万事开头难，科研第一步“找Idea”往往是最痛苦的。看文献像大海捞针，看完又觉得别人的工作已经做得很完美了，自己无从下手。
其实，只要掌握正确的AI对话技巧，大模型（如Gemini、GPT、Claude等）完全可以成为你的科研最强辅助。今天分享一套我屡试不爽的4步法 AI 科研Idea挖掘工作流，教你如何带着高质量的方案去找导师，极大提高过稿率！

---

Step 1：精准定位，搜集高质量文献（Input阶段）

不要一上来就让AI“凭空捏造”研究方向，AI输出的质量取决于你输入的质量（Garbage in, garbage out）。

1. 选定细分方向： 越具体越好，不要选“人工智能医学应用”这种大词，要选“基于小样本学习的肝脏CT图像分割”。
2. 搜集文献： 去顶会（如CVPR、MICCAI等）或顶刊搜集近一年内的 5-10篇 代表性高质量论文。下载它们的PDF备用

---

Step 2：角色代入，让AI快速梳理文献骨架（提炼阶段）

将这几篇论文（建议打包或合并）直接喂给大模型（如Gemini），使用以下Prompt让AI进入状态。

💡 复制以下Prompt：

“你是一位研究 [此处替换为你的细分方向，如：生物信息学与单细胞分析] 的资深科研人员。现在我提供几篇该方向的最新顶级论文，请你仔细阅读，并从中系统性地提炼：每篇论文关注的核心研究问题、使用的方法/模型架构，以及最主要的创新点。”

目的： 这一步是为了让AI吃透当前的SOTA（State-of-the-Art）水平，建立该领域的知识基准，省去你几天几夜啃长篇大论的时间。

---

Step 3：深度追问，逼迫AI进行“交叉创新”（核心生成阶段）

这是整个工作流中最有价值的一步！AI擅长发现不同文献之间隐藏的联系和共同未解决的痛点。拿到Step 2的回答后，不要中断对话，继续使用以下Prompt进行追问：

💡 复制以下Prompt：

“非常好。接着，请你进一步跨文献分析：这些论文之间是否有共性的问题尚未解决？当前该领域有没有值得进一步研究、目前还没有很好解决的挑战？

针对这些挑战，能否提出一些新的、有可能有效的研究思路或方法框架？请帮我列出 5个左右 具备高创新性且可行的研究问题，并为每个问题详细描述：

1. 背后的研究动机（Why do this?）
2. 可能的技术路径和解决方案（How to solve it?）”

(进阶操作：如果AI生成的点子还不够深，你可以继续丢1-2篇最新的综述进去，让它结合综述继续收敛方向。)

---

Step 4：人工把关与“落地验证”（最关键的一步）

大模型负责发散思维，但它不懂你们实验室的“家底”。千万不要拿着AI生成的点子直接去干！

拿到这5个思路后，你需要结合以下几点进行筛选：

• 数据资源： 实验室有没有对应的数据集？能不能搞到开源数据？
• 算力限制： 这个方向需不需要上百张A100跑一个月？
• 自身基础： 数学推导强，还是代码工程能力强？

最终行动指南：
筛选出1-2个你认为最靠谱的Idea，结合AI写的“研究动机与技术路径”，做一两页简单的PPT。带着这个极其具体的方案去和导师、同门探讨可行性。
相信我，导师最喜欢“带着方案来讨论”的学生，而不是“问导师我该做什么”的学生。

---

📌 温馨提示：
如果你不知道如何把PDF喂给大模型，或者觉得官方网页版受限，可以尝试使用deepsider（操作示例详见附图👆）。

记住：AI只是辅助的引擎，你自己的专业判断才是方向盘。很多好点子稍纵即逝，赶紧去试试吧！