用ChatGPT写论文这件事，很多人把注意力放在“生成”上：让AI列提纲、写段落、做文献综述。但我这两年实际用下来，觉得这种用法是本末倒置——ChatGPT真正能帮到你的地方，不是替你写东西，而是帮你像校审编辑那样，把论文从头到尾挑一遍毛病。同样的稿子，让AI生成一段漂亮的开头很容易，但真正决定论文能不能过审、能不能少改两个月的，往往是逻辑是否严密、术语是否统一、图表是否规范这些“编辑才干”的活儿。
这不是理论推测。我之前把一篇改了七八遍的稿子交给一位做学术编辑的朋友，他用了不到半小时，就把我几个月都没发现的问题全标了出来：一段论证中间出现了逻辑断层，两处关键术语在不同章节用了不同说法，摘要和结论里对同一结果的数据表述有细微冲突。我当时的想法是，这种“编辑思维”能不能翻译成具体的ChatGPT提示词指令，让AI帮我做同样的事情？于是就有了下面这15条指令。它们不是从网上随便抄来的魔法咒语，而是我把校审编辑的工作习惯拆解开，一条一条翻译成AI能听懂的语言，再在实际改稿中反复调试出来的成果。这篇文章就把它们完完整整交给你，附带使用顺序和踩坑记录。
1. 为什么校审编辑的视角更适合用来校论文
1.1 从一次“自我感觉良好”到被编辑打脸说起
先讲一个真实场景。有一段时间我投出去一篇论文，自认为已经改到了“每个句子都干净利落”的程度。结果编辑返回来的意见里，有一条让我印象极深：“第三部分的论证从A跳到C，中间没有B，读者会找不到路径。”我反复读了半天才意识到，我脑子里有一个默认的中间步骤，但因为写了太多遍，我以为它已经写在纸上了。打开文档一搜，根本没有。
这件事给了我一个很重要的启发：作者对自己的材料太熟了，熟到会自动补全那些缺失的环节，而编辑因为不熟悉材料，反而能一眼看出哪里有裂缝。用ChatGPT做校对的时候，最大的误区就是让它“顺着你的思路确认一下”，那样它只会帮你把问题掩盖得更深。正确做法是让它扮演一个对你的研究一无所知、但非常懂得论文规范的人，逐段追问：这句话为什么成立？这个结论是怎么从数据里推出来的？这一段和上一段有什么关系？
1.2 校审编辑到底在给论文做什么体检
你可以把校审编辑想象成一个全科医生，不是只看你主诉的那一个症状，而是做一套完整体检。具体来说，他们检查的东西无非是这几个维度：逻辑是否成立、结构是否清晰、语言是否规范、图表文献是否齐全、有没有超出数据支撑的过度断言。这听起来不复杂，难的是每次都按同一套标准执行，而人恰恰最容易在自己写的文章里丧失判断力。
ChatGPT的优势恰好弥补这个弱点：它没有“这是我写的”那种情感滤镜，也不会因为某个段落是你熬夜改出来的就手下留情。但你直接问它“帮我校对一下”，得到的往往是一堆“内容很扎实，部分表达可以更精炼”之类的废话。原因很简单，提示词太宽泛。编辑做体检有明确的检查项目，你要让ChatGPT也做同样的检查，就得把检查项目一条一条写出来。
1.3 把编辑的检查清单翻译成提示词指令
所以我在设计这一套提示词的时候，遵循了一个原则：每个提示词只聚焦一个编辑动作，不贪多。比如“请检查全文逻辑”这种指令，看起来高大全，实际效果最差。我会拆成“检查论证是否跳跃”“检查段落主题句是否存在”“检查过渡句是否缺失”这样具体而微的动作。每个动作对应一条提示词，让AI像拿着核对表一样逐项打勾。
标题里说“校审编辑常用的15个ChatGPT提示词指令”，其实就是把这套检查清单原样给你。下面我把它们按六个类别排开：逻辑与结构、摘要与引言、语言与表达、图表与文献、结论与讨论、审稿人模拟。你不需要一次性全跑完，按需要挑着用就行，但如果你想做一次完整的“编辑级校对”，建议按我第三部分说的顺序跑两轮。
2. 15个提示词指令完整清单：按校审环节分类
2.1 逻辑与结构类（Prompt 1–3）
这一类解决的是论文的“骨架”问题。很多稿件语言不错，但读起来总觉得哪里不对劲，多半就是骨架出了问题。
Prompt 1：全文逻辑链梳理
提示词：请模拟一名严谨的学术编辑，通读全文后，逐段画出论证链条。每一段的论证都可以概括为“前提—推理—结论”三个部分。请找出那些“前提无法推出结论”或“两步推理之间存在跳跃，读者需要自行脑补过渡环节”的位置，列出每一个逻辑跳跃点的原文摘录，并给出两种补全方案：补充一个说明性句子，或改写推理过程。最后按严重程度给这些问题排序。
这个提示词是我用的频率最高的一个。它之所以有效，是因为它把“检查逻辑”这个模糊的任务拆成了可操作的三段式结构。AI会回去逐段分析论证链，而不是给你一句“逻辑基本通顺”。执行的时候建议让它按章节顺序输出问题清单，方便你对照修改。我的经验是，用这个提示词跑一轮，至少能找出三到五处你从来没意识到的逻辑缺口。
Prompt 2：段落主题句与段落职能检查
提示词：请逐段检查正文部分（不包括摘要和结论），确认每一段的第一个句子是否为该段的主题句。如果第一句不是主题句，请改写它；如果段落中后续句子偏离了主题句限定的范围，请标出这些偏离句并提出处理建议——移到其他段落、删除、或改写成支撑主题句的新证据。最后统计全文有多少段落缺少清晰主题句，给出一个总览。
写论文改到后期，最容易出现的症状就是“一段话里装了三个意思”。这个提示词就是专门治这个毛病的。主题句相当于段落的门牌号，读者一眼就能知道这段是干什么的。很多作者会觉得“我这段话本来就是综合论述”，但恰恰是这种综合论述，最需要主题句来兜底。我建议这个提示词至少跑两次：第一次找出缺失主题句的段落，改完后再跑一次确认。
Prompt 3：过渡衔接补强
提示词：请检查论文从上一节到下一节、以及同一节内段落与段落之间的衔接。把那些没有任何过渡语、直接从A话题跳到B话题的位置全部找出来，在每一个断层处补写一到两句过渡句。过渡句的内容必须做到以下两点：回扣上一部分的结论，预告下一部分即将讨论的问题。请说明每条新增过渡句分别插在哪个位置，覆盖哪些上下文。
审稿人常用的一句评语是“缺乏流畅性”，翻译过来就是你的段落之间没有过渡。AI补过渡句的效果通常很好，因为它擅长“在给定的前后文之间搭桥”。但要注意认真读它写的过渡句，确认没有引入新的错误观点。我有一次让它补过渡句，它为了搭桥，硬把上一段没出现过的概念“预告”进了下一段，这就是过度发挥了，所以每条过渡句都要人工把关。
2.2 摘要与引言类（Prompt 4–5）
Prompt 4：摘要结构与信息密度审查
提示词：请以期刊编辑的标准检查摘要。摘要应包含五个要素：研究背景或问题、研究目标、方法、核心结果（含具体数值）、主要结论与意义。请逐项比对现有摘要，附上每项要素对应的原文句子；缺失的要素请按上下文补写；如果某一句同时承担两个要素的职责但写得含糊，请拆成两句并重写。最后将优化的摘要限制在目标期刊要求的字数范围内。
摘要的难点在于既要信息密集，又要逻辑完整。很多人的摘要会把结果部分写得特别简略，或者把方法和结论缠在一起。用这个提示词的时候，建议在提交前补充一句目标期刊对摘要字数的具体限制，比如“要求不超过250个英文单词”，这样AI会把重写后的摘要压缩到对应长度。我自己试过，带数值和不带数值的结果表述，在编辑眼里可信度完全不同，所以指令里我特意加了“含具体数值”。
Prompt 5：引言“漏斗式”结构检查
提示词：请检查引言是否遵循“宽泛背景→研究缺口→研究目标”的漏斗式结构。重点核查：前三段是否自然地从一个宏观领域的常识过渡到这个领域尚未解决的具体问题；研究缺口是否靠前人文献的对比体现；最后一段是否明确列出了本文的研究问题、技术路线和贡献点。请在每一个结构缺失或顺序混乱的位置给出重写建议，并保留原有的引用位置标记。
引言的问题很少是句子不通顺，而是节奏不对：背景写太长、缺口迟迟不出现、读者看了两页还不明白你到底要研究什么。这个提示词能让ChatGPT扮演那个不耐烦的读者，帮你在三秒钟结论里看出引言哪里铺垫过头了。跑完后，多数人被砍掉的往往是那些看似文采飞扬、实际上和信息量无关的背景句。
2.3 语言与表达类（Prompt 6–9）
Prompt 6：术语一致性统一
提示词：请扫描全文，建立一份术语使用清单。要求找出同一概念在全文出现两种或以上不同称呼的情况。比如“用户行为数据”和“行为日志数据”是否指向同一事物，或者“模型收敛”和“算法稳定”是否在描述同一个状态。请以第一次出现的定义为准，给出全文统一用词建议，并标出所有需要修改的位置。同时检查缩写词是否在首次出现处给出全称。
这个提示词解决的是头疼的术语乱用问题。人写长论文，今天用A说法，明天用B说法，很正常。但编辑一眼就能看出来这属于不严谨。AI在这件事上的执行力比我强，它会把全文扫一遍，同一个概念的不同表述全部揪出来。我见过一些论文的摘要和实验部分用了两个看起来相似、实际不完全相等的术语，这种隐患如果审稿人较真，很容易被认为概念不清。
Prompt 7：口语化表达与弱化词清理
提示词：请识别全文所有口语化、非学术化的表达方式，以及弱化论证力度的词汇，比如“非常”“特别”“很多”“大概”“某种程度”“其实”等。每找到一个，请给出在学术写作中更精确的表达方式：要么换成可验证的数量描述（把“很多实验”改成“在全部30组实验中”），要么直接用更严谨的动词和形容词。请按“原文—建议—理由”三列清单输出。
口语化不是不能用，而是要分场合。引言里适度用一点“我们想知道”没关系，实验结果里来一句“效果蛮好的”，那就不太对劲了。这个提示词就是帮你把全文的“蛮好的”逐一拎出来。需要注意一点：AI有时候会把所有带“我们”的句子都标成口语，这不合理——学术写作里“我们”是很正常的用法。所以跑完它给出的清单后，你要自己做筛选，只改那些真正口语化的，别把正常的学术人称给误杀了。
Prompt 8：冗余与重复表达压缩
提示词：请逐段检查全文，找出冗余表达和重复信息。冗余表达指同一个意思在连续两句中反复出现，比如先说“该算法复杂度较低”，下一句又说“该算法在计算效率方面具有优势”；重复信息指同一结论在正文多个位置以近似表述反复出现。请对每处冗余给出压缩方案，对重复信息给出保留位置的建议——原则上，一次信息只在全文出现一次。注意不要删除必要的限定语和证据细节。
论文被审稿人批评“啰嗦”，通常都不是单个句子有多长，而是同一个观点出现在了好几个位置。尤其是结果和讨论两个部分，最容易出现“讨论里把结果又复述了一遍”的问题。这个提示词的逻辑是让AI做减法，它会告诉你哪些句子删了不影响信息完整性。我个人的体会是，跑完这个提示词后，不少论文都能精简掉大约10%-15%的篇幅，读起来会清爽很多。
Prompt 9：学术语气与结论强度调整
提示词：请审查全文的动词选择和语气强度，重点识别两类问题：一、过度强断言，比如用“证明”“毫无疑问”来陈述一个只由单次实验支持的结果；二、不必要的模糊化，比如明明实验证据充分，却还在用“可能”“大概”这类词把结论往回收。请把所有强断言改写为更匹配数据支撑度的表达方式（例如“证明”改为“表明”“支持”），同时把过度保守的结论适当前推，最后列出修改前后的对比。
写论文最常见的两种极端：新手喜欢把话说满，“该方案证明了其优越性”；有经验的作者反而容易保守得过分，话都到嘴边了又缩回去。这个提示词就是帮你在两个极端之间找到那个平衡点。我最喜欢的是它会把所有“证明”都标出来，逼你去想：你这个实验设计真的能“证明”吗？还是只能说“支持”？这样修改之后，审稿人遇到你的结论时会觉得你的表述经得起推敲，反而少了很多找茬的空间。
2.4 图表与文献类（Prompt 10–11）
Prompt 10：图表标注与编号核验
提示词：请扮演一名出版社文字编辑，专门负责图表规范检查。请核验以下项目：每个图题和表题是否完整包含了编号、描述性标题和必要的统计信息；纵轴横轴是否标注了物理量和单位；多组数据的图例是否清晰且与正文描述一致；统计显著性标记（星号或字母）是否有统一说明；正文首次出现某图表时是否引用了对应编号。请按图表编号输出一份问题清单，说明各项目“通过/不通过/需补充”。
图表检查是很机械的活，但人做起来特别容易疲劳，因为要核对的项目太多了。AI做这种机械核对反而又快又全。我以前交过一张图，图题里没写误差棒的含义，自己在心里默认大家都懂，编辑直接给我打个疑问。用这个提示词过一遍，这类问题基本能提前暴露。注意一点：如果你用的绘图软件生成坐标轴单位时有自己的一套缩写，要提醒AI以你论文的缩写习惯为准，别让它把单位改成不规范的写法。
Prompt 11：参考文献与引用交叉验证
提示词：请检查全文的文内引用与文末参考文献列表是否一一对应。具体要求：一是找到所有在正文中引用但未出现在文献列表里的条目；二是找到所有出现在文献列表但正文中从未引用的条目；三是检查每条文内引用的格式是否与目标期刊的标准一致——包括作者年份制还是数字制、是否需要页码、DOI、卷号和期号；四是特别留意“et al.”用法的规则。请输出一份双向对照表，按缺失、多余、格式错误三类列出。
参考文献问题大概是最容易被作者忽略、也最容易被编辑挑刺的地方。你可以想象一下，如果审稿人兴致勃勃地翻到你引用的某篇关键文献，想看看你如何评价，结果参考文献里根本没有这一条，他对你论文的信任感立刻降低。这个提示词本质上是一个自动化的交叉验证工具。但我要提醒你，它只能做浅层核对，AI有时候会把正文里的作者年份和文献列表张冠李戴，所以输出后你还是要抽样人工核对，尤其是那些你不太熟的被引文献。
2.5 讨论与结论类（Prompt 12–13）
Prompt 12：Discussion“由结果到意义”的表达转换
提示词：请审查讨论部分，找出所有“复述结果”的段落。讨论部分的每个段落，第一句不应该重复结果部分的表述，而应该对结果做出解释：为什么会出现这个结果，它和已有文献的发现一致还是矛盾，对所在领域意味着什么。请针对每个复述型段落，重写开头句，将其改为解释性或对比性表述，并在重写句后附上建议下一步展开的方向。
讨论部分考验的是“解释”而不是“报告”。很多论文的Discussion写成了Results的复读机：结果说“误差降低了12%”，讨论又说“我们发现误差降低了12%”，然后就没有下文了。这个提示词会逼着AI帮你把每一段的起点从“what”挪到“why”，它输出的重写句通常能给你一些关于如何解释结果的启发，哪怕最后不完全采用，思考过程本身也有价值。我在实际使用中，还会追加一句“如果有局限性也要单独用一段坦诚说明”，提醒别漏掉审稿人最喜欢看的自我批评。
Prompt 13：结论与摘要一致性校验
提示词：请对照论文的摘要、引言结尾和结论三个部分，找出所有对研究目标、方法和主要结果表述不一致的地方。不一致包括三种：事实层面的差异（比如数值对不上）、语气层面的差异（摘要里说“显著改善”结论里却只说“有所提升”）、结构层面的差异（引言提出了两个贡献点，结论漏了其中一个）。请输出三栏对照表，标明三处各自的表述，并在不一致处给出修改建议，让三处信息互补而不是逐字重复。
论文最后定稿前，摘要、引言和结论三处必须实现“信息的交响”：同一件事，用不同的详略和角度各说一次。很多人是直接复制粘贴，摘要的句子原封不动挪到结论里。这个提示词会专门找这种“自我抄袭”。我第一次用的时候，发现自己在结论部分写的结果数值和摘要差了小数点，这种低级错误要是被审稿人看到，真的很减分。
2.6 审稿人模拟类（Prompt 14–15）
Prompt 14：模拟三个审稿人视角预审
提示词：请你分别模拟三位匿名审稿人阅读这份稿件。审稿人A：方法学专家，密切关实验设计、样本量、数据分析和可复现性；审稿人B：领域内应用专家，重点关注创新点是否清晰、贡献是否足够突出、应用价值是否真实；审稿人C：语言与结构审稿人，关注写作清晰度、结构组织、图表文献规范。请以每位审稿人的口吻，输出他们最可能提出的三个具体问题，并针对每个问题给出作者可执行的修改方案。
这个提示词的妙处在于，它强迫你在投稿前提前体验一遍审稿流程。自己找不到的问题，也许换个身份就能看到。我每次投稿前都会先跑一遍这个提示词，然后挑其中一到两个“审稿人意见”认真处理——通常都是真问题。但请注意，模拟审稿和真实审稿差距很大，不要因为ChatGPT说没问题就放松警惕，更不要把它的意见当真审稿意见写进回复信里。
Prompt 15：投稿前全流程终审清单
提示词：请扮演一位有十年经验的期刊编辑，对稿件做投稿前的最后一次终审。请按以下顺序逐项检查并输出结果：标题是否简洁且有信息量；作者信息和单位格式是否完整；摘要是否满足“背景-方法-结果-结论”四要素；关键词个数是否符合要求；正文结构是否匹配IMRaD或目标期刊模板；图表是否达到清晰度与规范要求；参考文献是否遗漏；是否有内容可直接压缩以缓解版面限制；是否有必须提供的补充材料声明、利益冲突声明和数据可用性声明。请以“通过/需修改”标记每一项，并列出每一项的具体位置和修改建议。
这最后一条相当于总检。前面14条从不同角度查了问题，这一条负责把零散的结果汇总成一份投稿前的行动清单。我用的是“编辑终审”的口吻，因为编辑在作出初审决定前看的就是这些项。跑完这个提示词，基本上你就知道自己离“可以投稿”还有多远。如果大部分项目都显示“需修改”，不要慌，挑最重要的改，不用追求一次性全过。
3. 实际操作中我怎么跑这些提示词
3.1 第一轮：先查骨架，再查血肉
提示词不是越多越好，也不是一口气跑完效果最好。我的实际操作方法是分两轮，每轮之间留出足够的修改时间。
第一轮只跑逻辑和结构相关的部分，也就是Prompt 1、2、3、4、5、12、13。这一轮的目标是让论文“站得稳”。如果论证有漏洞、段落职责不清、讨论没深度，这些问题不解决之前，去抠单词和图表规范完全是浪费。我会把ChatGPT输出的问题清单导出，在文档里标出每一个对应位置，然后花一到两天集中修改结构和论证。
需要注意的是，第一轮的修改会有连锁反应：改了某一段的论证结构，后面引用的图表编号和术语可能也要跟着改。所以我在结构修改期间不会同时跑语言和图表类的提示词，否则会得到一份基于“旧结构”的修改报告，白白浪费。
3.2 第二轮：按清单逐项打磨
骨架稳定之后，我再跑剩下的Prompt 6、7、8、9、10、11、14、15。这一轮相当于精细化打磨。语言类的统一、图表编号核验、参考文献交叉验证，这些工作彼此相对独立，可以并行处理。
实际操作中，我会把全文按提示词的要求分成几个部分分别提交。比如Prompt 6（术语一致性）适合提交全文，因为术语问题跨章节出现；但Prompt 2（段落主题句检查）如果全文太长，建议按章节分批提交，避免AI顾此失彼、后半部分明显敷衍。这里有一个我实测的经验：ChatGPT处理超长文本时，深度会下降，分段提交虽然费点事，但质量明显更好。
3.3 把上下文喂足，效果翻倍
上面这些提示词，默认你直接丢给AI它也能跑，但输出会比较浅。要提升效果，最划算的操作是在提示词前先给AI一段“上下文说明”，告诉它这篇论文是什么学科、目标投稿渠道的口味、你希望修改的程度。比如：
“这是信息管理方向的一篇实证研究论文，目标期刊偏重数据驱动和模型创新，投稿前需要做一次严谨的编辑校对。以下提示词请严格按要求执行，输出问题清单并给出具体修改建议，而不是笼统评价。”
这段上下文看起来不起眼，实际效果比多写几条技巧都大。它让AI的语言风格和你所在领域对齐，也避免了提示词输出“建议进一步阅读文献”这种空话。你还可以根据自己的需要微调：如果有某个部分特别想让AI重点看，就在上下文里加一句“重点检查第3节”。
3.4 学会判断AI输出里哪些能直接用
这是我最想强调的一点：AI输出的修改建议，一部分可以直接用，一部分需要攒着用作启发，还有一部分必须直接扔掉。按我的经验，比例大概是能用三成、启发四成、扔掉三成。
可以直接用的典型：术语统一建议、冗余压缩、图表编号问题、格式修正，这些属于客观问题，照做没风险。需要启发式使用的典型：逻辑跳跃的补全方案、过渡句的改写、Discussion的重写句——AI提出的方案未必适合你的材料，但能让你看到“原来这个地方可以这样兜回来”，然后你再结合自己的理解重写。必须扔掉的典型：它凭空加出来的新事实、引用错误、过度拔高研究意义的表述。记住一条底线：AI不知道你的实验数据到底支持什么，能在数据层面发言的只有你自己。所以涉及数据、引用和结论可信度的修改，一律人工复核，这是原则问题。
4. 常见问题与排查技巧实录
4.1 为什么AI总说“整体写得很好”
如果你把论文丢给ChatGPT说“帮我校对”，它倾向于给你一个整体正面的评价，然后象征性提两条无痛建议。这不是AI笨，而是它在预测你的需求：你看起来只是想要一个确认，它就顺着你说。解决办法是让提示词强制它做否定式检查，也就是“只找问题，不要夸”。
我设计上面那些提示词时，都加了“找出”“指出”“检查是否有”这类指令词，目的就是堵住它客套的口子。如果你发现某条提示词跑完后仍在输出大量正面评价，可以追加一句：“这次只输出问题和修改建议，不需要任何总体性评价。”这一招实测有效。
4.2 输出太笼统怎么办
AI给出的建议太宽泛，比如“建议加强论述”，那等于没说。这是因为提示词里没有给它足够的约束。解决方法是把范围锁死：让它必须引用原文的具体句子，必须给出改写版，必须说明改写前后有何不同。我上面的提示词里基本都包含了这些约束。如果你自己写类似的提示词，记住一个公式：明确角色（你要AI当什么角色）+ 明确任务（指出问题还是改写还是核对）+ 明确格式（清单式、对比式、还是表格）。
4.3 AI改着改着，把我严谨的表述改飘了
这是最危险的一个坑。有些提示词如果表述不严谨，AI会在修改时加入原文没有的断言。比如你让它“优化表达”，它可能把“该算法在某些条件下表现良好”改写成“该算法性能优异”，这完全是两个意思。所以我在使用任何提示词时都会附带一句：“修改时不得新增论文中没有的数据、引用和断言，不得改变原有结论的强度，如果原文的谨慎表述是合理的，请保留。”这句话是安全垫，建议你也把它加进每个提示词里。
4.4 15条提示词跑完一轮，问题清单太长怎么办
一次性跑完15条，输出可能上百条修改意见，很容易让人陷入选择困难。我的经验是分优先级：先处理影响审稿人判断的硬伤——逻辑跳跃、结论过强、方法缺失信息；再处理专业度问题——术语不一致、图表不规范；最后处理锦上添花的语言优化。不要试图一次改完，最好根据期刊给的时间倒排计划。审稿人读论文的时候，不会因为你语言不够华丽就打差评，但一定会因为逻辑说不通而降低评价。
5. 关于AI辅助校对的几句真心话
最后讲一点个人体会。这套提示词的真正价值，不是替你省掉修改论文的时间，而是帮你在“当局者迷”的状态下重新获得旁观者的眼光。我每次跑完一整套流程，最费时间的往往不是ChatGPT输出的问题清单，而是我拿着清单回到论文里重新思考那些问题背后的逻辑。提示词可以帮你找到伤口，但缝合伤口还是得靠自己的理解。
另外，在当下的学术环境里，使用AI辅助论文写作和校对，必须特别注意所在院校和期刊关于AI使用的规定。有些地方允许AI辅助语言润色，但要求如实声明；有些地方对AI的使用范围有严格限制。我的建议是：把提示词当成校对工具而不是内容代写工具，跑完后的每一次实质修改都由自己完成，并在需要时按规范做相应说明。这既是对学术规范的尊重，也是对自己的成果负责。
这15条提示词我手头已经存了很久，每次改稿都会根据具体论文调一调措辞。你用的时候也不用死记硬背，理解每个提示词背后在检查什么逻辑，然后按照自己的论文类型微调，才是最高效的做法。如果实际操作中遇到哪条跑起来效果不理想，多半是提示词里缺少对你论文特点的约束，往里面补一句背景信息往往就能解决问题。
