点击上方“阿昆的科研日常”，关注我的公众号。
添加微信：akunscience28 备注：AI
领取一份《AI科研写作提示词》
如果选题不好，往往同类型稿件极多，不仅竞争激烈，内容相似度高，而且整个实验、论证过程得实现难度也可能很高，耗费时间长还不一定好发表。相反，好的选题点能引起编辑和审稿人的喜爱，新颖性强，可操作性高，而且整个过程实现起来也不难，可以说是事半功倍。
通过AI辅助论文选题一直是大家呼声很高的需求，但AI论文选题也有几个卡点：
1.有的同学直接给出一个主题，让AI推荐选题。
AI虽有世界知识，但是它有的是预训练的旧知识，而某一个领域的最新进展它是不知道的。
拿着旧地图去寻找新大陆，那也别怪AI不靠谱了……
2.基于关键词在文献库检索得到的相关文献列表，让AI推荐选题。
这种方法需要经过主题分析，判断哪些领域过于热门，哪些领域是新兴领域，进而找到有潜力的选题。
然而，以往的AI大模型还不具备多步骤行动的能力，所以推荐的选题质量一般。
最近又有学员提出了对AI辅助论文选题的需求：
看着别人发了很多关于某主题的文章，自己也想写，但不知道从哪里切入，不知道AI能不能帮忙进行选题分析？
我们研究了一下，像GPT-5这样的agentic模型，理论上比以往的AI模型对选题这样的复杂任务完成更好。
于是，针对论文选题问题，我们研究了一套GPT-5分步实现方法：
Step1.编写Python程序对附件文献进行分析，提取关键词，进行主题聚类，从而展示聚类效果；
Step
2.基于主题分析，识别领域发展趋势，给出可行性强、新颖度高的选题列表；
Step3.对用户关注的选题进一步细化：通过实验规划，统计学分析，图表设计，注意事项等，加速课题实现。
以下是效果展示：
如果你对其中某几个选题感兴趣，还可以进一步细化：
一些需要注意的问题：
1.附件文献读取完整性——有时给出2000条文献，AI只读取了500条。可想而知，这样分析出来的选题是不准确的；
2.回复答案太简略——AI大模型有节省token的倾向，ChatGPT-5 thinking最长是20w上下文，但是在输出的时候它并不会按照最长的限度来输出，而是倾向于偷懒；
3.对指令的跟随不精确，经常偏离目标。
以上问题，我们在打磨提示词的时候都遇到了。
而通过研究模型厂商的cook book和通过输出来反复调整，也都一一解决了。
AI辅助选题是我们近期SCI论文课程更新内容的一部分，老学员急需选题的可以找我们领取，不急需的等我们把系列课程全部更新完了再来领更新课包也可以。
想要了解我们的AI论文写作课程，可以添加微信了解详情。
如果你觉得我的分享对你有帮助的话，欢迎大家在这里点赞、在看、分享。当然，也欢迎大家在这里打赏。互动越多，更新越快哦~
声明：本公众号的所有原创内容，在未经允许的情况下，不得用于任何商业用途，违者必究。
