AI 輔助研究流程：用文獻矩陣整理資料、驗證來源與反覆修正 Prompt

研究者面對的難題已經不只是「找不到資料」，而是搜尋結果、推薦、摘要和生成文字同時湧入。資料量增加並不自動提高證據品質；相反，若沒有流程，團隊會不停收藏文獻、重複搜尋、忘記排除理由，最後把 AI 生成的流暢整理誤當成已驗證結論。

可控制的 AI 研究流程要回答六條治理問題：誰定義問題、去哪裏搜尋、如何篩選、每項證據如何核對、AI 在哪裏參與、最終由誰批准。本文把研究生命週期拆成十二個關卡，重點不是工具排行榜，而是建立可重複、可質疑、可回溯的證據系統。

媒體披露：本文的封面、6 張步驟圖、2 張影片海報及 2 段預覽影片，全部是經清理的重製操作示意，只使用虛構文獻、虛構 DOI、虛構搜尋結果和虛構數據；它們不是任何來源影片的截圖或片段。所有畫面均移除人物、作者、帳戶、頻道、社交平台與推廣身份。產品介面、權限、覆蓋和方案會更新，請以 2026 年 7 月 22 日後你機構帳戶與第一方文件為準。

研究生命週期不是一條直線，而是有批准閘的循環

實際研究會反覆：初步搜尋發現定義太寬，於是重寫問題；全文閱讀發現量度不同，於是增加矩陣欄位；反方測試發現遺漏族群，於是補搜尋。循環本身不是失敗，沒有版本和理由的循環才是失控。

步驟一：寫研究協議，先決定 AI 不可以做甚麼

協議不是只有大型學術團隊才需要。即使是一份兩頁市場研究，也應在開始前寫目的、受眾、問題、地區、年份、來源、排除、截止和敏感資料。否則 AI 會以自己的預設填空，例如把全球研究套到香港、把供應商案例當獨立證據，或把最新網頁日期當數據期間。

你是研究流程設計員。先建立可審核協議，不要搜尋，不要寫結論。

決策／研究目的：［這份研究要支援甚麼決定］
主要問題：［一句可回答問題］
適用範圍：［地區、對象、行業、年份］
納入來源：［研究類型、資料庫、語言］
排除來源：［不適用情境、無法核對、重複版本］
高風險資料：［個人、機密、未發表或受限制內容］
截止與資源：［人數、時間、可用資料庫］

請輸出：
1. 問題分解與必要定義；
2. 搜尋、篩選、抽取、綜合及驗證五個階段；
3. 每階段的輸入、輸出、擁有人和通過條件；
4. 偏差、資料缺口與升級路徑；
5. 版本紀錄和停止條件。

遇到未知資料只可標示「待查」，不可補作事實。

協議要固定四種邊界

• 知識邊界：只接受哪些資料庫、文件類型和年份。
• 資料邊界：哪些個人、機密、未發表或受限制內容不可交給外部工具。
• 決策邊界：AI 可建議，但哪些納入、排除、因果和推薦必須由人批准。
• 時間邊界：研究截至日期、搜尋停止條件和下次更新日期。

把協議編號，例如 RQ-01 v0.1。每次變更要寫日期、原因、影響了哪些搜尋和是否需要重跑。這一步看似行政，卻能阻止結果導向地修改標準：看到喜歡的研究才放寬納入，看到相反研究便突然收窄。

步驟二：理解生成模型風險，分清模型、搜尋與資料庫

大型語言模型通常按上下文預測下一個 token，能產生結構清楚的文字，卻不代表每一句都來自已驗證資料。NIST 生成式 AI 風險管理框架把自信呈現錯誤或虛假內容稱為 confabulation，並指出虛構 citation 也會增加不當信任。

但不要反過來把所有 AI 研究工具說成「不是搜尋引擎」。具 retrieval 的助理可以把問題轉成查詢、搜索指定資料庫並附連結。正確說法是：基礎生成與資料檢索是不同層；即使工具能檢索，摘要、排名和綜合仍可能有覆蓋、分類與解讀錯誤。

輸出可信度的四個層級

1. 無來源生成：只可用於腦力激盪和格式草稿，不作事實證據。
2. 有連結生成：連結存在，但仍要核對是否支持相鄰主張。
3. 資料庫檢索：來源集合較明確，仍受索引範圍、查詢和排名限制。
4. 原文核對：人打開全文、方法、數據與限制，才可寫入已核對矩陣。

步驟三：用資料庫助理找種子文獻，而不是一次生成完整回顧

Web of Science Research Assistant 官方文件把它描述為建基於 Web of Science Core Collection 的生成式 AI 工具，提供自然語言、多語搜尋、結果概覽、引導式 topic exploration、literature review、journal finding 及視覺化。這適合把模糊問題變成可見的檢索路徑，但其資料庫覆蓋不是整個學術世界。

2026 年 4 月的官方更新說明列出 One-Box、多 agent workflow、可點擊 references、顯示底層 Boolean query，以及 Literature Review workflow 使用 25–50 份文件。這個數字只描述該工作流設定，不代表題目只有 25–50 篇相關文獻，也不代表輸出等同完整系統綜述。

種子文獻最小核對

• 題名、作者、年份、DOI 和文件類型與資料庫紀錄一致。
• 摘要真正符合研究對象、情境、介入／暴露和結果。
• 至少有不同年份、方法或學派的種子，避免單一路徑偏差。
• 若由 AI 建議 foundational paper，另查引用、方法和領域認受，而不是接受標籤。
• 記錄是由哪個問題版本、查詢和日期找到。

步驟四：趨勢探索只能提出假設，不能證明題目新穎

Research Horizon Navigator 官方頁把產品列為 InCites Benchmarking & Analytics 模組，按近期 citation activity 協助識別 emerging topics。本文核對時，官方頁列出 10,000+ emerging topics、700k+ papers 及 254 subject categories，並說生成式 AI 用於為 topic 自動指派 research theme。

這些數字是產品當日覆蓋描述，會更新；更重要的是，主題標籤不等於研究結果，近期引用增加也不等於未來必然突破。將趨勢工具當成「提出值得檢索的方向」，再用原始文獻、研究設計、資助、資料年份和領域知識判斷。

步驟五：分開相似度探索與引用立場

Connected Papers 官方方法頁說圖形根據 co-citation 和 bibliographic coupling 計算相似度，並明言不是 citation tree。它有助發現題名用詞不同但參考脈絡接近的研究；要知道誰引用誰，仍要開 references 和 citations。

scite 官方 API 文件把 citation statement 分成 supporting、contrasting／contradicting、mentioning 和 unclassified，並區分引用語句數與 citing publications 數。這些 machine classifications 能幫你優先閱讀引用脈絡，但不是研究真偽判決；一篇文章被 contrasting 也可能只是方法、樣本或邊界條件不同。

候選探索的停止規則

• 至少由多個種子向前、向後及相似度方向探索。
• 新候選主要重複已知研究，沒有新增方法、樣本或結果。
• 主要概念的同義詞和不同拼法已測。
• 關鍵相反結果、失敗和限制已有專門檢索。
• 資料庫、日期和權限限制已記錄，而不是宣稱「全部找齊」。

步驟六：讓 AI 做初篩建議，人類保留排除責任

候選增加後，先去重，再按題名／摘要初篩、全文篩選和最終納入三層處理。AI 可以把摘要與準則逐項對照，卻不能把摘要沒有提及的內容當成不存在；也不能在看不到全文時推測樣本或結果。

以下是一批候選文獻的題名、摘要和已核對書目。請依照我提供的納入／排除準則做「初篩建議」，不是最終決定。

每篇輸出：
- 文獻 ID；
- 建議：納入／排除／待全文；
- 對應準則；
- 只根據摘要不能確定的地方；
- 需要人工查看的全文段落；
- 信心：低／中／高。

禁止：推測看不到的方法、樣本或結果；把沒有提及當成不存在；虛構 DOI 或期刊資訊。所有排除決定由人類覆核。

每個排除決定至少保存文獻 ID、階段、準則、理由、判斷人和日期。資源許可時由兩位研究者獨立篩選並解決分歧；資源不足時，至少雙人覆核高影響排除、邊界案例和 AI 信心低的項目。

不要用模型信心代替方法

「高信心」只是模型對自己輸出的描述，不是經校準的研究品質分數。真正可審核的是它指出哪一條準則、引用摘要哪一句、承認甚麼未知，以及人類是否同意。把模型信心保存為排序提示可以，但最終狀態必須由人寫。

步驟七：文獻矩陣把閱讀結果變成團隊共同資料

文獻矩陣不是美化摘要，而是把每篇研究按固定欄位比較。沒有矩陣時，研究者很容易以記憶綜合，把方法強弱、樣本和結果混在一起；有矩陣後，論證可指向文獻 ID 和證據頁碼。

請把已人工核對的閱讀筆記整理成文獻矩陣。每篇一列，只使用提供的文字。

欄位：文獻 ID、研究問題、理論、地區、樣本、設計、資料年份、主要結果、限制、與本研究關係、證據頁碼、核對者、核對日期。

另外輸出三張清單：
1. 研究結果一致的地方；
2. 研究結果矛盾而可能由定義、樣本、方法或期間解釋的地方；
3. 現有資料不能回答的地方。

不要把空白格補成推論，不要計算未提供的合併結果。

矩陣設計的七個原則

1. 欄位由研究問題決定，不直接照搬工具模板。
2. 事實欄、研究者推論欄和備註欄分開。
3. 數字保留單位、分母、期間和不確定性。
4. 每項結果附頁碼、表格或附錄位置。
5. 空白代表未報告或未核對，兩者要分開。
6. 加入版本、核對者和日期，避免多人覆蓋。
7. 原始摘錄只保存必要長度，遵守版權和資料權限。

步驟八：用三層過濾網驗證來源，不靠單一黑名單

第一層：來源出處

優先使用圖書館訂閱資料庫、官方期刊頁、出版社、機構典藏、政府資料和可核對 DOI。Open web 可以找到重要灰色文獻，但要確認發布者、日期、版本、方法和原始檔。搜尋摘要只可作導航，不能代替全文。

第二層：期刊與出版透明度

Think. Check. Submit. 的期刊核對清單要求研究者查看出版者聯絡、同儕審查、費用、索引、識別碼和政策等。DOAJ 與出版倫理組織共同發布的透明度與最佳實務原則涵蓋期刊名稱、網站、出版時間、保存、版權、授權、倫理、peer review、access、ownership、advisory body、fees 及其他範疇。DOAJ 適用於開放取用期刊，沒有列入不等於其他期刊自動不可信。

第三層：文章內容

最重要的仍是文章本身：問題是否清楚、樣本是否適用、方法能否支持結論、統計與質性分析是否透明、限制是否充分、資料能否取得、利益衝突如何、是否有勘誤或撤回。可用 currency、relevance、authority、accuracy、purpose 作初步提問，但不可止於五個標籤。

DOI 不是品質徽章

Crossref REST API 官方文件可用於查詢會員提交的 metadata。DOI 能協助識別和連結，卻不表示研究經高品質同儕審查，也不保證 metadata 永遠無誤。仍要查文件類型、期刊頁、修訂和撤回狀態。

步驟九：把 Prompt 當成版本化對話，不是一次性命令

好的 Prompt 不必一開始很長，但必須清楚資料邊界、任務、輸出和禁止事項。第一版用來暴露模型理解；第二版針對遺漏；第三版要求證據位置和反例；第四版修正格式。每版保留輸入資料版本、工具／模型、日期和人工改動。

如果輸出錯了，不要只說「再好一點」。指出哪一格、哪個主張、哪條規則被違反，提供正確例子，要求模型重做受影響部分。大範圍重新生成會令已核對內容也改變，增加版本風險。

步驟十：用 AI 作安全的反方演練，再由人判斷

AI 的另一個合適角色，是扮演嚴格讀者，列出超出證據、隱藏假設、相反解釋、遺漏群組和會推翻結論的新證據。這些質疑不是事實，要標示為 hypothesis test，再由研究者回矩陣和全文判斷。

你是研究質疑員。以下是「論證草稿」和「已核對證據表」。

請不要改寫成更有說服力；先嘗試找出它可能錯在哪裏。

逐項列出：
1. 哪個主張超出證據；
2. 哪個來源不獨立或可能共同引用同一數據；
3. 哪個因果推論只由相關性支持；
4. 哪個數字欠缺分母、期間、單位或不確定性；
5. 哪個相反解釋仍未排除；
6. 哪類人口、地區、年份或研究沒有被涵蓋；
7. 甚麼新證據會令結論改變；
8. 哪些問題必須交方法專家、法律、倫理或資料負責人。

每個質疑要引用證據表的文獻 ID；沒有依據時寫「假設性測試」。

反方演練後的三種處理

• 證據支持質疑：收窄主張、補限制、重新分析或增加搜尋。
• 證據不支持：記錄檢查過甚麼，以及為何不修改；不要悄悄刪除。
• 現有資料不足：標示未知和決策風險，交專家或未來研究，不叫模型選一邊。

步驟十一：建立 audit trail，令另一位研究者可以重建

研究 ID：
問題版本：
協議版本與批准人：
搜尋日期／資料庫／完整檢索式：
種子文獻及選擇理由：
候選數／去重數／初篩數／全文數／納入數：
每篇納入／排除理由：
提示詞版本及模型／工具日期：
AI 協助範圍：
人工核對者與日期：
矛盾、未知數和升級狀態：
資料、私隱、版權及披露批准：
最終版本與下次更新日期：

Audit trail 不需要昂貴系統；共享試算表、版本化文件或資料庫都可以。最低要求是每個決定有對象、規則、判斷人、日期和可回開來源。若來源頁更新，保存當時 metadata、存取日期和合法允許的存檔方式；不要私自散佈付費全文。

值得量度的流程指標

• 候選、去重、初篩、全文和納入數量，能否對得上。
• 多少矩陣格已有頁碼和第二人核對。
• 多少主張只有單一來源，多少真正有獨立支持。
• AI 建議中有多少被接受、修正、拒絕，以及主要錯誤類型。
• 未解矛盾和未知數的擁有人與期限。
• 從問題變更到重新檢索需要多久，是否有漏跑步驟。

步驟十二：私隱、版權、披露和人類責任

研究材料可能含訪談、醫療、教育、僱員、客戶、未公開產品、審稿稿件或合作方資料。上載前要確認資料擁有人、倫理批准、合約、跨境、保留期、模型訓練設定、管理員控制和刪除機制。最少資料原則要求只提供任務真正需要的片段；能用虛構或聚合資料測流程，便不要先用真資料。

ICMJE AI 出版指引指出人類最終負責 AI 協助內容的準確、完整、偏差、引用、權限和抄襲；AI 不可列作作者。使用 AI 要按期刊政策透明披露。指引亦提醒，稿件屬保密通訊，把它放入不能保證保密的 AI 服務可能違反責任。

一份可改寫的 AI 使用披露

本研究在［階段］使用［工具及版本／存取日期］協助［檢索式草擬、格式整理、語言編輯或反方問題］。工具沒有決定納入／排除、產生研究數據或擔任作者。所有來源、頁碼、數值、分析與最終文字均由［角色］人工核對；研究團隊對內容負全部責任。實際披露位置和細節以目標期刊、機構及學科規則為準。

團隊角色：不要讓所有風險集中在一個操作員

小型團隊可以一人兼任多個角色，但要在高風險點安排獨立覆核。例如同一人做搜尋和初篩，可由另一位抽查排除；同一人寫矩陣和段落，可由方法專家抽查關鍵結果。職稱不重要，責任分隔才重要。

一星期建立最小可行研究控制系統

第 1 日：問題和邊界

開一頁協議、列定義、納入／排除、資料邊界、角色與停止條件。以虛構資料測 AI prompt，確認不會自動補空白。

第 2 日：種子和檢索

在主要資料庫建立可保存檢索式，找到多元種子，核對 DOI 和版本。保存查詢日期及結果數，不只截圖。

第 3 日：探索和去重

使用相似度、引用和趨勢工具擴展，分清每項訊號。匯入參考文獻管理器去重，保留合併決定。

第 4 日：篩選和矩陣

用題名／摘要初篩，再看全文。為核心研究填最小矩陣，AI 可整理但每格有人工頁碼核對。

第 5 日：三層驗證

查來源出處、期刊透明度、文章方法、metadata、勘誤和適用性。把未解項目分派擁有人。

第 6 日：論證和反方

只由已核對矩陣寫主張—證據表，運行反方 prompt；對支持的質疑收窄結論，對未知保留風險。

第 7 日：audit 和批准

核對數量、版本、披露、私隱、授權和下次更新。讓第二人由 audit trail 隨機重建三項結論；重建不到便不算完成。

發布或提交前的 20 項驗收

1. 主要問題、使用者和決策影響清楚。
2. 協議版本及變更理由完整。
3. 資料庫、檢索式、日期和權限已保存。
4. 種子文獻選擇理由多元。
5. 相似度、引用、趨勢和可靠性沒有混淆。
6. 候選、去重、初篩、全文和納入數量可對帳。
7. 所有排除有準則、判斷人和日期。
8. 矩陣每個重要格有頁碼或原始位置。
9. 空白、未報告和未核對分開。
10. DOI、metadata、版本、勘誤和撤回已查。
11. 期刊核對不依賴單一名單或指標。
12. 因果主張由合適研究設計支持。
13. 數字有分母、單位、期間與不確定性。
14. 相反研究和替代解釋沒有被刪除。
15. AI 每次參與有目的、版本和人工結果。
16. 無來源生成沒有進入事實段落。
17. 敏感資料只在批准環境處理。
18. 版權、資料 licence 和圖表權利已確認。
19. AI 使用按機構／期刊規則披露。
20. 最終由可問責的人批准並設定更新日期。

延伸閱讀

• AI 論文工具全流程：把找文獻、PDF 核對、引用管理、寫作與科研製圖接成可提交工作流。
• AI 精準找資料與來源驗證：深入拆題、搜尋語法、研究計劃、證據表與反證搜尋。
• 香港中小企 AI Agent 指南：當研究流程需要多步工具操作時，補充最小權限、人工批准與審計控制。

總結：研究品質來自控制點，不來自按鈕數量

AI 可以縮短檢索式草擬、摘要對照、矩陣排版和反方問題的時間，但它不應拿走問題定義、納入標準、方法判斷、來源驗證、私隱和最終責任。真正成熟的 AI 輔助研究，不是輸出看起來像論文，而是任何人都能沿着協議、檢索式、排除理由、文獻矩陣、Prompt 版本和批准紀錄，重建結論怎樣形成。當資料更多時，這條證據鏈比任何單一工具都重要。