把一个题目扔给 GPT-6 Astra，然后等它吐出一篇 SCI 初稿。
接下来，AI 便会洋洋洒洒输出几千字的文案。
然而，新的问题很快就来了。
哪篇文献支撑这句话？哪个结果该放进 Discussion？改题后，旧稿又该从哪里接着改？
......
与其让AI “自由发挥”，不如每次只交一个明确任务，下一步继续使用上一步留下的文件。
| 总体思路
先建一个论文项目文件夹，让 GPT-6 Astra 每次只接手其中一小部分材料。
写完一个文件，就把文件交给下一步，整篇论文因此有了可追溯的接力顺序。
research-paper/├── question.md├── evidence-card.md├── results-summary.md├── paper-map.md├── drafts/│ ├── 01_introduction_v1.md│ ├── 02_methods_v1.md│ └── 03_results_v1.md├── claim-audit.md└── journal-pool.md
文件名不必照抄，只要每次都知道材料从哪里来、写完后放到哪里，后面的对话就能顺着项目继续。下文，我们将完整展示这套流程是如何串起来的。
文件 | 写什么 | 用在哪里 |
question.md | 研究对象、现象、机制 | 检索与证据卡 |
evidence-card.md | 文献判断与原文位置 |
搭论文骨架、核主张 |
results-summary.md | 结果表、图、统计输出 | 写 Results 与 Discussion |
paper-map.md | 每节问题、材料、交付文件 | 逐节写初稿 |
drafts/ | 分节版本与修订记录 | 合稿与回改 |
claim-audit.md | 主张、证据、修订句 | 改 Discussion 与引文 |
journal-pool.md | 候选期刊与投稿条件 | 确定投递顺序 |
| 01 定问题
首先，不用急着马上确定课题，先在项目根目录新建“question.md”，也就是检索与证据卡。
里面只写研究对象、待解释的现象，以及准备比较的两三条机制，再放入开题材料和 5—10 篇核心参考论文。
使用 GPT 读取文件并检索补充资料后，把材料整理成“evidence-card.md”，即文献判断与原文位置。
这给文件里只保留能用得上的内容。每一条判断都带着论文、年份、页码或图表位置，留下能回到原文的证据清单。
本轮大家还可配合 ARS-Codex。这个 Skill 适合把选题讨论收束成可检索的问题与文献证据卡。
https://github.com/Imbad0202/academic-research-skills-codex
### 本轮提示词我正在推进一篇 SCI 论文。请读取我提供的开题材料与核心文献，并围绕下面的研究问题建立 evidence-card.md。研究问题：[粘贴一句明确的问题]研究对象与情境：[粘贴]已有材料：[列出文件名]请只输出四部分：1. 已有研究的共识；2. 可直接比较的分歧；3. 与本研究最相关、但证据仍不完整的空缺；4. 每条判断对应的来源、页码或图表位置。不要替我发明文献。无法定位的位置写“待定位”。
| 02 搭架子
接下来，我们把AI建立的 “evidence-card.md”，和我们当前已有的结果表、图、实验记录，也就是“results-summary.md“，放在同一项目目录。
让 GPT-6 Astra 继续建立 “paper-map.md”，即每节问题、材料、交付文件。
先把每一节要解决的问题排出来，正文放到下一步。
Introduction 该接哪几条文献，Methods 缺哪项流程信息，Results 应该出现哪张表，Discussion 准备解释什么，都写进这张图纸。
最后，在每一节后面再加一行“交付文件”。后续写作就有了固定落点。
本轮可配合 paper-skill。它的写作流程能把中文研究材料组织为面向英文投稿的论文骨架。
https://github.com/cLin-c/paper-skill
#请基于 evidence-card.md、results-summary.md 和我的目标期刊方向，生成 paper-map.md。每一节都单独写清：这节只回答什么问题；可调用哪些文献、数据表或图；需要补齐什么材料；写完后应保存为什么文件。请按 Introduction、Methods、Results、Discussion、Abstract 排列。不要提前扩写成论文正文。
| 03 分节写
全稿一起写，很容易把材料和版本搅在一起。
这一轮只打开一个小目标。
比如写 Results，就把对应的 “paper-map.md” 段落、结果表、图注和统计输出交给 GPT-6 Astra。
让先列出本节的发现顺序，再生成段落初稿。
每一轮都保存独立版本，例如“drafts/03_results_v1.md”。
Discussion 也沿用这个节奏，先放入结果段和证据卡，再要求 GPT-6 Astra 写出能够贴回具体发现的解释。
本轮继续配合 paper-skill。它适合承接已有结果和证据，完成分节英文初稿。
### 本轮提示词请为 Results 的第 [X] 小节写英文初稿。本节问题：[粘贴]允许使用的结果：[粘贴统计结果、图表编号或结果摘要]允许使用的解释范围：[粘贴 paper-map.md 中本节内容]请按“发现—量化结果—图表指向”组织为 2—4 个短段落。所有数值、方向和显著性必须来自我提供的材料。最后另列出本节仍缺的图表、单位或统计信息。
| 04 修主张
初稿完成后，先不急着追求句子漂亮。
把每个段落拆成一条条可检查的主张。
GPT-6 Astra 对照“evidence-card.md”、表格和原始引文，生成“claim-audit.md”。
这份文件写明一句话用了什么证据，也写明哪句话需要补来源或收回力度。
之后再做英文改写。语言会更干净，段落之间也能顺着论证往下走。
本轮可配合 Anti-Defensive Writing 与 ref-verify。
https://github.com/Kiterlin/anti-defensive-writing
https://github.com/Moonweave-Research/ref-verify
前者处理冗余铺垫。后者核对 DOI、题名、作者、年份和文献状态。
### 本轮提示词请审计我粘贴的 Discussion 段落，并生成 claim-audit.md。可用材料：evidence-card.md、结果表、图注、参考文献列表。逐句输出：1. 这句话的核心主张；2. 对应的数据或引文位置；
3. 主张与证据是否贴合；4. 可直接替换的英文修订句。修订时保留我的研究对象、数据方向和引用编号。
| 05 定期刊
等 Abstract 和 Discussion 有了稳定版本，再开始选刊。
把论文摘要、关键词、方法、主要发现与排除条件交给 GPT-6 Astra，建立“journal-pool.md”，即候选期刊与投稿条件。
接下来，我们可以可以让 AI 直接去浏览期刊官网，每本期刊单独留一行。范围匹配、文章类型、字数要求、开放获取选项、投稿文件和查询日期。也可以考虑配合 journal-recommender Skill。它能更高效地把期刊官网上的范围、元数据与风险信息整理进候选池。
https://github.com/zero565656/journal-recommender
### 本轮提示词请根据我的摘要建立 journal-pool.md，并浏览期刊官网补充当前信息。研究领域：[粘贴]研究对象：[粘贴]方法与数据：[粘贴]主要发现：[粘贴]排除条件：[例如不接受 OA-only、不要纯综述刊]每本候选期刊只写一行，包含范围匹配理由、文章类型、投稿要求、开放获取情况、官网链接和查询日期。按“最适合先投”排序。
| 尾声
走完五步，项目目录里会留下问题文件、证据卡、论文骨架、分节稿、主张审计和选刊池。
下次改题、补实验、回审稿意见，都能从对应文件接着走。GPT-6 Astra 终于不再只负责生成一篇看完就散的长文。
文中项目均可在各自 GitHub 页面按 Codex 安装说明部署。首次装好后，真正高频使用的是上面五组工作指令。
