別再叫 AI 幫你整理論文主題：用研究提問鷹架，把模糊念頭問成能寫的研究問題

你有沒有過這種經驗：打開 ChatGPT，輸入「幫我整理一下某某論文主題」，然後得到一篇看起來很完整、卻完全不能放進論文的回答？看似條列整齊、語氣權威，但每一句都像是從十篇部落格文章平均出來的內容，沒有立場、沒有理論、沒有可查證的文獻，更談不上能幫你逼近一個值得寫的研究問題。

問題不在 AI 笨，而在於問題本身太寬鬆。話說回來，當你給了一個約略的主題，AI 自然只能回給你一份網路平均值。與其怪 AI 不夠聰明，不如先回頭練好一件更基本的事：學會問對問題。

我所設計的研究提問鷹架小工具，要解決的就是這件事。它無法幫你寫論文，而是幫你把腦中那團還說不清楚的研究念頭，重組成一個 AI 真正接得住的問題。接下來，讓我帶你拆解它背後的方法，並用一個完整的真實案例走一遍。

為什麼問得好，比答得好更重要

跟 AI 協作研究，有一個很多人沒意識到的轉移：你的工作重心，從自己想出答案，變成設計出能逼出好答案的問題。

這並不是偷懶，甚至更困難。因為一個好的學術提問，必須同時交代清楚四件事：你要 AI 站在誰的位置思考、你的研究處在什麼脈絡、你這一次到底要它做什麼，以及你希望它用什麼形式交付？少了任何一部分，AI 就會自己腦補，而它腦補的方向，通常就是那個網路平均值。我在《提示詞會過期，你不會：真正值錢的是提問力與你的聲音》裡談過：當 AI 把執行變便宜，提問力反而成了最難被取代的能力。

研究提問鷹架把這四件事拆成四個欄位，並且各佔 25% 的脈絡完整度。介面上有一個即時的儀表，你每填一欄，完整度就往上跳。這個設計很聰明：它把「你有沒有把話講清楚」這件原本很抽象的事，變成一個看得到的進度條。

下面我用一份針對「AI 與勞動失業」學術論文設計的真實提示詞，逐欄拆給你看。

第一欄 角色（Role）：先決定 AI 站在哪裡

很多人問 AI 不設角色，於是 AI 預設用一個中立的萬事通語氣回答，而中立的萬事通最擅長的，就是講放諸四海皆準卻沒有用的廢話。

設定角色，等於替 AI 框定知識範圍與立場。看這份範本怎麼寫：

請你扮演一位熟悉「人工智慧、勞動市場變遷、失業風險敘事與傳播研究」的跨領域學者。你的專長包括 AI 自動化與職業替代、勞動經濟學與技能偏誤技術變遷（SBTC）、媒體如何框架化 AI 失業、議題設定與框架理論、質性研究設計、APA 第七版引用規範⋯⋯

請注意，它不只給了一個頭銜，還列出具體的知識領域。更關鍵的是最後這句立場設定：

你的立場應保持批判性與平衡性：不要把 AI 簡化成「必然消滅工作」或「必然創造更多工作」的單一路徑，而是分析不同產業、職業、技能層級與制度條件下的差異。

這一句，直接把 AI 從一個會選邊站的鄉民，拉回成一個會分析條件差異的研究者。角色寫得愈具體，AI 的回答就愈不會滑進空泛。這也是《像專家一樣提問，並且獲得專業的回饋》一直在強調的：你把對方擺在什麼位置，往往就決定了你會拿到什麼層級的回答。

第二欄 脈絡（Context）：告訴 AI 你的研究長什麼樣子

脈絡是這四欄裡資訊量最大的一欄，也是最決定成敗的一欄。它要回答的是：你的研究背景是什麼、你真正關心什麼、有哪些不能踩的線。

這份範本的脈絡欄做了三件事，值得你抄走當模板。

第一，它清楚劃出研究的真正關懷，而不只是主題：

我關心的不是 AI 是否真的全面取代人類，而是社會如何理解與想像這件事。

光這一句，就把研究從「預測哪些工作會消失」這條人人都在走的紅海，轉而投入少有人走的藍海。當 AI 接到這句，整個回答的重心就變了。

第二，它把可能的理論視角全部攤開：框架理論、議題設定、風險社會、敘事理論⋯⋯這等於告訴 AI：請在這個理論光譜裡幫我思考，不要憑空生出不相干的概念。

第三，也是最容易被忽略的：它明確寫下了限制條件。

不要把新聞、社群貼文與受訪者的說法，直接當成客觀事實。不要捏造文獻、研究資料、作者、期刊或 DOI。不確定的資訊，請清楚標示「待查證」。

討論 AI 對就業的影響時，要區分「職業消失」「工作任務重組」「工作量減少」與「焦慮感上升」。

這幾條限制，每一條都在堵住 AI 的一個典型壞習慣：捏造文獻、把訪談說法當成事實。研究生最常被 AI 坑的就是假文獻，而這份脈絡在問題還沒被問出口之前，就先把這個坑填好了。

第三欄 任務（Task）：一次只問一件事

鷹架對任務欄的提示是「愈聚焦愈好，一次問一件」。這是很多人做不到的紀律，因為我們總想一次把所有事都問完。

但 AI 跟人一樣，你一次丟五個問題，它每個都只能回得很淺。這份範本的任務欄就堅守崗位，它沒有要 AI 又寫文獻回顧又設計訪談大綱，只問了一件事：

根據上述研究方向，提出 3 個可行、具有研究價值且能執行的研究問題版本。

而且它還把「一個好的研究問題版本該長什麼樣」拆成七個子項目：正式表述、核心矛盾、理論視角、資料類型、研究方法、與既有研究相比的新意、可能的研究風險。這不是把任務變複雜，而是把同一件任務的驗收標準講清楚。

第四欄 格式（Format）：決定你拿到的是草稿還是材料

格式欄雖然是選填，卻直接決定你能不能直接使用 AI 的產出。範本這樣寫：

請以繁體中文回答，總長度約 1,500 至 2,000 字。請用表格呈現三個研究問題版本，欄位包括：版本、研究問題、核心矛盾、理論視角、資料與方法、研究貢獻、風險與修正建議。表格後再補一段約 300 字的分析，指出哪一個最適合發展成博士論文、哪一個最容易蒐集資料。

它指定了語言、字數、用表格、表格欄位，甚至連表格後要附什麼分析都交代清楚了。這樣換來的回答，常常複製貼上就能進你的研究筆記，而不是還要再花半小時重新整理。

格式欄最後還補了一句很重要的要求：

若涉及文獻，請以作者、年份方式標示，文末列出 APA 7 格式參考文獻，沒有把握的文獻不要列入。

再一次，它在格式層面又補了一道防假文獻的鎖。

不要只問一次：三層迭代追問

把四欄填好、組出第一個結構化提問，只是起點。研究提問鷹架還內建了一組「三層迭代追問模板」，對應三個動作：要依據、找反例、要來源。

意思是，當 AI 給你第一份回答後，你不該照單全收，而是接著追問：

這個判斷的依據是什麼（要依據）。有沒有反過來的案例或相反的研究結論（找反例）。這個說法可以追到哪一篇可查證的文獻（要來源）。

這三層追問，本質上是把學術研究最核心的懷疑精神，變成一組你可以反覆套用的句型。AI 第一輪給的東西往往漂亮但脆弱，真正有價值的內容，常常是在你逼它交代依據、面對反例之後才浮現的。

▲ 喜歡這類 AI × 學術研究的實戰心法嗎？歡迎訂閱 Vista AI 靈感補給站，我會持續把最新的工具用法與趨勢解讀，第一時間送到你面前。

兩個讓人安心的設計

最後補兩個容易被略過、但對研究生很實際的點。

一是隱私：你填進去的所有研究構想，都只存在你的瀏覽器裡，不會上傳到任何伺服器。對還在保密階段的研究題目來說，這一點很要緊。

二是它不只給你提問框架，還附了 AI 協作界線卡與文獻回顧矩陣，幫你想清楚哪些事可以讓 AI 做、哪些事必須自己來，避免在不知不覺中，把該由研究者承擔的判斷外包出去。

把工具當成肌肉，不是拐杖

回到最開始那個情境。同樣是研究 AI 與失業，「幫我整理這個論文主題」拿到的是網路平均值；而走完角色、脈絡、任務、格式四欄，再加上三層追問，你拿到的是三個帶著理論視角、資料方法與研究貢獻，而且標好待查證文獻的研究問題版本。

差別不在 AI，而在你問問題的方式。

這正是這個時代研究生最該練的一塊肌肉：不是把思考外包給 AI，而是把它當成一個能陪你逼近好問題的研究夥伴。如果你想更進一步，把單次的好提問變成一套能重複運作的系統，可以參考我寫的《研究者如何打造一個可重複運作的學術副駕駛》。工具會幫你把鷹架搭好，但爬上去看見風景的，始終是你自己。

如果你想更有系統地把這套方法練成本能，從怎麼問、怎麼追問，到怎麼讓 AI 安全地進入你的論文寫作流程，歡迎報名我所開設的 AI 賦能學術研究與寫作實戰工作坊。把你手上那個還說不清楚的研究念頭丟進去試一次，你會很快感覺到：原來，只要問對問題，研究就有了好的開始。

現在就打開研究提問鷹架，把你正在煩惱的那個題目，問成一個 AI 接得住的問題吧。

---