论文选题翻车通常在两个阶段：太宽做不完、太窄不值得。三个月后才发现无题可问，时间已经回不来了。下面这 12 个 Prompt 强制你在动手前先把范围、新颖性、方法论、和导师的对话校准好。把每个 [方括号占位符] 换成你自己的内容，再贴进推理模型。想一次会话里走完脑暴、收窄、压力测试，可参考论文选题脑暴工作流。
一句话总结
- 脑暴用快模型（GPT-5.5 Instant、Gemini 3.1 Pro），但收窄和压力测试要换推理模型（GPT-5.5 Thinking、开启 extended thinking 的 Claude Opus 4.7）——范围校准靠的是慢想，不是快答。
- 别让聊天机器人凭空编文献。用有出处的工具——Semantic Scholar（免费，2 亿+ 篇）、Elicit 或 Consensus——拉真实摘要，再贴进第 4、7 条 Prompt。
- 好选题是”做得完、辩得住”，不是”听起来高级”。第 3、9、11 条就是用来尽早砍掉烂题的。
这套 Prompt 适合用在哪
- 本科毕设
- 硕士论文
- PhD 开题
- 独立研究
选题该用哪个 AI（2026 年 6 月）
选题是判断题，所以模型的选择比日常写稿更要紧。截至 2026 年 6 月：
| 步骤 | 推荐工具 | 原因 |
|---|---|---|
| 广撒网脑暴（第 1、6 条） | GPT-5.5 Instant 或 Gemini 3.1 Pro | 又快又广，先把 10 个选项摆上桌 |
| 收窄 + 批判（第 2、3、5、9、11 条） | GPT-5.5 Thinking 或 Claude Opus 4.7（开 extended thinking） | 范围和新颖性的判断需要真推理 |
| 读真实摘要（第 4、7 条） | Semantic Scholar / Elicit / Consensus | 聊天机器人会编引用，这些工具基于已索引论文 |
| 综合你自己的 PDF（第 8 条） | NotebookLM | 回答会标出处行号，不会凭空造文献 |
免费额度提示：NotebookLM 免费版可建 100 个 notebook，每个最多 50 个来源，每天 50 次对话——做一篇论文够用。Semantic Scholar 完全免费。Elicit 和 Consensus 把重度功能（系统综述筛查、全文抽取）放在付费档。
1. 从兴趣脑暴
我的兴趣：[3-5 个]。领域：[field]。约束：[时间、资源、导师专长]。请脑暴 10 个候选选题。每个输出：(a) 一行选题、(b) 一行除了我之外为什么有意思、(c) 一行最大风险。不要"AI 在 X 中应用"这种空话。2. 收窄宽题
我当前选题太宽："[topic]"。建议 5 个更窄版本，每个含：范围（人群+干预+结果）、研究问题、在 [本科/硕士/PhD] 阶段为何可辩护。仍然需要再收窄的直接排除。3. 可行性压力测试
选题：[topic]。时间：[月数]。资源：[数据获取、经费、导师支持、实验设备]。请从可行性、范围、新颖性三个轴做压力测试。输出最可能的单一失败模式 + 一个缓解方案。4. 找相邻空白
先用 Semantic Scholar 或 Elicit 拉摘要，别让模型自己编。
我想做 [field]。下面 10 篇近作摘要。请识别相邻、未充分探索的 3 个空白——不与它们重复，不是平庸延伸。每个空白说明：为什么至今没人做、什么新方法或数据集能解锁。
[粘贴真实摘要]5. 辩护新颖性
我的论文：[topic + 核心论点]。请用三个桶表述新颖性：真正新的、对现有的细化、与已有重叠。然后列出我会面对的 3 个 reviewer 质疑，并各写一段 2 行回应。6. 从个人问题出题
我在生活或工作中注意到：[observation]。这能在 [阶段] 成为论文吗？若可以，给 2 个研究角度，每个含具体方法。若不可以，说出学术空白或方法论上为什么失败。7. 反推自导师兴趣
导师近期论文（真实摘要粘贴在下）。请建议 4 个候选选题，对齐他兴趣但往新方向延伸。每个含：从哪篇论文延伸、新方向是什么、为什么导师会说 yes。
[粘贴真实摘要]8. 选题 → 开题书架构
在 NotebookLM 里加载你的阅读材料后再跑，这样”先行研究”部分引用的是真文献，不是编的。
选题：[topic]。请搭 2 页开题书架构：问题陈述（1 段）、先行研究（3 篇关键文献）、我的贡献（3 条要点）、方法（具体步骤）、按月时间表、预期成果（成果物+发现）。把还没决定的部分标出来。9. 方法论匹配检查
研究问题：[question]。候选方法：[定性访谈、定量问卷、计算建模、档案分析等]。每个方法说明：能让我声称什么、不能让我声称什么、时间和资源成本。推荐其中一个并解释原因。10. 跨学科压力测试
选题：[topic] 位于 [学科 A] 和 [学科 B] 之间。从学科 A 看：这是真贡献还是炒冷饭？从学科 B 看：同样的问题。哪个院系的答辩委员会会最激烈地为它辩护？11. 提前尸检
想象 18 个月后我的 [topic] 论文失败了。请写 5 个合理的失败故事：数据不存在、导师跳走、范围崩、方法不灵、结果为零。每个：早期我会忽略哪个信号、第 3 个月时我该做什么来阻止。12. 给非专业人士的电梯陈述
用 60 秒向聪明的外行人讲我的 [topic] 论文。3 句话：(1) 用他们的语言说问题、(2) 我做的新东西、(3) 如果我对了，什么会改变。不要术语。哪句需要定义才能听懂就改写哪句。容易踩的坑
- 题太宽（“AI 在医疗”）——没人群、没干预、没结果。
- 方法与问题不匹配（定性论点用定量方法证）。
- 没和导师讨论就定，也没 plan B。
- 把”选题新”和”文献空白”混淆。没人研究 X，常常是因为 X 不值得研究；下结论前先用 Semantic Scholar 的引用图谱核一遍。
- 让聊天机器人替第 4、7、8 条生成引用。模型至今仍会编出看起来像真的假引用，每一条参考文献都要落到你亲手拉到的真论文上。
- 优化”听起来高级”而不是”能做完”。
常见问题
选题该用哪个模型？ 先用快模型（GPT-5.5 Instant 或 Gemini 3.1 Pro）广撒网，把选项摆上桌；再换推理模型——GPT-5.5 Thinking 或开了 extended thinking 的 Claude Opus 4.7——跑收窄、新颖性、可行性这几条。这些都是判断重的活，模型多花点时间想反而更准。
AI 能把整份开题书写完吗？ 让它搭结构、压逻辑，别让它编内容。方法和先行研究部分必须反映真实文献和你自己的约束。第 8 条是个让你来填的骨架，不是成稿，AI 写的任何东西都还要套上你导师委员会的标准再过一遍。
怎么防止 AI 编引用？ 别向通用聊天机器人要参考文献。用有出处的工具拉真实摘要——Semantic Scholar（免费）、Elicit 或 Consensus——再贴进第 4、7 条。处理你自己的 PDF 就用 NotebookLM，它会标出处行号，并且拒绝回答你加载文档之外的内容。
用 AI 脑暴选题算学术不端吗？ 脑暴和压力测试一般没问题，但各校政策不同，披露要求也不一样。查清楚你所在项目的 AI 使用规定，把 AI 当成陪你想的对手，而不是代笔。选题能不能辩护，最终还得是你自己的功夫。
如果 AI 给的选题个个都很泛怎么办？ 那通常说明你的 Prompt 太泛。喂它你真实的约束——你能拿到的具体数据集、你导师的真论文（第 7 条）、你亲眼观察到的问题（第 6 条）。输入越具体，输出就越不像一堆流行词堆出来的清单。