如何在学术写作中构建用于比较分析的 AI 提示词

为了实现细致的比较分析，你必须指示 AI 首先确立具体的评估标准，然后将这些标准应用于提供的文本，而不是简单地要求它列出差异。这种方法确保输出能够综合观点之间的关系，而不是生成一份由孤立事实组成的零散目录。

为什么简单提示词往往效果不佳

大多数用户以类似“比较理论 A 和理论 B”这样的提示词开始。这种方法通常会产生肤浅的回答，因为 AI 会将该指令解读为生成二元列表的请求：特征 X 存在于 A 中但在 B 中缺失。虽然这在事实层面上是正确的，但缺乏分析深度。它未能解释差异*为何*重要，或这些理论如何在更广泛的学术对话中相互作用。生成的文本往往读起来像是将电子表格转换成的句子，缺少连接不同观点的逻辑衔接。为了超越这一局限，你必须将构建结构的负担从模型转移到你自己的初始指令上。你需要在处理内容之前，先定义进行比较的视角。

“框架优先”方法

最有效的策略是在将文本输入模型之前先定义分析框架。可以将此视为搭建脚手架。如果你在没有指导的情况下交给 AI 两个密集的段落，它很可能会分别总结每个段落，然后指出明显的对比。相反，你应该指定比较维度。你是基于方法论假设、适用范围、历史背景还是对实践的影响来进行比较？通过预先定义这些类别，你可以迫使模型以逻辑而非时间顺序或随机方式组织信息。这确保最终输出围绕有意义的分析轴线构建，为批判性参与提供清晰的路径。

分步提示词结构

使用四部分序列构建提示词：背景、标准、输入和输出格式。这种结构能最大程度减少歧义，并引导模型进行特定类型的推理。

• 背景：简要说明目的。例如：“我正在撰写文献综述部分，评估两种学习理论在成人教育中的适用性。”这确立了基调和相关性筛选标准。
• 标准：明确列出比较维度。如有必要，请在提示词中使用项目符号。示例：“基于以下方面进行比较：1) 先前知识的作用，2) 教师干预的作用，3) 关于学习者动机的假设。”
• 输入：粘贴来自来源的相关摘录。确保这些摘录与上述列出的标准直接相关。如果较短的段落足够，则避免包含整章内容。
• 输出格式：指定所需的结构。要求表格、综合见解的项目符号列表或段落格式。对于细微的分析，要求“一种综合阐述每种理论如何以不同方式解决同一问题”通常比要求“列出差异”效果更好。

利用约束条件强制综合

常见的错误是让 AI 先分别总结每篇文本，然后再进行比较。为了防止这种情况，请添加一条禁止顺序摘要的约束条件。指示模型在整个回复中整合来源。你可以添加这样一行：“不要分别总结来源 A 和来源 B。相反，在每个标准下同时讨论它们。”这迫使模型将观点交织在一起，形成比较叙述而非堆砌列表。此外，限制输出长度以鼓励简洁和精确。较短的输出通常要求模型优先考虑显著差异而非次要细节，从而产生更集中的分析。

示例工作流程

在撰写文献综述时，可以考虑比较两个理论框架。首先，使用 Zotero 整理书目元数据和笔记，确保为每个来源准备好清晰、独立的摘录以供输入。接下来，在 Notion 中起草提示词，列出你的具体评估标准和期望的输出格式。这一起草阶段有助于你在与 AI 交互之前完善分析性问题。准备好提示词后，将文本和标准输入 Claude，它适合处理较长的上下文窗口，从而识别多篇文本之间的主题重叠。检查输出的逻辑流畅度和清晰度。如果比较显得脱节，请在提示词中完善评估标准并重试。最后，使用 Obsidian 将生成的洞察链接到你现有的笔记中，这有助于揭示初始综合中可能被忽视的、不同学术观点之间的非线性联系。

常见误区

避免因要求过多具体要点或过于僵硬的格式规则而过度限制输出，这会压缩阐释性综合的空间。如果你要求恰好五个要点，模型可能会为了凑数而截断重要的细微差别。反之，也不要忽视来源层级。如果一个理论是基础性的，而另一个是对它的批判，请确保提示词反映出这种关系。将它们视为同等地位可能会导致分析扁平化，从而错失话语的动态演变过程。务必检查输出中对观点及其对应来源的准确归属，因为模型有时会无意中混淆概念。

本页最适合需要快速综合大量理论材料但没有时间手动梳理所有联系的研究生和早期职业研究人员。对于偏好完全手动、迭代式编辑流程的人，或需要高度特定、小众格式且自动化工具无需大量手动调整即可完美契合其机构风格指南的人来说，本页不太适用。