7 使用 AI 撰写论文推介
对于初学者而言,精读 Top Journal 的论文,并参考作者提供的数据和代码进行复现是一个非常有效的学习方法。在此过程中,我们可以使用 VScode + Jupyter Notebook 来记录复现过程。虽然 AI 可以大幅提高复现和写作效率,但需要调教有方 (给出清晰的提示词)。
- 选择 AI 工具:可以使用 ChatGPT、DeepSeek、豆包等工具。也可以同时使用多个工具,互为补充。
- 上传论文 PDF 和相关资料:将论文 PDF 文件贴入 AI 助手对话框。如果你已经写了一些读书笔记,或搜索到了与论文相关的博文、Slides,评论等,也可以一并发给 AI。
- 撰写提示词:根据目标读者和内容要求,撰写清晰的提示词,指导 AI 工具生成内容。
- 生成内容:使用 AI 工具生成论文推介内容。
- 编辑和润色:对 AI 生成的内容进行编辑和润色,确保符合中文表述习惯和格式要求。
7.1 钓鱼流程:如何撰写提示词?
我通常是先和 AI 泛聊,了解论文的核心内容和贡献,然后再形成提纲,最后以 Section 为单位进行输出。每个环节都可能进行多轮讨论,这是一个我和 AI 彼此启发,深入思考的过程。
7.1.1 泛聊
先使用比较开放的提示词,看看 AI 能否抓住这篇论文的要点,比如,你可以从如下问题清单中挑选一个或多个提问:
- 请简要介绍这篇论文的核心观点和主要结论。
- 这篇论文的主要贡献是什么?
- 简要说明文中理论模型的设定思路和假设条件。
- 文中介绍了哪些主要方法?请简要说明。
- 该文的提出的方法适用于哪些类型的研究问题?
- 论文中有哪些重要的数学公式?请解释它们的含义。
- 作者提供了哪些实操建议?请简要说明。
通过上述对话,你可以大致了解这篇论文的核心内容和贡献。此时,可以快速阅读一下原文,确认一下 AI 的回答是否准确。如果 AI 的回答存在严重偏差,可以考虑变换提问方式,或者更换 AI 工具。
7.1.2 形成提纲
待上述讨论完成后,先不要急着输出推文内容,而是让 AI 工具先给出一个提纲。然后根据提纲讨论完善后,再进行详细撰写。
在撰写提纲的过程中,你需要首先明确一些基本要求,使 AI 能够准确把握你的侧重点,并据此生成符合你预期的内容结构。你可以从以下几个方面进行说明:
- 推文目的:例如,是为了帮助读者快速理解论文的核心观点,还是为了深入探讨某一研究问题的理论与实证方法;
- 目标读者:例如,经济学或计量经济学领域的博士生、青年教师,或是具有基础的高年级本科生;
- 设定作者角色:你可以让 AI 扮演某个角色来撰写这篇推介,比如 “经济学博士生”、“计量经济学讲师” 等,这有助于它酌情调用语料,确保输出结果的语言风格符合角色身份。
- 论文的重点和难点:例如,是否需要重点介绍理论模型的设定思路、实证方法的创新之处,或是数据处理的细节等;或者强调这篇推文注重实操性,理论分析和模型设定部分都是为了 Section 5. Stata 实操 的内容服务。
- 语言风格:例如,采用中文推文风格(可参考 https://www.lianxh.cn 的风格),注重表达简洁、结构清晰;或采用中文讲义风格,强调语言朴实、术语准确,适合教学或研究资料使用。
我经常使用的提示词如下:
我想写一篇论文推介,介绍我传给你的 PDF 论文。具体要求如下:
- 目标读者:经济学、计量经济学领域的研究人员和学生。
- 希望能够让他们快速了解这篇论文的核心内容和贡献。
- 对于一些复杂的数学公式,可以用比较通俗的语言进行解释。
- 必要时,可以提供 1-2 个简化版的例子加以说明。
- 希望能够让他们快速了解这篇论文的核心内容和贡献。
- 需要介绍论文的主要内容、研究方法、数据来源和主要结论。
如果需要插入原文中的图形或表格,请告知我图表编号和插入位置,我会手动添加。 - 需要包含关键公式和代码的解读。
- 需要提供参考文献列表。
你先帮我列一个提纲,我们讨论完善后再进行详细撰写。
通常,第一轮生成的提纲都比较粗糙,你可以根据实际需要进行调整和细化。你可以让 AI 提供多个版本的提纲,也可以针对某个 Section 提出细化要求。以下是一些常用的提示词:
- 再来一个版本
- 再来一个着重介绍 {论文思路/实证方法/因果识别策略} 的版本
- {Section 2:理论分析} 部分的提纲太单薄,建议分成 3 个小节,先概述理论分析思路,再介绍模型设定,最后讨论假设条件。
- {Section 3} 需要增加对数据来源和关键变量界定的介绍
- {Section 3:研究设计} 部分需要细化对因果识别策略的讨论
- 增加一个小节:参考文献。采用 APA 格式,列出文中提到的所有参考文献。
- 请为每个 Section 添加 label,如
{label-1}
,方便我后续追问和整理 - 我希望推文能够同时兼顾初学者和有经验的研究人员,具有一定的层次性。请据此调整写作提纲;并设定每个部分的字数范围。
提示词中的 {}
部分可以替换为你需要强调的内容。如果没有具体的编号,你也可以从 AI 的答案中截取一些文字写成 'text'
或 {text}
的格式,它会据此定位到对应的 Section。
7.1.3 输出文档
一旦推文的提纲确定下来,就可以开始输出文档了。以下是一些小技巧:
建议分多次输出。论文推介和解读的篇幅通常在 2000 字以上,每次输出一个 Section,酌情修改和提出新的要求。符合要求后,再让 AI 按照这个风格继续输出后续内容。这是因为多数 AI 工具都有单次输出的字数限制,通常在 2000-3000 字左右。如果让它一次性输出全文,它会精简或删除部分内容,以确保输出不超过字数限制。 分多次输出还有一个好处:你可以多花点时间修改 Section 1 的内容,确保它符合你的要求 (这本质上是训练 AI 的过程)。然后再让 AI 按照这个风格继续输出后续内容 (它在这方面的学习能力很强)。这样可以避免一次性输出的内容不符合预期,导致需要大幅修改。
输出的内容尽量采用 Markdown 格式,方便后续编辑和排版。你可以要求 AI 使用 Markdown 语法输出标题、列表、代码块等格式。
正式输出前,可以使用提示词
Prompt: 请为每个输出添加 label,方便我后续整理
。这样 AI 工具会在每个 Section 前添加一个 label,比如{#Sec-1}
,{#Sec-2}
等,方便后续修改时引用。可以使用提示词
Prompt: 请酌情标注需要插入原文图表的地方,并给出图形建议
。随后,你可以使用 SniPaste 等软件从原文中截图后插入推文。可以要求 AI 使用
$$
符号包裹数学公式,方便后续在 Markdown 中渲染;并使用提示词请勿添加任何表情符号
,避免 AI 在输出中添加表情符号。
按照最后一个版本的提纲,撰写正文,每个 section 输出一次。
字数严格按照计划执行,不要缩减。
格式要求:
- 格式:Markdown 格式
- 按照 ## 1. sec_title; ### 1.1 sub_sec_title 的方式编号 ;每个 section 添加一个标签 {lab-sec#},便于后续修改时定位
- 语言风格:中文讲义,20 年从教的老教授的风格,语言平和,准确,有力。可以参照 https://www.lianxh.cn 推文的风格。
- 不要使用任何表情符号
- 重要文献和链接务必在文中 提供超链接,文末提供完整的引文信息
- 引文信息尽量使用如下格式,如果 PDF 链接无法获取,可以留空或删除
[-PDF-]()
部分的信息 引文信息采用 APA 格式,附加[Link](), [PDF](), [Google](), [github]()
信息。即: Authors. ({Year}). {title_of_paper}, 45(1), 485–505.[Link](https://doi.org/{DOI}), [PDF](http://sci-hub.ren/{DOI}), [Google](<{title_of_paper}>), [github-replication](https://github.com/{ID}/{rep_name})
- 文中的例子最好具体化,并保持全文一致,逐步推进和扩展。
7.2 一些实例
最近半年,我使用 AI 工具撰写了 50 多篇论文推介和博客推文。下面举一些例子。
7.2.1 实例:Wing et al. (2024) 论文推介
Wing, C., Yozwiak, M., Hollingsworth, A., Freedman, S., & Simon, K. (2024). Designing Difference-in-Difference Studies with Staggered Treatment Adoption: Key Concepts and Practical Guidelines. Annual Review of Public Health, 45(1), 485–505. Link, PDF, Google, github-replication
这篇论文介绍了五种常用的渐进 DID 的估计方法,作者还在 GitHub 上提供了相关的代码和数据。我采用上文介绍的提示词方法与豆包聊了 20 分钟,最终形成了推文的初稿 (满意度:80%)。
有关这篇推介的具体生成过程,参见 案例:AI 助我读论文之 Wing et al. (2024)。
7.2.2 AI 伴读理论文献
7.2.3 Causal-Copilot:自动化因果推断
我看到了一个很有意思的 AI 助手:Causal-Copilot。它可以帮助用户自动化因果推断的过程,提供了很多实用的功能和工具。
连小白, 2025, 自动化因果推断助手:Causal-Copilot 简介. (ChatGPT 对话)
Prompt 1:
我想根据如下资料 ({text-01}) 写一篇推文。我的读者主要是经管类的博士生和青年老师,他们的主要工作做实证研究。
- 你觉得这篇推文的主要卖点应该是什么?
- 推文的思路和结构应该是什么样的?
’’’<-text-01->
#–Causal-Copilot–
介绍原理,然后使用 https://causalcopilot.com/ 来做一些测试。
- github: https://github.com/Lancelot39/Causal-Copilot
- demo-vedio: Causal-Copilot Demo: Tabular Data
- Sample Dataset
Wang, X., Zhou, K., Wu, W., Singh, H. S., Nan, F., Jin, S., Philip, A., Patnaik, S., Zhu, H., Singh, S., Prashant, P., Shen, Q., & Huang, B. (2025). Causal-Copilot: An Autonomous Causal Analysis Agent (Version 2). arXiv. Link (rep), PDF, Google. TeX Source
’’’
Prompt 2:
帮我规划一个写作提纲。
- 语言朴实,注重为论据提供细节
- 不要任何表情符号。全文按照 ## 1. title ### 1.1 sub_title 的结构来编号
- 注重实操性。我的读者希望看完推文后能上手操作,实现自己的需求。
Prompt 3:
好。 1. 我希望你提供的推文可以按 section 输出,确保每个 section 都有充实的内容。 2. 每个 section 可以先用一段话概括这个 section 针对的问题是什么?要点是什么。然后再开始展开说明。 3. 段落性文字和 items 格式的文本占比 为 2:1 以上,也就说,不要过度使用 items 方式来写推文,总感觉干巴巴的。
Prompt 4:
好
Prompt 5:
将整篇推文汇总成 Markdown 教学文稿。不要删减,只需要把现有答案合并起来,稍作调整即可。
7.2.4 博文解读:概率匹配与 Kelly 策略-Python 代码
我看到了一篇很有意思的 Blog:Probability matching and Kelly betting。作者介绍了概率匹配和 Kelly 策略的故事,提醒我们现实决策和自然演化中的“理性”,远不是单一的最大化期望值。更广义的理性关注风险、分布、长期增长以及群体的生存。
里面有很多我不太理解的新概念,作者并未给出详细的解释。同时,我还想了解如何用 Python 代码实现这些概念。于是我将这篇 Blog 的内容和我的问题提供给了 ChatGPT,并与它进行了讨论。最终,我让它帮我输出了一篇 5000 字的推文 (初稿)。
Prompt 1:
帮我解读一些这篇文章的核心观点: https://reasonabledeviations.com/2022/01/10/probability-matching-kelly/
Prompt 2:
这个在研究中有何用?在哪些领域,这里提到的概念很重要?
Prompt 3:
详细介绍一下 Kelly 策略
Prompt 4:
目的:python 实现代码
帮我设计一组 Python 代码,以便与 https://reasonabledeviations.com/2022/01/10/probability-matching-kelly/ 文中介绍的内容相配合。我想写一篇中文推文,把你给我的 Python 代码与这篇文章的内容结合起来,增加趣味性,也便于读者理解。
Prompt 5:
用户使用这些函数时,能否自行调节参数,甚至进行动态互动演示?
Prompt 6:
能否把上述讨论内容整合成一篇完整的推文。主内容包括:
https://reasonabledeviations.com/2022/01/10/probability-matching-kelly/ 的中文翻译 (可以适当意译,以符合中文表述习惯);
- 在合适的位置嵌入 Python 代码和解释性文字。
- 预留图片插入位置,我随后运行完代码后插入图片。
- 其它你认为必要的扩充。
- 字数:中文字符不少于 10000 字
- 输出:直接连续输出,可以分多次输出
- 格式:不要添加表情符号;章节顺序编号:## 1. xxx; ### 2.1 xxx