分享一套AI找idea的工作流程。
当然，这套方法真正执行起来并不复杂，但每一步到底怎么问AI，差别非常大。所以我自己测试了一个可行的Prompt工作流：从论文拆解、研究缺口，到创新生成、压力测试、文献查新，最后收敛成具体选题，你只需照着一步步跑就行。
另外，找完创新之后做实验、写论文的环节我也给你安排了，5个科研Skills省去你80%的重复劳动！
找创新点Prompt+科研Skills我一起打包了，可以扫码添加小享让TA无偿及时发送给你最新完整文档！
1. 前期划定边界
不要在完全没有认知的情况下让AI凭空生成idea。先锁定 2‑3篇带代码的最新顶会/顶刊论文作为起点，圈定研究细分范围：明确研究对象、侧重效果还是效率、做方法还是做基准数据集。
可以让AI先梳理领域近三年热点、梳理现有工作的解决范围与现存缺口，优先挖掘结构性空白；提问思路可以转换：不要问“如何改进方法”，改为思考“原有方法为什么会失败”。
2. 先发散再收敛，批量产出候选问题
利用AI完成广度发散，给定2‑3个核心关键词，要求输出多个差异化研究问题。
拿到候选idea后一定要人工核验：去学术数据库查证，确认该方向论文数量、最新发表时间、目标会议期刊偏好，避免AI编造文献、换术语重复已有工作、制造伪研究问题。
3. 多窗口角色扮演，主动排查idea缺陷
单轮对话很难挖出深层漏洞，善用新开对话窗口：让AI严格扮演审稿人，对候选idea做缺陷审查，迭代2‑3轮，挖掘假设漏洞、潜在实验风险。
对话轮次过多（>20 轮）时，生成交接总结，把当前结论、遗留问题、待做实验浓缩为提示词，方便换窗口、换模型继续迭代。也可以使用多个AI交叉校验，进一步排查逻辑硬伤。
4. 最终筛选打磨
AI输出仅为草稿，核心判断不能交给AI：
- 逐个核验idea，核对AI引用文献是否属实，排查逻辑冲突；只保留1‑2个最有潜力的方向深度迭代；
- 和导师、同行交流，提前准备好idea在创新性、重要性、可行性上的答辩思路。领域内的隐性经验（比如审稿人对贡献度的评判标准）是AI很难掌握的；
- 警惕两类常见陷阱：看似新颖却是社区不关心的伪问题；换名词包装，实际已有同类工作。
5. 工具定位摆正心态
AI可以帮我们拓宽思考广度，节省文献初筛时间，但无法替代深度阅读、独立思辨。真正高质量科研idea，是阅读、质疑、多轮讨论之后逐步沉淀出来的。
