Code 在終端機裡是有排版、有顏色、可以按方向鍵選單的。它跟你想像中的駭客畫面不一樣。

真正的差別　不在格式，在欄位子集

claude.ai 上傳與 Skills API 只接受六個欄位：name、description、license、compatibility、metadata、allowed-tools。

Claude Code 的加值　多了三件事

invocation control、subagent 執行，以及動態 context 注入。這些欄位帶到 claude.ai 會直接硬錯，不是被忽略。

Claude Pro 付費帳號

• 至少成功登入過一次
• 兩步驟驗證的手機在身邊
• 走 Codex 路線另需 ChatGPT 付費方案

macOS 或 Windows 都可以

• 帳號要有安裝軟體的權限
• 硬碟留 2 GB 以上
• 公司或學校配發的機器先確認

三個網址開得起來就沒問題

• claude.ai
• github.com
• npmjs.com

看看我在哪個資料夾

pwd

終端機永遠站在某一個資料夾裡。這個指令告訴你「我現在站在哪」。

換到那個資料夾

cd ~/Desktop/papers

cd 是 change directory。~ 代表你的家目錄。資料夾名有空白要加引號。

叫出 Claude Code

claude

打完按 Enter，它就在這個資料夾裡開工。之後你打的都是中文交辦。

問它看不看得到

/skills

應該列出你剛裝的那一支。列不出來，多半是沒重開。

叫一次看看

用 paper-navigator 找三篇論文

它會回報自己正在用哪一支。有回報，就代表真的載入了。

看它有沒有留下檔案

ls

最終的驗收標準永遠是這一條：你的資料夾裡多了東西嗎。

能用終端機，就用終端機

它是原生型態，能做的事最多，錯誤訊息最完整，而且指令留得下來變成你的紀錄。

真的不想碰，就用桌面 App 的 Code 分頁

它就是 Claude Code 的圖形介面，本機能力完整，課堂做的事一件都不會少。

質性研究者請留在本機

這不只是方便的問題，是受試者資料不該進雲端的倫理問題。

它沒有用那支 skill

它直接憑自己回答，沒提到 paper-navigator。

解法：在句首明確寫「用 paper-navigator」，或先打 /skills 確認它載入了。

它說做完了，但找不到檔案

ls 之後什麼都沒有。

解法：問它「檔案存在哪個絕對路徑」。多半是存到別的資料夾去了。

它一直卡在查詢

畫面停很久沒動靜。

解法：沒有 S2 金鑰時速率限制很嚴，這是正常的。等一下，或改成一次只查 10 篇。

EvoScientist／EvoSkills

Apache-2.0。背後有論文：EvoScientist, arXiv:2603.08127。repo 436 stars。

本機 3.3.0，上游 3.4.0

這是 11 支裡版本落差最大的一支，而且上游把評分制度整個換掉了。見本章最後一頁。

L3　CONTEXTUAL

只讀標題、摘要、TLDR，瞄一下圖，讀結論。記下主要貢獻、年份、引用數、跟你的關係。

用途：快掃與追蹤趨勢。

L2　ANALYTICAL

目標是看懂 why 與取捨。先讀摘要、引言、結論五分鐘，看圖表講故事，實驗只掃主要結果。

用途：文獻回顧裡的大多數論文屬於這一層。

L1　TECHNICAL

目標是能重新實作。看方法細節、實驗、補充材料，還要看程式碼驗證理解。

用途：只給你會直接建立在其上的論文。

917Dhj（HJ Ding）

MIT 授權。1042 stars。三支獨立 skill 裡最活躍的一支，有 CI、有 24 支測試、有筆記品質評分表。

上游已到 v2.3.0

v2.3.0 的主題正是「完整英文筆記支援」。若你手上是 v2.0.0，中文輸出偏簡體不是偏好問題，是版本問題。

evidence-first

不准只看標題摘要就交稿。never finish from title/abstract/headings alone

raw-source authority

抽出來的原始段落檔才是正典閱讀材料，不是網頁摘要。

fail-closed

拿不到足夠證據就停下來要更好的來源，不產降級成品。

model-first

腳本整理證據，判斷仍歸模型，而模型的判斷要給你看。

placeholder-first

先規劃圖表佔位，只有身分比對與視覺可用性兩者都強才換成真圖。

筆記結構

核心資訊／原文摘要翻譯／創新性／一句話總結／研究問題／資料與任務定義／方法主線／關鍵結果／深度分析／限制／我的筆記／引用。

方法類論文另有「機制流程」小節，要寫成 3 到 4 步，每步含輸入、操作、輸出去向。

它就是一個資料夾

Obsidian 不是雲端服務，是一個讀你本機資料夾的閱讀器。你的筆記是一堆 .md 檔，躺在你自己硬碟上。

它不綁架你的資料

哪天你不想用了，那些 .md 檔用記事本也打得開。這一點對研究資料特別重要。

它讓筆記彼此連起來

在筆記裡打兩個方括號就能連到另一篇。久了會長出一張你自己的知識網。

下載安裝

到 obsidian.md 下載，個人使用免費。macOS 與 Windows 都有。

建一個 vault

它會問你要在哪裡建。挑一個你記得住的位置，例如 ~/Documents/MyVault。

先建四個資料夾

10_Sources、20_Notes、30_Concepts、40_Synthesis。名字前面加數字，順序才不會亂跳。

把路徑告訴 AI

在交辦時直接寫「存到 ~/Documents/MyVault/20_Notes/」，它就會寫進去。

全域搜尋

Cmd/Ctrl + Shift + F

在整個 vault 裡搜一個詞。當你想找「我哪一篇筆記提過這個概念」，這一招最常用。

雙向連結

[[某篇筆記的名字]]

打兩個方括號就會跳出候選。連過去之後，對方那篇也會自動看得到你。

YAML 欄位

---
citekey: chen2024
year: 2024
status: read
---

寫在檔案最上面。有了它，之後才做得出跨篇的矩陣。

所有筆記進同一個資料夾

散在信箱、雲端與下載資料夾的筆記，等於沒有。

用同一套 YAML 欄位

citekey、year、status、sourceStatus。欄位一致，才跨篇比得起來。

跟你自己的索引流程打通

不論你用 Obsidian、Notion 或純資料夾，重點是有一條固定的歸檔路徑。

Story Design

把故事線定下來：task、challenge、洞察、contribution、advantage。

Experiment Planning

比較、消融、示範各要哪些，指標與資料集怎麼配。

Figure Design

Pipeline figure 與 Teaser figure，兩張圖的分工是定死的。

Timeline

四週倒數，含交給指導教授的硬截止日。

從拒稿開始，不是從故事開始

先寫下這篇最可能被拒的五個理由，再回頭設計故事。

先凍結一個最小可辯護主張

把主張收到你確定守得住的範圍，然後才開始擴充。

設計證據先於設計語言

先知道你要拿什麼撐，再決定怎麼說。

誠實揭露缺點以建立信任。

主動講出一個限制，比被審稿人挖出來便宜太多。

現在就先想好備案敘事

如果提升不明顯，預先定好第二價值主張：效率、穩健性、假設更少。

實驗規劃　比較實驗 ＋ 消融研究

• 列出所有比較的基準模型（近期、相關、當前最佳）
• 定義評估指標（該任務的標準指標）
• 指定資料集（標準 benchmark ＋ 有挑戰性的示範）
• 列消融配置（移除每個核心元件）
• 規劃示範情境（用困難資料展示上限）

圖表規劃　Pipeline ＋ Teaser

Pipeline figure 四原則：凸顯創新性而非只畫工作流；跟前作長得不一樣；整體管線若是標準的就放大新模組；把清晰度花在新的部分。

Teaser figure（通常是 Figure 1）：放第一頁頂端、要一眼有說服力、要在 Introduction 引用它。

整理故事，列實驗

定核心貢獻與模組動機；列比較實驗與消融研究；寫 Introduction 第一版初稿。

其餘章節第一版

寫 Experiments、Abstract、Related Work 的第一版初稿。

修稿與精修圖

修稿、精修 pipeline 與 teaser figure、跑 demo。

另一條

Lead with mechanism, not only metric. Reviewers trust causal logic more than isolated gains.

先講機制，不要只給數字。審稿人信因果邏輯，多過信孤立的數字提升。

這個領域正在發生什麼

一句話交代脈絡，不要從盤古開天。

現有方法的核心限制

只講一個核心限制，不要列清單。

這個限制的具體後果

「所以會怎樣」。沒有後果的限制，審稿人不在乎。

我們的洞察

你看到的那件事。這是全段的轉折點。

我們的貢獻

具體交付了什麼，用動詞開頭。

Module design

資料結構、網路設計、前向流程。寫成「給定 X 輸入，第一步…、第二步…、輸出 Y」。

Technical advantages

這個模組為什麼有效。不是描述它做什麼，是解釋它為何管用。

Abstract 最後寫

摘要是全篇的壓縮。全篇還沒定稿就寫摘要，最後一定要重寫。

Method 先於 Introduction 精修

Introduction 要宣稱的貢獻，取決於 Method 實際做到什麼。方法還在動，引言就會一直改。

Related Work 只列你要對話的那一組

它不是文獻回顧，是戰場宣告。列愈多，審稿人愈容易問「那你跟這篇比呢」。

交接清單

• 所有章節都有初稿
• Abstract 與 Introduction 的每一個主張都錨到某張表或圖
• Conclusion 有 Limitation 節
• Pipeline 與 teaser figure 都定案
• 所有 \todo{} 標記都解決或移除

If any item is incomplete, finish writing before reviewing.

別用

• 寫作前的規劃　→　paper-planning
• 完稿要自審　→　paper-review
• 收到審稿意見要回應　→　paper-rebuttal
• 單純語言潤飾　→　sciwrite

Lorena A. Barba

喬治華盛頓大學工程教授。825 stars。整個 repo 只有四個檔：README、SKILL.md、HOW-TO-USE、LICENSE。

零

純 Markdown，無腳本、無套件、無金鑰。README 原文 no dependencies on any specific platform。

每個字都要掙到位置

every word must earn its place; every sentence must be stripped to its cleanest components.

主動語態是問責問題

Scientific transparency requires accountability. Identify who did what.

不是文法偏好，是誰做了什麼要講清楚。

復活被悶死的動詞

Provides a review of → Reviews。找出所有「名詞 + of」的結構，看有沒有現成動詞可用。

清累贅

三張對照表：15 條無用片語（Due to the fact that → Because）、5 條無用開場白、5 條冗詞。

主動與動詞活力

被動轉主動三步驟，加 9 條名詞化對照表。但明訂被動可接受的三種情況。

句子結構

主詞與主要動詞相隔超過約 12 個字就標為 buried predicate；同段句長全在 ±5 字內也會標出來。

術語一致

Banana Rule 的執行層。從 Methods 抽出所有關鍵詞，驗證後面各節用字完全一致。

數字與引用

摘要的 N 對得上表 1 嗎、百分比對得上原始數嗎，加上傳話遊戲引用稽核。

縮寫紀律：只允許普遍公認的縮寫

DNA、RNA、CFD、FEM、PIV 這種。而且每個縮寫要在摘要、正文、以及每一張表與圖說各定義一次。

理由原文：readers do not read linearly。讀者不是從頭讀到尾的，他們會直接跳到表格。

傳話遊戲（Telephone Game）引用稽核

把只透過二手文獻回顧或教科書轉引的統計數字標出來，要你回去查原始文獻。

這是學術寫作裡最常見、也最少被抓到的錯誤來源：一個數字被引用三次之後，往往已經不是原本的意思了。

用 agentic browser 抓網址

從 YouTube 播放清單一次抓齊 30 支影片網址並去掉追蹤參數。原文：In under a minute, the agent produced a clean list of all 30 URLs, a task that would have taken 15–20 minutes of tedious manual work.

用 Gemini Notebook 綜整

把 30 個網址丟進 Gemini Notebook，產出一份 Writing Standards Manual。原文說它抓到了核心觀念，但格式是「人讀的指引」，不是「機器可執行的 skill 檔」。

用 Claude 轉成 SKILL.md

用 Claude 內建的 skill 產生能力把手冊轉成 skill。作者說這一步 making the process meta in the best sense: an AI tool creating instructions for an AI tool.

1426

三支獨立 skill 裡最高。但注意：star 數不是判斷標準，這是第 1 章講過的。

零

純 SKILL.md 加範例。frontmatter 自己宣告 compatibility: claude-code codex morphmind opencode。

兩個多月沒動

三支裡最靜態。但它是純規則文件，穩定不等於荒廢。這也是第 1 章的判斷標準六。

通用 AI 腔目錄

誇大意義、假深度的 -ing 尾巴、宣傳性語言、無出處的模糊歸屬、AI 詞彙表（delve、underscore、tapestry、pivotal…）、填充語、破折號全部移除。

學術專屬 AI 腔

十一個編號子項：過強動詞、意義炒作、空洞強化詞、創新性灌水、公式化開場、連接詞濫用、貢獻條列陳腔、引用傾倒、含糊避險、樣板強調、過長堆疊子句。

論點與證據的呼應

逐條檢查宣稱有沒有證據撐、動詞強度配不配得上證據。太強就降級。

聲音與場域校準

讀你先前的論文，對上你的句子節奏、連接詞習慣、避險程度。同時對上場域語體。

計畫書模式

NSF 與 NIH 專用。規則在這一層整組翻轉，見後兩頁。

其他必須保留的

• 行為者不重要時的被動語態是對的
• 第一人稱複數 we 是標準用法，不要改掉
• 適量的分號與偶爾的三段排比可以留
• 正式定義、具名方法與指標、技術術語、方程式、符號逐字保留

Never invent, drop, or alter a number, equation, or citation.

Vague importance

「這個議題很重要」但說不出對誰重要、後果是什麼。

Method-as-aim

把 aim 寫成一個技術，而不是一個問題或一個結果。

Dominoed aims

Aim 2 與 3 在 Aim 1 失敗時全垮。審稿人會直接標記為脆弱。

Ambition without feasibility

野心很大但沒有初步資料、既有方法或合作者撐住。

Hedged central hypothesis

Aims 頁的假說是可證偽的承諾，不是「我們將探索是否可能」。

不改數字、結果與引用

它動的是語言層，不動內容層。數字被改動就是造假。

不注入 opinion、humor、personality

For technical writing, neutral and precise is the human voice.

寫完才能審

它明文要求先滿足 paper-writing 的交接清單。原文：If any item is incomplete, finish writing before reviewing.

它可以派成獨立專家

frontmatter 比其他支多一欄 type: [skill, expert]，代表它可以被非同步派遣成一個獨立的審查者，而不只是被載入的說明書。

先寫拒稿摘要

在寫任何正面評語之前，先強迫自己用審稿人的語氣，寫這篇為什麼該被拒。

刪掉一個沒證據的強宣稱

原文 remove it instead of defending it。刪掉比補一段辯解安全。

重視信任勝過分數

分數稍低但公平性與可重複驗證高的做法，審稿結果往往更好。

把一個限制搬進正文

從附註搬到正文。原文 transparency can increase confidence。

攻擊你自己的創新性宣稱

問一句：一個厲害的博士生，一個下午想得出來嗎？

主張稽核　逐句走過摘要與引言

每一個主張問三題：事實正確嗎？有實驗或分析支撐嗎？支撐實驗有被清楚引用嗎？

原文警告：Some reviewers will reject a paper directly for unsupported claims.

reverse-outlining　最省力的結構自檢

• 逐段讀一次
• 把每段的主訊息寫成一句話
• 把這串句子串起來讀，邏輯順不順
• 找出流程突兀的斷點
• 修：重排段落、加過渡句、拆段或併段

他已經是你的 champion

不用說服他。要做的是給他在討論階段替你辯護的彈藥。

根本性反對

先判斷可不可解。不可解就別耗，把力氣放別處，或轉戰其他場地。

極端分數也一定要回

就算拿到 3／8／8，那個 3 分也要認真回。負面審稿人在討論階段可能被判定為離群值，但前提是你交了回應。不交，編輯手上什麼都沒有。

讓小的贏，大的才守得住

承認一個小弱點，會讓你對大論點的辯護更可信。全面防守、零讓步，讀起來像不客觀。

一個新的小實驗勝過三段辯解

Reviewers are trained to be skeptical of arguments. They are not trained to be skeptical of data.

生成 Outline

先辨識領域慣例，再產帶指示的藍圖。

Draft Survey

用最相關的 top-30 篇寫完整初稿。

Expand Sections

用全部文獻逐節展開，這步才長出深度。

Section Summaries

每節收斂成 150 到 300 字。

Refine 前後段

用節摘要重寫摘要、引言、結論。

組裝與 Reference

依大綱順序合併並產書目。

0.1.1

11 支裡唯一還在 0.x 的一支。功能完整但仍在演進，用之前記得看一下有沒有新版。

因為它只是文字

Mermaid is just text inside fences — the file renders directly in GitHub, Obsidian, VS Code.

ADJACENT

相鄰但非核心。保留在圖上供參考，不進分類。

REJECT

判定不相關，而且會告訴你為什麼被排除。

SUPPORTED_BY_ABSTRACT

摘要裡就找得到證據

SUPPORTED_BY_SECTION

內文某一節有證據

REJECT

找不到支持，不採用

報告結構

• Research goal　從你的查詢抽出來的研究目標
• High-level taxonomy　一張 Mermaid 圖：主題 → 挑戰 → 解法 → 論文
• Per-solution evolution paths　每個解法各一張圖，含演化點與開放挑戰
• Paper appendix　編號的論文清單

為什麼要禁一般網頁搜尋　因為它拿不到引用網

一般搜尋看不到 Semantic Scholar 的引用結構與學術推薦系統，撈回來的東西沒有辦法建立世代關係。

相依很輕：它自己沒有腳本，全部借 paper-navigator 的。所以只要 paper-navigator 裝好了，它就能用。

選對問題，比設計解法重要

Problem selection > solution design

決定「要解什麼」比決定「怎麼解」重要。

如果已經有成熟解法，就換問題

If a well-established solution exists, switch problems

改進空間太小，不值得投入。

先求量，再求質

Generate many candidates before evaluating any

生的時候不要評，評的時候不要生。

洞察還沒被用到某個挑戰上

cross-domain transfer opportunity。別的領域的解法搬過來可能就成立。

挑戰對應的洞察很多

已經被做爛。原文 avoid unless you have a fundamentally new angle。

Innovator

看創新性與創造力。高風險高報酬，往沒人做過的方向推。

Pragmatist

看可行性。問「這在你的資源下真的做得完嗎」。

Critic

看科學價值。問「這真的推進了理解嗎，還是只是換個資料集」。

每個人一開始分數一樣

不管是棋手還是 idea，一律從 1500 分起跳。沒有人有先天優勢。

兩兩對決，贏的加分輸的扣分

而且加的分等於對方扣的分，總分永遠不變。這是一個零和的積分池。

Novelty　創新性

這一題有沒有提出文獻裡沒見過的角度。

Feasibility　可行性

用你手上的資源與時間，真的做得完嗎。

Relevance　相關性

它有沒有真的接到你原本想解決的那個缺口。

Clarity　清晰度

你能不能在三句話內把它講清楚。

Top-3 比較表

欄位固定：Rank／Title／Core Mechanism／創新性／Feasibility／Relevance／Clarity／ELO。

請你選一個

選定之後才展開成完整研究計畫。這是流程裡的人工關卡。

先跑 paper-graph 畫圖

在「學術寫作與 AI 輔助」這個領域畫出演化圖譜。

定位缺口

發現一條線斷在半路：非母語教師使用 AI 潤稿之後，authorial voice 被稀釋這個現象有人提出，但沒有人做實證。

餵給 research-ideation

不是問「給我幾個題目」，而是「針對這個已定位的缺口，用三人格生候選並跑錦標賽」。

設計理念　不分析結果，會落入兩種失敗

1. Slow progress: Running random experiments without understanding failure causes.
2. Wasted time: Abandoning good approaches because activation tricks were missed.

第二種特別可惜：好方法被丟掉，只因為漏了某個啟用技巧。

蒐集失敗案例

看實際輸出，不是只看彙總指標。判斷失敗是系統性的還是隨機的。

找到一個真的會動的版本

兩條路：簡化任務，或把你的改動一項項拿掉。

提假設並驗證

列出所有可能解釋，依可能性排序，設計針對性實驗逐一排除。

提出修法並確認沒弄壞別的

修法要對準確認的原因，不是對準表面症狀。

一次只改一個變數

改兩件事成功了你不知道是哪件救的，失敗了你不知道是哪件錯的。單變數每次比較慢，整體比較快。

快速迭代靠有效實驗，不是更多實驗

一個設計良好的診斷實驗，抵十次隨機嘗試。

有些好技術單獨用不會動

它們需要特定的啟用技巧（學習率排程、初始化方式、前處理步驟）。別因為一次失敗就丟掉一個技術。

去相關論文找他們的技巧

關鍵實作細節常埋在補充材料或程式碼裡，那些技巧就是能不能運作的分水嶺。

codebook 定義

類目定義夠明確嗎，有沒有模稜兩可的措辭。

coder 訓練

兩位編碼者受過同一套訓練嗎，有共同校準過嗎。

樣本代表性

試編樣本偏向某一類，導致某些類目沒被練到嗎。

類目排他性

類目之間互斥，還是本來就會重疊。

評估工具

用 Cohen's kappa 還是 Krippendorff's alpha，選得對嗎。

1. 重現基準模型

主指標落在論文報告值的 2% 內。

2. 超參調校

找到穩定設定，3 次不同 seed 的變異 < 5%。

3. 你的方法 vs 基準模型

主指標勝過調校後的基準模型，且 3 次都一致。

4. 消融實驗

每一條宣稱的貢獻都有對照實驗支撐。

Leave-one-out

逐一移除各元件，顯示每個元件的邊際貢獻。這是最常見的做法。

Additive

從基準模型出發逐一加元件，顯示增量收益。可以看出元件之間有沒有互相依賴。

質性對映　四階段照樣成立

• Stage 1　pilot coding
• Stage 2　codebook 迭代
• Stage 3　主研究編碼
• Stage 4　sensitivity（換 coder、換樣本）

關卡條件換成評分者間一致性或飽和度指標。預算的概念完全一樣：先講好編幾輪，用完就停下來檢討。

審稿人說「題目太小」「so what」

skill 可以幫你生候選題、可以幫你排名，但無法判斷這一題在你的領域裡夠不夠份量。

審稿人說「理論貢獻不清楚」

這是社科領域最常見的拒稿理由，而它問的是你對理論的立場。

審稿人說「這方法配不上這問題」

skill 可以幫你除錯、跑管線，但無法判斷這個方法是不是這個問題該用的方法。

你自己問「這篇該投哪裡」

期刊選擇是策略決定，牽涉你的生涯規劃與時間成本。

填三軸評分卡

把你現在的研究問題寫下來，三軸各給自己一個評價。誠實一點，這張卡沒有別人會看。

找出紅燈那一軸，只補它

不要三軸一起改。多數人的問題集中在一軸，通常是 Audience。

重寫研究問題，再複測一次

如果補了 Gap 卻讓 Importance 掉下來，那是把問題搬家，不是解決。

這個方法配得上你的研究問題嗎

Method fits RQ。問題是描述性的卻用因果推論工具，或反過來，都會被抓。

它建立了什麼因果或解釋邏輯

Causal logic。跑出顯著不等於解釋了什麼。

它讓研究價值變高了嗎

Raise value。換一個更複雜的模型，如果結論一樣，那就沒有增值。

Extend　延伸

把既有理論推到新的脈絡、新的對象、新的邊界條件。門檻最低，但要說清楚為什麼這個延伸不是理所當然。

Integrate　整合

把兩個原本不對話的理論接起來。門檻中等，關鍵在說明為什麼它們該對話。

Meta-theorize　解構

質疑既有理論的預設。門檻最高，需要很強的證據，但一旦成立影響也最大。

編輯第一印象

Cover letter 只佔 5% 影響，卻是最常被敷衍的一環。

審稿人信任度

第 10 章的 paper-review 就在做這一段：先自己拒一次。

修改表現

第 10 章的 paper-rebuttal：分數導向的分類與回應。

工具名是框架中立的

EvoSkills 的 allowed-tools 寫的是 write_file、edit_file、read_file、think_tool、execute，不是 Claude Code 專有的 Read、Write、Bash。

有一支自己宣告支援

academic-humanizer 的 frontmatter 直接寫著
compatibility: claude-code codex morphmind opencode。

已經附了 AGENTS.md

paper-review 與 deeppapernote 的目錄裡都已放了 AGENTS.md，那正是 Codex 讀的指令檔。

為什麼要有這道牆

• AI 會自己執行指令。沒有牆的話，一個判斷失誤就可能動到你不想被動的檔案。
• 你的論文資料夾、照片、備份都在同一臺電腦上。
• 所以工具廠商的預設一律從最嚴開始，再由你決定開哪幾扇門。

skill 叫不動

有沒有重開？名字對不對？路徑對不對？是不是舊版實體目錄擋住了？

說沒有網路

Codex 的 workspace-write 預設不連網。開 network_access。

寫不進 Obsidian

同樣是沙箱問題。把 vault 路徑加進 writable_roots。

產出了但沒被檢查

工具鏈搬家會讓驗證層靜默失效。檢查設定檔的 toolchainRoot 還指得到。

貼指令出錯

長指令在紙本或 PDF 上會折行。一律從數位檔複製，不要照紙本手打。

路徑含空白

資料夾名有空白要加引號。更省事的做法是資料夾名不要用空白。

你的深讀筆記已經超過三十份

低於這個量，用第 7 章的方法加一個資料夾就夠了。

你需要跨篇比較與矛盾偵測

要做文獻回顧、要寫矩陣，這時候卡片網絡才划算。

你在本機環境，而且裝得起 Node 20

它的驗證層是本機 Node 程式，瀏覽器版跑不了。見第 4 章。

副駕駛，不是代寫者

判斷標準只有兩條：對外可辯護，對內能產生複利。兩條都過，怎麼用都不會出事；有一條沒過，用得再少都有風險。

留下能產生複利的產出

複利不是產出多，是每一次都墊高下一次的地板。一致的歸檔，才是三年後還在替你工作的那部分。

思考權留在你手上

先想再問、每段驗證、留下 SOP、定期斷奶。愈靠近判斷與立場，愈要自己來。

先把文獻線跑順

只裝 paper-navigator。用它分層快讀 15 篇你手上正在讀的文獻，並開始留查詢紀錄。

再加寫作線

加裝 paper-writing 與 sciwrite。用 11 步工作流寫一節，並只對三個關鍵段落跑句級體檢。

最後補你卡住的那一格

讀不完就加 deeppapernote；題目定不下來就加 paper-graph 與 research-ideation；要投稿就加 paper-review。

這些 skill 會不會過時

會，而且應該會。但它們是 markdown，你隨時可以改。真正不會過時的是第 1、2、14 章講的東西：判斷標準、工作流結構與方法論框架。學方法論，不要學一次性的提示詞。

我可以自己改嗎

可以，也應該改。每一支都是 markdown，你可以依自己的領域客製觸發詞、輸出格式與檢查規則。唯一要注意的是授權：改了要留紀錄，sciwrite 改了還要註明。

加了一條期刊分級排除

常設規則：文獻回顧類任務優先 Q1 與 Q2；Q3 只在帶關鍵證據時收錄並標記；排除 Q4 與 MDPI。附帶的實務理由：那些站臺會擋自動請求，留著會讓後面的 DOI 存活檢查一起壞掉。

加了敵意審稿與 DOI 驗證

五面向自審之後，再派一個獨立的懷疑論者逐節審一遍；投稿前跑一支腳本，把參考書目的每個 DOI 拿去 CrossRef 驗存活。改編自 CYC2002tommy/Deep-Research-Agent，我修掉了原版的編號錯誤，並拿掉「只能用英文審」的限制。

加了一份 Introduction 範本

四步填空結構：建立重要性 → 限制與缺口 → 貢獻 → 可量化成果。收錄自王士欣公開的教學文章，來源與連結都寫在檔案裡。

對第三方 skill　一律以連結與出處形式提供

學員自行前往原始 repo 安裝。本課程不重製、不修改、不打包散布任何第三方程式碼或教材。

對引用內容　公開出版品或公開演講

第 14 章的三個框架整理自謝傳崇教授 2026 年 5 月 1 日清華大學演講；其餘引言均出自公開出版品，依學術慣例標註出處後引用。