这是一个虚构但很典型的案例：晓雯是一位在高校或研究机构从事研究的研究生或科研人员，最近手头在忙“精读 6 篇相关领域论文”，同时还要准备“补充对照实验”。这次晓雯需要整理一份给导师的论文初稿，决定试试 AI 写正则表达式。

背景

对晓雯来说，文献阅读量大，写论文、做数据处理、写基金申请和回复审稿意见都很耗精力。偏偏这次还遇到一个变数：实验设备排期紧张，补充实验可能推迟。论文初稿需要尽快交给导师，时间并不宽裕。

第一次尝试：问题出在哪

晓雯一开始只写了一句话：

帮我写一份关于“论文投稿前的修改”的论文初稿。

结果 AI 给出的内容四平八稳却用不上。复盘下来，主要有两个问题：

  • 只描述规律不给例子。
  • 写完不加注释。

改进后的提示词

晓雯按照 AI 写正则的思路重写了提示词，核心是用日常语言描述要匹配的规律：

我需要一个正则表达式，用于[编程语言/工具]。
目标：从实验记录的文本中提取订单编号。
规律：以大写字母“OD”开头，后面跟 8 位数字。
应该匹配：OD20261016、OD00000001
不应该匹配：od20261016、OD123、OD2026101612
请：
1. 给出正则表达式，并逐段解释；
2. 用上面的例子说明每个是否匹配；
3. 指出可能的边界情况。

结果（示意）

下面的效果为虚构演示，用来说明这类改进通常带来的变化：

示例（虚构）：用户需要从日志中提取形如“2026-10-16 14:23:05”的时间。AI 给出正则并解释日期和时间各部分的写法，同时提醒“这个表达式不会校验日期是否真实存在，比如 2 月 30 日也会被匹配”。

拿到结果后，晓雯没有直接转发，而是对照原始资料逐条核对，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 提供至少三个应该匹配和三个不应该匹配的例子。
  • 让 AI 写出正则并逐段解释。
  • 用测试工具或代码验证所有例子。
  • 提供匹配和不匹配的例子，AI 才能准确把握边界。

之后晓雯发现，同样的方法也适用于另一类场景：在编辑器或表格中批量查找替换。

复盘时晓雯还想到一个问题：正则写得太复杂怎么办？答案是：可以拆成几步处理，或改用其他方法，可读性比简洁更重要。

给科研人员的提醒

让 AI 帮你梳理论文结构、解释方法和润色语言，观点和数据要由你负责。遵守期刊和学校关于 AI 使用的披露规定，不要让 AI 编造数据或文献。另外，对话里不要出现未发表的研究数据和论文手稿。

一个额外的小技巧：遇到匹配错误，把错误的例子补充给 AI，让它修正。

可以复用的经验

这个案例里最值得复用的，不是某一句提示词，而是“先说清背景和标准，再看结果、再修正”的习惯。下次遇到“回复审稿意见”这类任务，同样适用。

相关阅读