用 AI 做研究：The Grounded Research Loop
用 AI 做研究，最靠谱的方式是走一个七阶段闭环——Frame（框定）、Gather（搜集）、Triage（筛选）、Extract（提取）、Synthesize（综合）、Verify（核验）、Cite（引用）——每一条结论都必须落回真实来源。这套方法学一次就够，换什么工具、做什么领域、用哪一代模型，它都成立。
用 AI 做研究，通常栽在两件事上：一是答案写得漂亮，引用却是编的；二是所谓的“综述”只是把论文一篇篇摞起来，始终没有自己的论点。The Grounded Research Loop 两个都治——它不绑定任何工具，是工具之上的那层方法。
The Grounded Research Loop——本站所有研究指南，都建立在这套方法之上。
你是不是这样？
被论文淹没
手里攒了 80 篇文献，却不知道到底哪些该写进综述。
AI 给的总结很浅
AI 只会说“A 发现了 X，B 发现了 Y”——这是清单，不是综合。
害怕引用是编的
一份没法逐句追回原文的 AI 综述，你根本不敢用。
两个观念，会彻底改变你用 AI 做研究的方式
有据，胜过流畅。一条追不回原文的结论，等于不存在。用 AI 做研究，最该养成的习惯是：优先用检索真实文献的工具，而不是生成看起来像模像样的引用的模型；任何一条结论，先核验，再采信。这也正是这套方法叫 grounded（有据）的原因。
综合，胜过总结。综述的价值不在于摘要堆了多少，而在于能否围绕观点、分歧和研究空白，立起一个自己的论点。这一行最常见的翻车方式——逐篇罗列（serial summarizing）——正是 Synthesize 阶段存在的意义。
The Grounded Research Loop：逐阶段拆解
七个阶段，把一个问题变成一份有据、经过综合、经得起查的综述。它是闭环，不是直线：核验和综合常常会把你打回去重新框定问题、或者再补几篇文献。下面每个阶段，都写清了它能避掉哪个坑、以及它产出什么。
1 · Frame
它做什么。把一个笼统的话题，收敛成能回答、有边界的研究问题。
防止：问题都没问清就急着找文献——这份含糊会一路带到最后。
2 · Gather
它做什么。靠检索（而不是生成）把候选文献捞出来。
防止：让工具“编”出参考文献，而不是真去检索——假引用就是这么来的。
3 · Triage
它做什么。筛掉噪音、排出优先级，定下哪些文献真正该进综述。
防止：找到什么都往里塞——噪音会把后面每个阶段都拖下水。
产出：Priority Map4 · Extract
它做什么。从每篇文献里，按同一套结构把事实抽出来。
防止：只写零散的文字摘要、不做统一的结构化提取——回头你根本没法把几篇研究放在一起比。
产出：Evidence Matrix5 · Synthesize
它做什么。围绕观点、分歧和研究空白来组织证据。
防止：逐篇罗列——“A 发现了 X；B 发现了 Y”——这是综述里最容易被扣分的头号毛病。
产出：Insight Matrix + Research Depth Score6 · Verify
它做什么。把每条结论都追回到具体的原文段落。
防止：轻信写得顺的输出；交出一条你既点不回原文、也答辩不了的结论。
产出：Confidence Check7 · Cite
它做什么。产出可追溯、格式规范的引用。
防止：自动生成的引用——要么压根不存在，要么原文根本没说你写的那个意思。
文献综述，就是把这个闭环用在已发表的文献上
文献综述并不是另一门独立手艺——它就是把 The Grounded Research Loop 对准已发表的文献来跑一遍。你 Frame 一个问题，Gather 候选论文，用纳入标准 Triage，Extract 出结构化的 Evidence Matrix，把主题与空白 Synthesize 成 Insight Matrix，逐条对着来源 Verify，最后 Cite 那些站得住的内容。不管你写的是叙述性综述、范围性综述、系统综述还是元分析，阶段都是这七个——变的只是 Triage 和 Verify 要卡多严。
每个阶段的深度指南都在本页底部，之后还会持续补充。它们全都建立在同一个闭环上。
沿途产出的命名工件
每个阶段都会产出一个有名字、能复用的东西。它们串起来，就是让综述经得起追查的证据链——也是本站通用的一套语言。
Priority Map · Triage
按明确的纳入/排除标准，把候选文献排序分层，好让力气花在真正要紧的文献上。
Evidence Matrix · Extract
一篇文献一行，列出研究问题、方法、样本、结论和局限——横向对比就靠它。
Insight Matrix · Synthesize
主题作行、文献作列，格子里标出“一致 / 矛盾 / 没提”——提取到此变成论点。
Research Depth Score · Synthesize
一个 0–100 的分数，用来衡量你的综述究竟“综合”得有多深，而不只是“总结”——看跨文献整合、矛盾处理、空白识别和 grounding 四个维度。
Confidence Check · Verify
每条结论都追回原文段落，标成“有据 / 偏弱 / 没有支撑”——确保交出去的东西都站得住。
这就是一条提示词版的 Synthesize 阶段。完整的 Research Prompt Pack 为闭环的每个阶段都提供了实测提示词——Frame、Gather、Triage、Extract、Synthesize、Verify、Cite——另加 Confidence Check 与 Depth Score 提示词。
下次用 AI 做研究之前，先把这张清单打出来
把闭环从头到尾跑一遍。清单刻意很短——它只保证两件事：结论有据，综述真的做到了综合。
AI 能把几周的研究压缩到几小时。但证据到底意味着什么、面对评审时怎么为一条结论辩护——这些还得你自己来。
真正耐用的做法其实很朴素：把闭环练熟，让每条结论都有据，按观点而不是按作者来组织。工具年年换，方法一直在给你复利。
深入学习：按阶段划分的指南
- Research Paper Reading Workflow
Extract · 更快读懂密集论文，同时不牺牲严谨 - Literature Review Synthesis OS
Synthesize · 把多篇论文汇成一个论点 - Deep Research OS
Gather · 跑一遍完整的多来源研究 - Source Organization
Triage · 分析之前，先把语料结构化 - Multi-Book Synthesis
Synthesize · 跨长篇来源做整合 - Deep Research Strategy
Frame · 设计研究问题与检索策略
常见问题
如何用 AI 做研究而不出现编造的引用？
使用检索真实来源的工具，而不是生成参考文献的模型；让每条结论都绑定到来源段落；在引用之前跑一遍核验 —— 也就是 Confidence Check。在 The Grounded Research Loop 里，grounding 贯穿每一个阶段，而 Verify 阶段的存在就是专门用来抓出无支撑的结论。
文献综述用哪个 AI 最好？
没有单一最优的工具。多数研究者会组合使用：一个发现类工具（Elicit、Consensus 或 Semantic Scholar）、一个提取与综合的工作台（例如用 NotebookLM 处理你自己的来源集）、以及一个引用核查工具。比工具更重要的是方法：一套让每条结论都可追溯的、分阶段的有据工作流。
AI 能替我写文献综述吗？
AI 能加速机械性的工作 —— 发现、筛选、提取和起草 —— 但论点、解读与批判性评估仍然属于你。AI 的产出是起步的脚手架，不是一份完成的综述。
总结（summary）和综合（synthesis）到底有什么区别？
逐篇罗列（serial summarizing）是一篇接一篇地复述来源，没有整体论点。综合（synthesis）则围绕观点、共识、矛盾与空白来组织证据 —— 段落锚定在概念上，而不是作者上。综合，才是让一份综述值得一读的东西。
学术研究中使用 AI 可以接受吗？
多数机构接受在"披露使用 + 核实产出"前提下的 AI 辅助，性质类似使用统计软件。请遵循所在机构的规定，保持人在环中做判断，并确认每一条引用都真实存在。
The Grounded Research Loop 能用在 NotebookLM 以外的工具上吗？
可以。这个闭环与工具无关。NotebookLM 是"基于你自己的来源做有据分析"的一个优秀参考实现，但每个阶段都可以用任何你顺手的、有相应能力的工具来跑 —— 真正能跨工具、跨模型代际传承的，是方法本身。