论文选题，最让人卡住的时刻，是文献已经下了一堆，却还是说不清自己要研究什么。

刚开始读研，导师说：“先多看看文献，找一个方向。”于是打开知网和 Google Scholar，搜索、下载、建文件夹。十几篇变成几十篇，几十篇又变成上百篇，半个月过去了，熟悉的词越来越多，题目却依然没有落地。

问题往往出在阅读之后：哪些结论已经有了共识，哪些研究仍有分歧，现有方法究竟在哪些条件下不够用？如果这些关系没有理出来，再多摘要也很难自然拼成一个研究问题。

把 AI 放进选题过程，可以先让它帮你整理材料、提出候选问题，再用证据和条件把题目逐步收窄。

下面沿用参考文章的 ESG 案例，把“找缺口—构思题目—压力测试—开题大纲”完整走一遍。案例中的候选方向和题目用于演示分析方法，不是本轮已运行得到的研究结果；配图取自 AI4Paper 官网，展示实际入口，图中演示文献也不等同于 ESG 案例。

第一步从泛读到精准透视，深挖 Research Gap

不要一上来就让 AI 凭空给你十个“前沿创新题目”。先给它一组边界清楚的文献，让问题从具体材料中长出来。

材料可以从近三年的领域综述起步，再按主题补充经典理论和关键实证论文。近三年不是硬性限制：一篇较早但仍在被讨论的研究，可能正好解释后续争议从哪里来。筛选时看相关性与证据，别只看年份或期刊标签。

在 AI4Paper 中先整理这组论文，核对题名、年份与可用正文。只有摘要的材料，能帮助了解大意；要讨论方法、识别策略和作者承认的局限，尽量回到全文。

读完一篇，就记下研究问题、样本、方法、主要发现和局限。这样后面做跨文献比较时，拿到的是一组可对应的条目，而不是一堆互不相连的摘要。

① 从已有材料里提出三个候选缺口

Zotero 插件中，可在“阅 → 写作平台”选择当前要处理的文献范围，再用研究 Gap 分析，并把结果保存为笔记。范围里混进无关论文时，先调整再运行。

沿着参考文的思路，可以先把候选问题放在下面三个方向里。此时先保留多个可能性，不必急着决定哪个一定最好。

② 交叉审视这三个方向，再做排序

一个题目听起来新，不代表它适合现在就做。把同一组材料交给不同角度审视：理论上说不说得通，方法上能不能识别，数据上拿不拿得到。

这里在 AI4Paper 的问答或写作辅助中分轮提出问题，分别保存回答。把“理论评审、方法评审、数据评审”作为提示词中的分析任务使用；它们是不同审视角度，不是已经有三位真人或多个独立模型替你完成了评审。

例如，在“能够获得多家机构评级与资本市场数据，但暂时缺乏可靠外生冲击”的条件下，可以先把方向一放到前面：它更容易收敛到明确变量和可检查的机制。方向二的难处往往在因果识别；方向三覆盖面较广，需要先把对象和契约关系进一步缩小。

这是这个条件下的排序示例，保留的是“方向一 → 方向二 → 方向三”的比较过程。若你拿不到多机构历史评级，却有适合方向二的政策或实验数据，顺序就应改变。真正决定推进顺序的是证据和资源条件。

跨文献的差异，可以在“维度比较”里按研究问题、理论、数据、方法、发现和局限整理。把论文放在同一套维度下，才容易看出“结论不一致”究竟来自机制不同，还是样本和测量口径不同。

AI4Paper 官方指南：写作平台、研究 Gap 与维度比较

第二步针对 Gap，开启“多角度会诊”构思题目

方向有了，离一个能开题的题目还差一步。只写“ESG 评级分歧的经济后果”，范围依然很宽；需要继续补上研究对象、关键机制与可以落地的方法。

先把方向一作为主线，告诉 AI 你的学位阶段、方法偏好和数据约束。与其反复要求“再创新一点”，不如让它解释新意具体落在哪一层。

沿着这个问题，可以把参考文里的创新线索拆成两部分：一部分是评级方法论透明度，另一部分是文本信息与市场反应之间的连接。公开方法论文件、企业报告与新闻材料，分别承担不同的测量任务。

例如，先用词频或语义分析整理机构如何描述环境、社会与治理指标，再通过人工核对，判断这些文本差异能否形成有解释意义的指标。不能因为两段话相似，就直接认定两家机构的评价标准相同。

高频的月度或周度 ESG 新闻情绪，也可以作为待核的数据线索。先检查时间覆盖、新闻去重、企业匹配与情绪识别质量，再考虑它是否适合进入研究设计；频率更高，本身不等于识别更可靠。

① 不急着选最漂亮的题目，先比较两条路线

一条路线，是以季度或年度材料搭建基础样本，先把指标构造、机制和基本关系做清楚；另一条路线，是加入周度、日度或新闻事件的信息，追踪更细的动态变化。

这里有三个容易混在一起的概念：方法论透明度，是评价依据披露得多清楚；语义契合度，是指定文本之间在既定规则下的相似或对应程度；评级分歧，是同一企业在不同评级中的差异。先分别界定，再讨论它们之间的关系。

② 把比较结果整理成可决定下一步的材料

参考文用“一键总结”收束不同回答。换成 AI4Paper 后，先把各轮结论和依据存入素材，再用明确的汇总任务处理。下面四项是可以交给 AI 的任务名称，便于复用，不把它们说成四个固定产品按钮。

网页端素材区支持把选中素材“一键梳理”，整理出问题、观点、分歧、缺口和可写线索，并对应材料编号。可以先用它把材料梳理清楚，再继续追问上面四类任务。对仍未确认的信息，保持待核实状态，别提前带进正式论断。

第三步终极排雷，开题前做一轮“压力测试”

假设目前更想推进题目 C：“ESG评级分歧、跨文本语义契合度与债券定价效率——基于NLP文本挖掘与高频情绪的动态研究”。先别急着把它发给导师，给这个题目安排一次专门找问题的讨论。

越早发现做不下去的地方，越有机会在开题之前调整题目。

先查构念：这些变量测到的到底是什么

评级分歧与跨文本语义契合度，不能只因为都来自文本和评级信息，就默认是两个独立、清晰的构念。要说明比较的是机构方法论文档、机构评级报告，还是企业披露文本；以哪种单位、哪个时间点进行比较；指标高低分别意味着什么。

若两个指标共享大量信息来源，要检查重叠、共线性与共同测量误差。对“方法论透明度”的判断，也需要一套能被他人复核的编码规则。先做少量人工核对，再扩大计算，比直接批量跑一列相似度更有用。

再查数据：现在看得到，不等于历史上取得到

评级机构网页上展示的可能是最新方法论。研究历史变化时，不能用今天的文本代表几年前已经公开的信息，否则容易把未来信息带回过去。先确认历史版本、发布日期和评级对应时点能否还原。

如果方法论历史版本缺失，可以考虑把范围改到能追溯时间的公开评级跟踪报告、企业年度报告等材料。但这种替代会改变研究对象和解释含义，题目、变量定义与理论论证也要一起调整。

再查市场指标：有利差，不等于测到了定价效率

债券二级市场中，不同品种的交易活跃度可能相差很大。拿到价格或收益率字段，还要检查无成交、报价延续、缺失和样本覆盖，确认是否足以支持日度或周度的动态分析。

如果最终只能可靠研究信用利差或发行定价，就把问题明确写成利差或发行定价。不要把相邻但不同的指标，换一个更宏大的名字继续使用。高频数据拿不到时，也可以转为月度、季度或发行事件层面的研究。

最后把理论线索也过一遍：投资者异质信念、信息不对称与企业信息披露，哪一条才是你的主机制？它需要哪些证据，出现什么结果时会不支持你的解释？把这些写出来，才不会只剩“NLP 加一组回归”。

各轮分析里共同指出的风险，优先处理；只有一轮提出的严重问题，也单独留在核查表里。汇总意见是为了安排检查顺序，最终仍要靠文献、数据与导师讨论来决定。

第四步收拢研究主线，生成开题报告大纲

如果上一步确认高频情绪和二级市场指标难以支撑原设计，可以把题目收窄为：“ESG评级分歧、跨文本语义契合度与企业债券发行定价——基于评级跟踪报告文本挖掘的研究”。

这个调整保留了 ESG 评级分歧、文本信息与债券市场的主线，把尚未验证的“高频情绪”“定价效率”从标题里拿掉，并明确转向有相应资料时才能推进的发行定价。它仍是待论证的题目，之后还要结合样本核查继续修改。

现在把文献依据、方向比较、数据核查和风险处理结论放在一起，再进入写作。网页端可以在“AI 帮写”面板请求起草框架；插件里则把整理后的素材交给写作区，再打开稿件编辑器。用下面的提示词写开题大纲，不把“生成综述大纲”误当成专门完成开题设计的按钮。

开题大纲示例｜四个模块都要接上前面的判断

时间安排也跟着路线拆：先做资料可得性与小样本测量，再决定是否扩展样本；完成基础分析后，再补机制和边界。开题汇报时，把“已确认什么、还缺什么、下一步先验证什么”一起讲，讨论会更聚焦。

从这里开始，你手里应该逐渐形成四份可以继续修改的材料：一份带出处的文献缺口记录，一份方向与题目比较，一份数据和方法风险清单，以及一份有研究主线的开题大纲。

这套流程的价值，在于把“我还没有选题”的模糊状态，拆成一连串能够检查、讨论和推进的问题。AI 提供整理与追问的帮助，你负责挑材料、查依据，也负责最后的研究取舍。

AI4Paper 官方指南：网页端素材梳理与写作辅助

今天就从 3—5 篇同一问题附近的核心文献开始。整理它们的研究问题、方法、证据、结论和局限，先提出三个候选问题，再带着能核对的材料去讨论。选题，就从这一小步往前走。

参考：科研碎碎喵《研究生必看！AI时代论文选题到底怎么找？（保姆级教程）》。

论文选题，最让人卡住的时刻，是文献已经下了一堆，却还是说不清自己要研究什么。

刚开始读研，导师说：“先多看看文献，找一个方向。”于是打开知网和 Google Scholar，搜索、下载、建文件夹。十几篇变成几十篇，几十篇又变成上百篇，半个月过去了，熟悉的词越来越多，题目却依然没有落地。

问题往往出在阅读之后：哪些结论已经有了共识，哪些研究仍有分歧，现有方法究竟在哪些条件下不够用？如果这些关系没有理出来，再多摘要也很难自然拼成一个研究问题。

把 AI 放进选题过程，可以先让它帮你整理材料、提出候选问题，再用证据和条件把题目逐步收窄。

下面沿用参考文章的 ESG 案例，把“找缺口—构思题目—压力测试—开题大纲”完整走一遍。案例中的候选方向和题目用于演示分析方法，不是本轮已运行得到的研究结果；配图取自 AI4Paper 官网，展示实际入口，图中演示文献也不等同于 ESG 案例。

第一步从泛读到精准透视，深挖 Research Gap

不要一上来就让 AI 凭空给你十个“前沿创新题目”。先给它一组边界清楚的文献，让问题从具体材料中长出来。

材料可以从近三年的领域综述起步，再按主题补充经典理论和关键实证论文。近三年不是硬性限制：一篇较早但仍在被讨论的研究，可能正好解释后续争议从哪里来。筛选时看相关性与证据，别只看年份或期刊标签。

在 AI4Paper 中先整理这组论文，核对题名、年份与可用正文。只有摘要的材料，能帮助了解大意；要讨论方法、识别策略和作者承认的局限，尽量回到全文。

读完一篇，就记下研究问题、样本、方法、主要发现和局限。这样后面做跨文献比较时，拿到的是一组可对应的条目，而不是一堆互不相连的摘要。

① 从已有材料里提出三个候选缺口

Zotero 插件中，可在“阅 → 写作平台”选择当前要处理的文献范围，再用研究 Gap 分析，并把结果保存为笔记。范围里混进无关论文时，先调整再运行。

沿着参考文的思路，可以先把候选问题放在下面三个方向里。此时先保留多个可能性，不必急着决定哪个一定最好。

② 交叉审视这三个方向，再做排序

一个题目听起来新，不代表它适合现在就做。把同一组材料交给不同角度审视：理论上说不说得通，方法上能不能识别，数据上拿不拿得到。

这里在 AI4Paper 的问答或写作辅助中分轮提出问题，分别保存回答。把“理论评审、方法评审、数据评审”作为提示词中的分析任务使用；它们是不同审视角度，不是已经有三位真人或多个独立模型替你完成了评审。

例如，在“能够获得多家机构评级与资本市场数据，但暂时缺乏可靠外生冲击”的条件下，可以先把方向一放到前面：它更容易收敛到明确变量和可检查的机制。方向二的难处往往在因果识别；方向三覆盖面较广，需要先把对象和契约关系进一步缩小。

这是这个条件下的排序示例，保留的是“方向一 → 方向二 → 方向三”的比较过程。若你拿不到多机构历史评级，却有适合方向二的政策或实验数据，顺序就应改变。真正决定推进顺序的是证据和资源条件。

跨文献的差异，可以在“维度比较”里按研究问题、理论、数据、方法、发现和局限整理。把论文放在同一套维度下，才容易看出“结论不一致”究竟来自机制不同，还是样本和测量口径不同。

AI4Paper 官方指南：写作平台、研究 Gap 与维度比较

第二步针对 Gap，开启“多角度会诊”构思题目

方向有了，离一个能开题的题目还差一步。只写“ESG 评级分歧的经济后果”，范围依然很宽；需要继续补上研究对象、关键机制与可以落地的方法。

先把方向一作为主线，告诉 AI 你的学位阶段、方法偏好和数据约束。与其反复要求“再创新一点”，不如让它解释新意具体落在哪一层。

沿着这个问题，可以把参考文里的创新线索拆成两部分：一部分是评级方法论透明度，另一部分是文本信息与市场反应之间的连接。公开方法论文件、企业报告与新闻材料，分别承担不同的测量任务。

例如，先用词频或语义分析整理机构如何描述环境、社会与治理指标，再通过人工核对，判断这些文本差异能否形成有解释意义的指标。不能因为两段话相似，就直接认定两家机构的评价标准相同。

高频的月度或周度 ESG 新闻情绪，也可以作为待核的数据线索。先检查时间覆盖、新闻去重、企业匹配与情绪识别质量，再考虑它是否适合进入研究设计；频率更高，本身不等于识别更可靠。

① 不急着选最漂亮的题目，先比较两条路线

一条路线，是以季度或年度材料搭建基础样本，先把指标构造、机制和基本关系做清楚；另一条路线，是加入周度、日度或新闻事件的信息，追踪更细的动态变化。

这里有三个容易混在一起的概念：方法论透明度，是评价依据披露得多清楚；语义契合度，是指定文本之间在既定规则下的相似或对应程度；评级分歧，是同一企业在不同评级中的差异。先分别界定，再讨论它们之间的关系。

② 把比较结果整理成可决定下一步的材料

参考文用“一键总结”收束不同回答。换成 AI4Paper 后，先把各轮结论和依据存入素材，再用明确的汇总任务处理。下面四项是可以交给 AI 的任务名称，便于复用，不把它们说成四个固定产品按钮。

网页端素材区支持把选中素材“一键梳理”，整理出问题、观点、分歧、缺口和可写线索，并对应材料编号。可以先用它把材料梳理清楚，再继续追问上面四类任务。对仍未确认的信息，保持待核实状态，别提前带进正式论断。

第三步终极排雷，开题前做一轮“压力测试”

假设目前更想推进题目 C：“ESG评级分歧、跨文本语义契合度与债券定价效率——基于NLP文本挖掘与高频情绪的动态研究”。先别急着把它发给导师，给这个题目安排一次专门找问题的讨论。

越早发现做不下去的地方，越有机会在开题之前调整题目。

先查构念：这些变量测到的到底是什么

评级分歧与跨文本语义契合度，不能只因为都来自文本和评级信息，就默认是两个独立、清晰的构念。要说明比较的是机构方法论文档、机构评级报告，还是企业披露文本；以哪种单位、哪个时间点进行比较；指标高低分别意味着什么。

若两个指标共享大量信息来源，要检查重叠、共线性与共同测量误差。对“方法论透明度”的判断，也需要一套能被他人复核的编码规则。先做少量人工核对，再扩大计算，比直接批量跑一列相似度更有用。

再查数据：现在看得到，不等于历史上取得到

评级机构网页上展示的可能是最新方法论。研究历史变化时，不能用今天的文本代表几年前已经公开的信息，否则容易把未来信息带回过去。先确认历史版本、发布日期和评级对应时点能否还原。

如果方法论历史版本缺失，可以考虑把范围改到能追溯时间的公开评级跟踪报告、企业年度报告等材料。但这种替代会改变研究对象和解释含义，题目、变量定义与理论论证也要一起调整。

再查市场指标：有利差，不等于测到了定价效率

债券二级市场中，不同品种的交易活跃度可能相差很大。拿到价格或收益率字段，还要检查无成交、报价延续、缺失和样本覆盖，确认是否足以支持日度或周度的动态分析。

如果最终只能可靠研究信用利差或发行定价，就把问题明确写成利差或发行定价。不要把相邻但不同的指标，换一个更宏大的名字继续使用。高频数据拿不到时，也可以转为月度、季度或发行事件层面的研究。

最后把理论线索也过一遍：投资者异质信念、信息不对称与企业信息披露，哪一条才是你的主机制？它需要哪些证据，出现什么结果时会不支持你的解释？把这些写出来，才不会只剩“NLP 加一组回归”。

各轮分析里共同指出的风险，优先处理；只有一轮提出的严重问题，也单独留在核查表里。汇总意见是为了安排检查顺序，最终仍要靠文献、数据与导师讨论来决定。

第四步收拢研究主线，生成开题报告大纲

如果上一步确认高频情绪和二级市场指标难以支撑原设计，可以把题目收窄为：“ESG评级分歧、跨文本语义契合度与企业债券发行定价——基于评级跟踪报告文本挖掘的研究”。

这个调整保留了 ESG 评级分歧、文本信息与债券市场的主线，把尚未验证的“高频情绪”“定价效率”从标题里拿掉，并明确转向有相应资料时才能推进的发行定价。它仍是待论证的题目，之后还要结合样本核查继续修改。

现在把文献依据、方向比较、数据核查和风险处理结论放在一起，再进入写作。网页端可以在“AI 帮写”面板请求起草框架；插件里则把整理后的素材交给写作区，再打开稿件编辑器。用下面的提示词写开题大纲，不把“生成综述大纲”误当成专门完成开题设计的按钮。

开题大纲示例｜四个模块都要接上前面的判断

时间安排也跟着路线拆：先做资料可得性与小样本测量，再决定是否扩展样本；完成基础分析后，再补机制和边界。开题汇报时，把“已确认什么、还缺什么、下一步先验证什么”一起讲，讨论会更聚焦。

从这里开始，你手里应该逐渐形成四份可以继续修改的材料：一份带出处的文献缺口记录，一份方向与题目比较，一份数据和方法风险清单，以及一份有研究主线的开题大纲。

这套流程的价值，在于把“我还没有选题”的模糊状态，拆成一连串能够检查、讨论和推进的问题。AI 提供整理与追问的帮助，你负责挑材料、查依据，也负责最后的研究取舍。

AI4Paper 官方指南：网页端素材梳理与写作辅助

今天就从 3—5 篇同一问题附近的核心文献开始。整理它们的研究问题、方法、证据、结论和局限，先提出三个候选问题，再带着能核对的材料去讨论。选题，就从这一小步往前走。