用顶级模型搞科研：上下文管理比什么都重要
用顶级模型搞科研，我最深的一条经验是：上下文管理一定很重要。
不要指望一上来就让它吐出能直接写进论文的创新点。先把该读的文献喂进去，再把当前阶段锁死，最后用人的判断多轮迭代。核心就三句：先喂高质量上下文，再严格限制阶段，最后用自己的 taste 慢慢打磨。
一、先定边界，再做文献上下文
研究主题不能空着交给模型。要结合自己的兴趣、组里已有方向，以及手里的数据集、显卡这些硬条件，先把研究边界划清楚。边界不清楚，后面检索和创新都会飘。
文献这边，我常用 IEEE 和 Elsevier。一般下载 30～40 篇最近 3～5 年、跟主题最相关的论文就够了，少一点 20～30 篇也可以。全部导入 Zotero 管理。生态成熟，翻译、总结类插件都好找；Codex 也有 Zotero 插件，可以直接读库里的文献。读取这一步尽量丢给子代理，少占主会话的上下文。
三四十篇自己精读，没个半个月很难看完。可以先用站里常见的 AI-butler 一类插件做初步筛选和总结：几分钟内知道每篇大概在干什么。这也是渐进式披露——不是每篇文献都分配同等注意力，把精力留给真正重要的那几篇。
筛到最后，精读只留 3～5 篇。既要自己读透，也要喂给 AI。一次塞太多，模型很容易给出拼凑式创新，背后就是注意力被摊薄。范围缩小之后，建议把 PDF 转成 Markdown 再给它读，比直接丢 PDF 更稳。
这一步必须 human in the loop。写论文得有自己的主见。当前模型基本分不清什么叫真正的创新、什么叫普通执行步骤或训练小技巧，还爱输出又长又抽象、读起来像缝合的句子。taste 只能人来把关。
二、创新点探讨：锁死阶段，渐进披露
很多学术 Skill 会覆盖科研全流程。一聊创新点，就容易被连带触发：后面的实验步骤、针对创新点的防御式声明，一股脑跟出来。你现在并不需要这些。
提示词里把阶段写死：
当前是创新点探讨阶段，严禁跟我讨论任何其他阶段的内容。
不加这一句，模型会把注意力铺到整条流水线上，输出又长又散，幻觉也更容易冒出来。锁在「只谈创新点」上，回答会短一些、干净一些。
也不要指望一轮对话就拿到能直接放进正文的方法。科研很多时候就是在已有工作上讲清楚故事。可以按下面三步走：
- 明确主题与条件
告诉它：我想做「XX」，目前基于什么假设、什么实现条件。这一块必须自己把握。 - 在已读文献里找可迁移思路
让它检索本机 Zotero 里的文献，找出场景最接近、最好迁移的几篇，给出可行思路。精读那 3～5 篇就够。 - 继续锁在探讨阶段
再次强调：现在只谈创新点，不要后续实验、写作、防御声明。
这一步做对了，它通常只会给几段短思路，不会提前铺公式，也不会甩一堆难懂长句。然后你按自己的 taste 挑 1～2 个觉得初步可行的，让它再展开。一轮一轮补逻辑，才会慢慢变成一条说得通的路，而不是一上来就拼凑、毫无美感的「创新点」。
场景类、机制类、算法改进都可以做，但必须以你为准。后面很多执行都可以交给模型，你负责把关；唯独创新点这一环，人要花的时间占比最大。
每次迭代都要人工过目。现在各刊投稿量上去了，真正有质量的文章比例并没有跟着涨。taste 没上来，再被 AI 放大，垃圾文只会更多。
三、写作：大任务拆小，按段落交付
论文写作同样吃上下文。哪怕你已经把全文细节都聊清楚了，让它一次性生成，质量通常仍很差、也不完整。窗口再大，真正好用的注意力范围也有限。工程开发和写论文都能用同一条原则：大任务分解，每次只做一个小任务。
论文结构本身就适合拆：
- 一级：整篇论文
- 二级：摘要、引言、方法、实验、结论
- 三级：每一段
写多了会发现，段落功能高度固定，换汤不换药。以引言为例：
- 研究背景和意义
- 文献综述（可占两段）
- 现有研究不足
- 本文创新点
- 后文内容提要
再往下可以拆到句子，比如第一段第一句交代背景，第二句点出不足。不必一开始就拆那么细。写作时以每一段为最小单元，前提是你心里清楚这一段要起什么作用，先有蓝图再让模型填。
四、防御性写作：禁止项也会被写进正文
有人会遇到这种：数据集有一小部分质量不行，让模型剔除。就算已经说了不要做防御性解释，它仍会在实验产物和报告里写「有数据被删除了」——此地无银三百两。
这和「西红柿炒蛋不要放糖」，它却回复「我特地没有放糖」是一类问题。禁止项被当成需要向读者交代的成就。
可以试 GitHub 上的 Anti-Defensive Writing 技能，专门压这类写法。更根本的仍是人工把关：模型又强又蠢，缺人那种灵动和基本意识。过不了关的句子，就自己改掉。
品味怎么长，看个人。你自己越强，经过模型放大，产出才越好。
