LLM研究人员提示指南：ChatGPT、Claude和Gemini

我第一次使用 ChatGPT 进行研究时，让它“帮我写一篇关于中小企业技术采纳的文献综述”。它给了我六段条理清晰、结构严谨的文章，还附有 14 篇参考文献。看起来很棒。

我检查了第一篇参考文献，发现它并不存在。第二篇也不存在。第三篇确实存在，但结论完全错误。我检查了全部14篇参考文献，其中三篇是真实存在的，但没有一篇的引用是正确的。

那天我学到了使用 LLM 进行研究的第一条规则：输出结果看起来很权威，但你不能不亲自验证就相信其中的任何一项声明。

在接下来的几个月里，我通过反复尝试，学到的第二件事是：法学硕士（LLM）对研究确实很有用。它不是真理的来源，而是思考的工具，是头脑风暴的伙伴，是草稿的生成器，是统计数据的解释者，是写作的指导者。关键在于知道该问什么，怎么问，以及如何处理答案。

本指南是一本实用的提示手册，面向希望有效使用 ChatGPT、Claude 和 Gemini 而不至于被坑的研究生研究人员。

为什么提示至关重要

学习机不会读心术。它们只会根据你提供的信息做出反应。模糊的提示会得到通用答案，具体的提示会得到具体的答案。这是你在开始学习之前必须理解的最重要的一点。

比较以下两个提示：

错误提示： 请谈谈气候变化研究。

很好的提示： “我正在为一篇关于东南亚特大城市热岛效应的期刊论文撰写文献综述。请总结2020年至2025年间发表的研究中使用的三种最重要的方法，重点关注遥感技术。并阐述每种方法的优势和局限性。”

第一个提示提供的是维基百科级别的概述，第二个提示则提供了你可以实际操作的内容。区别不在于模型，而在于提示本身。

好的学术研究提示包含四个要素：背景：你的身份以及你的研究方向；任务：你希望模型实现的具体功能；约束：范围、格式或限制；输出规范：你希望答案的结构。

您不必每次都包含全部四个参数。但参数越具体，输出结果就越好。

ChatGPT、Claude 和 Gemini：哪个模型适合哪个任务

这三种模型是您在2026年作为研究人员最有可能使用的。它们不可互换，每种模型都有其对学术工作至关重要的优势。

ChatGPT（GPT-4o 及更高版本）。 它擅长头脑风暴、撰写文稿、解释不同复杂程度的概念以及创造性地解决问题。它能胜任各种任务，并且拥有庞大的用户群，这意味着社区可以分享更多提示和技巧。它的缺点是过于自信，会凭空捏造引用、数据，并满怀信心地呈现错误信息。务必核实。

克劳德（人本主义）。 克劳德尤其擅长处理长篇文档。您可以上传一篇论文的完整PDF文件，并要求它对特定章节进行总结、比较或评析。克劳德在表达不确定性方面比较谨慎。当它不知道某些信息时，更倾向于直言不讳，而不是胡编乱造。它也能很好地处理细致入微的分析任务，例如比较两篇论文的方法论，或找出论证中的漏洞。它非常适合文献分析和批判性思维任务。

双子座（谷歌）。 Gemini最大的优势在于与谷歌搜索基础设施的集成。它可以访问最新的网络内容和谷歌学术搜索结果，这意味着它可以找到并引用实际存在的论文。在文献检索任务方面，这比ChatGPT和Claude具有显著优势。其不足之处在于，Gemini的学术写作输出往往不如其他两种模型那样精炼，而且该模型有时会更注重广度而非深度。

In practice, most researchers end up using two or three of these depending on the task. Use Gemini to find papers. Use Claude to analyze them. Use ChatGPT to brainstorm and draft. That is a reasonable workflow, though your preferences may differ.

引导研究问题发展

This is one of the best uses of LLMs in the early stages of research. You have a broad area of interest but you need to narrow it into a specific, viable research question. LLMs are good brainstorming partners here because they can generate dozens of angles you might not have considered.

Prompt template:

“I am a [degree level] researcher in [field]. My broad area of interest is [topic]. I want to identify a specific research gap that has not been extensively studied. Suggest 10 specific research questions that are narrow enough for a single study, relevant to current debates in the field, and feasible for a [methods type] approach.”

Example:

“I am a PhD researcher in educational technology. My broad area of interest is mobile learning in higher education. I want to identify a specific research gap. Suggest 10 specific research questions that are narrow enough for a single study, relevant to post-2023 literature, and feasible for a mixed-methods approach with university students as participants.”

The model will give you 10 questions. Most will be generic. Two or three might be genuinely interesting. Those two or three are your starting points for a proper literature search to verify whether they actually represent a gap.

Do not take the LLM’s word that a gap exists. It does not know the current state of the literature. It is guessing based on patterns. Always verify with actual database searches.

文献检索和论文发现提示

This is where Gemini has a clear advantage, because it can access Google Scholar. But all three models can help you think about your search strategy.

Prompt for search strategy:

“I am searching for papers on [topic] for a systematic literature review. Suggest 10 search strings I should use across Scopus, Web of Science, and Google Scholar. Include Boolean operators and alternative terms for key concepts.”

This is genuinely useful. The model will suggest synonym combinations and Boolean structures you might not think of yourself. “Technology acceptance” OR “technology adoption” AND “small enterprises” OR “SMEs” OR “micro-enterprises” AND “developing countries” OR “emerging economies.” That kind of systematic search string generation is tedious to do manually and LLMs handle it well.

Prompt for paper recommendations (Gemini):

“Search Google Scholar for the 10 most cited papers published between 2020 and 2025 on [specific topic]. For each paper, give me the title, authors, journal, year, and a one-sentence summary of the main finding.”

Gemini can actually retrieve real papers here. ChatGPT and Claude cannot reliably do this because they do not have real-time access to databases. If you use ChatGPT or Claude for paper recommendations, treat every citation as suspect until you verify it in Scopus or Google Scholar yourself.

论文总结与比较提示

This is where LLMs save the most time. Reading a 25-page paper takes an hour. Getting an LLM summary takes 30 seconds. The summary is not a replacement for reading the paper, but it tells you whether the paper is worth reading in full.

Prompt for single paper summary (Claude is best for this):

“I am uploading a PDF of a research paper. Summarize it in the following structure: (1) Research objective, (2) Methodology and sample, (3) Key findings, (4) Limitations acknowledged by the authors, (5) How this paper relates to [your specific topic].”

The structured format forces the model to extract specific information rather than giving a vague overview. The fifth point is the most valuable because it makes the summary relevant to your specific research.

Prompt for comparing multiple papers:

“I have summarized five papers on [topic]. Here are the summaries: [paste summaries]. Compare these papers across: (1) methodological approach, (2) sample characteristics, (3) main findings, (4) contradictions between the studies, and (5) gaps none of them address.”

This is synthesis. The model is not just summarizing. It is identifying patterns, contradictions, and gaps across multiple sources. The output is a draft framework for your literature review. It will need heavy editing and verification, but it gives you a structure to work from.

提示用户寻求统计帮助和数据分析

If you are not a statistics expert, LLMs can be surprisingly useful for explaining and selecting appropriate methods. They are not going to run your analysis for you, but they can help you understand what you are doing and why.

Prompt for method selection:

“I have a dataset with [describe variables: types, sample size, distribution]. My research question is [question]. What statistical test or analysis method should I use? Explain why this method is appropriate and what assumptions I need to check.”

提示解释输出结果：

以下是我的[SPSS/R/Python]分析结果：[粘贴输出结果]。请用通俗易懂的语言解释每个值的含义。结果是否具有统计学意义？有哪些实际意义？我应该在结果部分报告哪些内容？

提示输入 R 或 Python 代码：

编写 R 代码，对包含以下变量的数据集进行[特定分析]：[列出变量及其类型]。请添加注释解释每个步骤。分析完成后，生成一张符合出版标准的图表来展示结果。

逻辑学习模型（LLM）非常擅长生成分析代码。这些代码通常都能正常运行，或者只需要稍作调整。但务必检查其逻辑。模型可能选择了正确的检验方法，但参数设置错误；或者可能对错误的变量进行了正确的分析。运行代码，将输出结果与预期进行比较，并验证该方法是否符合您在方法论中描述的内容。

写作写作的提示和结构

这是最常见的应用场景，也是研究人员如果疏忽大意最容易遇到的问题。LLM（语言写作工具）可以帮助你撰写论文的部分章节。但是，在最终提交期刊之前，输出结果需要进行大量的修改。

章节大纲提示：

我正在撰写一篇关于[主题]的期刊论文的讨论部分。我的主要发现是：[列出发现]。相关的理论是：[列出理论]。请为讨论部分创建一个详细的提纲，包括：（1）主要发现的总结，（2）与现有文献的比较，（3）理论意义，（4）实践意义，（5）局限性，（6）未来研究方向。

这是LLM（逻辑框架）的一个好用法。大纲只是一个结构框架，并非最终文本。实际内容需要你自己填充。

初稿提示：

“根据以下提纲和笔记，在讨论部分撰写一段文字，将我的发现[描述发现]与Smith（2023）和Johnson（2024）的研究结果[描述他们的研究结果]进行比较。请使用正式的学术语言，并包含一些缓和语气。请勿捏造任何引用。”

“请勿捏造任何引用”这条指令非常重要。它并不能保证模型一定符合要求，但可以降低伪造参考文献的发生率。务必检查模型中包含的每一条引用。

关键规则： 切勿将 LLM 的原始输出直接粘贴到您的稿件中并提交。文本中会包含 AI 写作模式（例如语速慢、词汇单调、使用破折号、重复使用过渡词等），这些模式会被 Turnitin 检测到。每个草稿章节都需要用您自己的语言重新撰写。您可以将 LLM 生成的草稿作为初始框架，然后进行修改，直到它真正体现出您的个人风格。

语言改进和编辑提示

如果英语不是你的母语，语言写作辅导（LLM）可以作为提升写作水平的有效途径。他们可以帮你发现语法错误，提出更清晰的措辞建议，并调整文章的正式程度。

学术语气纠正提示：

请改写以下段落，使其更符合学术规范，语法更规范，表达更清晰。请保持原意不变，不要添加任何新信息。请使用符合Scopus收录期刊要求的正式学术英语。段落内容如下：[粘贴文本]

简洁提示：

以下段落过长且过于冗赘。请将其精简至大约 [X] 个字，同时保留所有关键信息。删除冗余短语和赘述。段落内容如下：[粘贴文本]。

对冲提示：

请审阅以下段落，并在措辞过于绝对或绝对的地方添加适当的缓和语气。学术惯例要求使用谨慎的语言，例如“表明”、“暗示”、“有可能”等等。段落如下：[粘贴文本]

这些提示能带来有用的初步改进。但请记住：LLM 修改后的文本仍然保留着 AI 模式。如果您使用 LLM 来润色文章，则需要仔细阅读输出结果，并添加您自己的变化、词汇和写作风格。或者，您可以寻求专业人士的帮助。 人性化 和 编辑 提交之前。

如何在研究中引用LLM学位

如果您在研究或写作过程中使用了人工智能工具，则需要进行引用。目前大多数大学和期刊都要求披露人工智能工具的使用情况，并且主要的引用格式也都有相应的规范。

APA第七版：
开放人工智能。 （2025）。 ChatGPT（GPT-4o版本）[大语言模型]。 https://chat.openai.com
文中引用：（OpenAI，2025）

致克劳德：
人类学。(2025)。克劳德（克劳德 3.5 十四行诗）[大型语言模型]。https://claude.ai
文中引用：（人类学，2025）

双子座：
Google。(2025)。Gemini（Gemini 1.5 Pro）[大型语言模型]。https://gemini.google.com
文中引用：（谷歌，2025）

有些机构要求你将实际的题目放在附录中。另一些机构则要求在方法或致谢部分添加一般性的披露声明，例如：“我们使用 ChatGPT（GPT-4o，OpenAI，2025）来辅助构思研究问题并生成初步的论文提纲。所有输出结果均由作者验证并进行了实质性的修改。”

请查阅目标期刊的作者指南和您所在大学的学术诚信政策。具体格式可能有所不同，但原则是共通的：务必公开透明地说明您使用了哪些资源以及如何使用。

法学硕士学位无法为你的研究做的六件事

了解局限性与了解能力同等重要。以下是法学硕士（LLM）无论你的题目多么出色都无法可靠完成的任务。

1. 提供可靠的引用。 LLM（法学硕士）会伪造参考文献。ChatGPT 和 Claude 会生成看似合理但实际上并不存在的引用。Gemini 稍好一些，因为它能够访问 Google Scholar，但有时仍然会生成错误的元数据。务必在 Scopus 或 Google Scholar 中核对每一条引用，确保其与实际来源一致。

2. 报告准确的事实和统计数据。 法律逻辑模型（LLM）生成的文本基于概率而非事实。它们会自信地宣称某项研究发现了特定的百分比，或者某个国家拥有特定的人口，而实际上这些说法都是错误的。任何事实性陈述都需要独立验证。

3. 进行原创性分析。 法学硕士学位可以总结他人的研究成果，但它无法分析你的数据，无法在你的具体研究背景下解读你的研究结果，也无法像学位论文或期刊论文那样，做出原创性的学术贡献。这些都是你自己的工作。

4. 了解你的具体研究背景。 该模型并不了解您的参与者、您的机构环境、您的数据收集挑战或您研究方法的细微差别。它的建议是通用的。而您的研究是具体的。

5. 写出能通过审核的文本 人工智能检测. 原始的LLM输出文本带有机器生成文本的统计特征，会触发Turnitin AI Checker、Copyleaks和其他检测工具。所有LLM生成的文本在提交前都需要进行大幅修改，使其听起来更像人类撰写的。

6. 取代同伴反馈。 法学硕士可以提供建议，但它无法取代导师、合作者或同行评审员提供的关键性、领域特定的反馈。利用法学硕士进行准备，但要依靠人来评估。

面向研究生研究人员的实用法学硕士工作流程

经过两年的试验，我最终确定了以下工作流程。

Phase 1: Exploration. 使用 ChatGPT 或 Claude 来集思广益，提出研究问题和角度。使用 Gemini 搜索真实论文。生成数据库查询的搜索字符串。在开始阅读之前，先大致了解一下研究领域概况。

第二阶段：阅读与综合。 将关键论文上传至 Claude 系统，生成结构化摘要。利用对比提示，识别不同来源之间的主题、矛盾和空白。根据输出结果构建综合矩阵。务必对照原文核对所有内容。

第三阶段：写作。 使用逻辑推理工具生成提纲和章节草稿。用你自己的语言和语气重写每个段落。添加你自己的分析、你自己的措辞、你自己的专业术语。删除破折号和重复使用的过渡词。让文章听起来像你自己的作品。

第四阶段：抛光。 使用LLM提供的语法、简洁性和语气改进提示进行初步编辑。然后拿到稿件。 专业编辑 由人工编辑检查 LLM 遗漏的内容，并确保文本读起来自然流畅。

第五阶段：提交前检查。 将稿件导入 Turnitin 进行检测。检查相似度得分并修正任何错误。 释义 问题。检查人工智能评分和 人性化 所有标记的部分。引用您使用的LLM模型。提交时请附上…… 语言编辑证书.

你在研究过程中使用了LLM吗？ 请确保您的稿件已达到出版标准。 上传您的稿件并获取报价 为了 人工智能人性化, 专业编辑或者两者兼有。每份订单均包含免费赠品 Turnitin AI 报告 和 语言编辑证书.

结论：法学硕士学位是一种强大的工具，但不能取代思考。

好的电动工具能提高熟练工人的工作效率，但并不能提高非熟练工人的工作质量。法学硕士在科研领域的作用也正是如此。

如果你精通你的研究领域，熟悉你的研究方法，并且能够批判性地思考证据，那么法学硕士学位将在研究过程的每个阶段为你节省时间。但如果你把它当作捷径，逃避真正的脑力劳动，最终的结果将是一篇充斥着错误百出、伪造引文以及触发市面上所有人工智能检测器的文本的论文。

学会如何有效地提出问题。核实所有内容。重写所有内容。注明出处。确保最终稿件听起来像是出自一位真正的研究人员之手，因为确实出自一位真正的研究人员之手。法学硕士学位只是在此过程中提供了帮助。

PM Proofreading 提供专业服务 人工智能人性化, 期刊稿件编辑, 论文编辑, 学术范文， 学翻译 为了 国际研究人员. Every editing order includes a free 语言编辑证书. 上传您的稿件，即可立即获取报价。

常见问题解答

ChatGPT、Claude 和 Gemini，哪款 LLM 最适合学术研究？

它们各有优势。ChatGPT擅长头脑风暴、撰写草稿和解释不同层次的概念。Claude能够很好地处理长篇文档，并且更注重承认不确定性，因此非常适合论文分析和批判性比较任务。Gemini的优势在于文献检索，因为它能够访问谷歌学术和最新的网络内容。许多研究人员会在同一个项目中使用两到三个模型来完成不同的任务。

如果我的研究中使用了 ChatGPT 或 Claude，是否需要引用它们？

是的。现在大多数大学和期刊都要求披露人工智能工具的使用情况。在APA第七版中，请将模型列为作者，并注明版本和URL。例如：OpenAI (2025). ChatGPT (GPT-4o) [大型语言模型]. https://chat.openai.com。请在方法或致谢部分添加披露声明，说明您使用了哪些工具以及用途。请查阅目标期刊的作者指南和您所在大学的学术诚信政策，了解具体要求。

使用LLM进行研究会触发Turnitin AI检测吗？

如果您直接将 LLM 生成的原始输出粘贴到稿件中而不进行任何修改，那么确实存在问题。LLM 生成的文本具有特定的统计模式（例如句子长度一致、用词可预测、过渡句式固定），Turnitin AI Checker 可以检测到这些模式。解决方法是将 LLM 输出作为初始框架，然后用您自己的语言、词汇、多样化的句式结构以及真实的分析性评论，对每个部分进行大幅度的重写。如果您需要帮助，可以咨询专业人士。 人工智能人性化服务 可以手动重写标记的部分。

法学硕士学位能产生可靠的学术引用吗？

不。这是最危险的局限性之一。ChatGPT 和 Claude 经常伪造看似真实但实际上并不存在的引用。它们会为从未发表过的论文生成看似合理的作者姓名、期刊名称和发表年份。Gemini 的情况稍好一些，因为它会访问 Google Scholar，但仍然会出现元数据错误。LLM 提供的每一条引用都必须在 Scopus、Web of Science 或 Google Scholar 中进行独立验证，才能将其纳入你的论文中。切勿引用你未亲自确认其存在的论文。