先划边界：AI能帮什么，不能替什么
讨论AI辅助科研写作，第一步不是找工具，而是划边界。学术写作的核心是研究设计、数据解释与学术判断，这些必须由作者完成；AI适合承担的是语言与结构层面的辅助工作。一个实用的判断标准是：如果某个环节出错，责任能否由作者独立承担并核验？能核验的，可以让AI参与；无法核验或涉及原创贡献的，应谨慎甚至避免。
需要明确的红线包括：不得让AI生成或篡改研究数据、不得把AI生成内容直接作为原创成果、不得用AI规避查重或伪造参考文献。多数期刊已要求披露AI使用情况，投稿前应查阅目标期刊的作者指南。
环节一：文献梳理与背景铺垫
这是AI相对可靠的用武之地，但有前提：只用于线索发现，不用于事实引用。AI可以帮你把零散笔记归类、生成主题词表、梳理某一方向的常见研究范式，从而加快背景部分的构思。
- 用AI对已下载文献的摘要做主题聚类，形成初步框架，再回到原文核对。
- 让AI列出某主题可能涉及的经典理论或方法名称，作为检索起点，而非直接写入论文。
- 所有拟引用的文献必须逐条查证原文，禁止直接采用AI给出的参考文献条目。
需要提醒的是，AI在文献细节上存在“看似合理实则错误”的风险，尤其是作者、年份与期刊信息。把AI输出当作检索提示，而不是资料库。
环节二：结构搭建与逻辑检查
论文结构是AI辅助性价比较高的环节。你可以把研究问题、方法要点和主要结果以要点形式输入，让AI给出几种引言或讨论的组织顺序，再自行取舍。更实用的是反向检查：让AI指出段落之间缺少过渡、论点与证据不匹配的地方。
- 用“请指出这段论证中证据不足的句子”这类指令，获得可操作的修改线索。
- 让AI把长段落压缩成一句话主旨，检验每段是否只有一个中心。
- 对讨论部分，要求AI列出“作者忽略了哪些替代解释”，帮助补全论证。
结构建议最终仍要服从学科惯例与目标期刊的格式要求，AI给出的模板只能作为参考。
环节三：语言润色与表达优化
语言层面是AI应用最成熟的领域，但要注意“润色”与“改写研究内容”的区别。适合交给AI的任务包括：纠正语法与搭配、拆分过长句、统一术语、调整时态与语态。不适合的任务包括：替作者补写结果、改写数据描述、添加未经证实的因果表述。
操作建议是分段处理、逐句核对：每次只输入一个段落，要求AI保留原意并标注修改处，作者再判断是否采纳。对于方法部分，术语和单位必须人工复核，避免AI“顺手”改错。结合尚辑Sagesci的润色经验来看，AI初稿后再经人工语言把关，通常比单独使用任一方式更稳妥。
环节四：图表说明与自查核对
图表标题、坐标轴说明和补充材料中的描述性文字，适合用AI做一致性检查：图注中的缩写是否与正文一致、单位是否统一、图表编号是否连续。投稿前的格式自查也可以借助AI生成清单，例如对照期刊要求逐项核对标题层级、参考文献格式与字数限制。
- 让AI根据期刊作者指南生成自查表，再人工逐项确认。
- 用AI检查全文缩写首次出现是否给出全称。
- 对回复信草稿做语气与逻辑检查，但事实性内容必须作者确认。
这类工作机械但耗时，交给AI能明显减少低级错误，也降低了因格式问题被退回的概率。
落地建议：把AI放进流程，而不是替代流程
更稳妥的做法是把AI嵌入既有写作流程的固定节点：构思阶段用于发散，成稿阶段用于结构与语言检查，投稿前用于格式自查。每个节点都保留人工复核，并记录使用情况以备披露。尚辑Sagesci建议作者建立一份简单的AI使用记录，注明环节、工具类型与核验方式，既方便应对期刊询问，也便于团队内部规范。
归根结底，AI提升的是效率，不是学术判断力。把可核验的环节交给它，把需要负责的判断留给自己，才是当前阶段更可靠的用法。
