大约一年前，Andrew D. Maynard撰写了一篇关于如何利用人工智能撰写博士论文的文章。
当时，Andrew D. Maynard使用 OpenAI 的深度研究模型，在短短4天时间内就完成了一篇勉强合格的论文。
在《有人4天时间撰写了一篇400多页的博士论文，AI时代的科学研究机遇挑战存》一文中，自留地君曾报道了Andrew的这个学术写作实验。
尽管这篇论文远非完美，而且它仅仅是对现有思想的综合运用而非原创研究，但这个学术写作实验向我们完美地展示了借助生成式人工智能的组合发现（以新的方式整合现有知识），生成式人工智能增强的流畅的写作技巧和惊人的速度，从而向人们诠释了基于大型语言模型的AI极大地加速学术研究和写作过程。
过去这几年间，人工智能生成和辅助的学术论文如雨后春笋般涌现，发表在期刊和预印本服务平台（如arXiv）上。
这一趋势既预示着新的研究和发现形式，也威胁着学术文献，使其充斥着大量的、粗制滥造的人工智能垃圾。
这种趋势令人担忧。一些学术界人士的职业生涯依赖于论文发表，他们越来越倾向于炮制人工智能撰写的论文，这些论文本身价值不高，却因为符合大众审美而被发表。
与此同时，越来越多的迹象表明，如果运用得当，基础和前沿人工智能模型可以成为研究和发现的高效加速器。
对于这一点，自留地君深信不疑。
昨天，跟几位老师在一起在线聊人工智能增强学术写作，大家都分享了各自的感受。
有不少人提及，AI 辅助写作输出质量不佳。
这就让我想起了 Andrew D. Maynard 教授一年前的这个4天400页博士学位论文的学术写作实验。
我们不妨解剖一下这个案例，
Andrew D. Maynard的这个学术写作实验，可以折射出怎样的流程？会为我们提供哪些经验和教训？
1、整个过程可以被理解成从大问题到小任务、分块生成、再整合成完整文本的体系化方法。
2、一次性用一个提示词尝试写完论文失败，输出结果“没有深度”，无法突破 10-20 页限制。必须采用“分块+递进+结构化”策略，这是Andrew整套流程的根本起点转折。
3、构建论文顶层结构，AI 为整个论文进行了基础研究，并输出了整体框架与章节大纲，包括：论文结构图、每章标题与内容要点、以及一系列基础参考文献（Foundation References）。
这种“论文地图 + 导读”是贯穿整个生成过程的核心。
让 AI 输出“论文结构图”，类似“写作路线图”，而不是“全文写作”，这个处理能够提升全文的一致性。大纲起到导航作用，避免章节之间内容偏离，也为后续分块任务提供“一致背景知识体系”。
4、分任务生成内容。作者将论文分成 8 个单独的子任务（依照先前的章节大纲），每一块都是单独向 AI 提问 / 请求撰写文本。
每次提问都提供以下输入上下文：Roadmap/章节大纲、基础参考文献、前面生成的内容（递进式添加前文）。
5、人工校对、修正与整合。
尽管 AI 生成了大量内容，但是，排版格式、引用格式、行文逻辑连贯性、引用真实性验证等等，所有这些都需要人工干预。
6、输出成 PDF 并完成最终格式整理，作者最后整理出了一个完整的 400 页文档。
Andrew D. Maynard 教授AI辅助写作的核心策略：
1、大任务拆分为小步骤
不要试图让 AI 一次性写完——把任务分解成逻辑清晰的分块，从宏观到微观逐层展开。
2. 全局框架优先
在每一轮指令之前，都用Roadmap + 大纲预设整篇论文的总体方向。
在一开始就锁定研究问题、研究尺度、学术层级，防止 AI 写成“百科全书”。
3. 前文内容滚动输入
每写完一部分，把生成内容 + 参考文献 + roadmap 一起反馈回 AI，用于下一轮prompt。
每一步的输出，都会成为下一步的输入。
4. 利用 AI 的“写作与推理能力”，不是盲目依赖事实检索
AI在史实引用、深度推理、Primary Source 检索上仍有不足，需要人工介入验证和补充原始资料。
5. 人工介入始终不可或缺（事实验证、判断原创性、构建新论点）
AI 写作适合生成结构性初稿 / 思路展开 / 重复劳动型文本工作
但真实性核查、原创贡献与论文价值评估仍需人工判断。
Andrew D. Maynard 教授使用 RACCCA 量表对 AI 输出进行持续评估：
• 相关性 (Relevance)： 是否直接解决子任务提示？
• 准确性 (Accuracy)： 历史日期、科学定律和理论是否正确？
• 完整性 (Completeness)： 章节是否涵盖了目录定义的所有方面？
• 清晰度 (Clarity)： 语言是否适合博士级学术受众？
• 连贯性 (Coherence)： 论证是否与前文逻辑衔接？
• 适当性 (Appropriateness)： 风格是否符合学科规范？
在整个这个人工智能加速学术写作的过程中，将学者的角色从“单一作者”转变成为了“人机协同的共同作者”，准确地说，不仅仅是“人机协同的第一作者”，而且兼“同行评审员”。
如果我们要把Andrew D. Maynard 教授“4 天 400 页”这个震撼故事，变成一套可重复的方法论，那就是：
1、不是“一次性提示词”，而是一个分阶段、递进式的提示系统；
2、每一类 Prompt 都有明确功能边界；
3、每一步的输出，都会成为下一步的输入；
4、人在环路中，人机协同，由人来做主导。
不要让 AI 自己决定结构，让 AI 在人所规定的结构内工作。
人是论文总设计师（Chief Architect），AI 是高速写作与推理引擎。
Andrew Maynard 的实验为学术工作的未来提供了技术概念验证，并且有力地证明了，生成式人工智能可以被当作强力写作助手与思路伙伴。
刺桐 Photo by Johnnie Walker