这是一个虚构但很典型的案例：阿美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”。这次阿美需要整理一份给导师的论文初稿，决定试试 JSON 结构化输出。

背景

对阿美来说，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

阿美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：

  • 字段名含糊，比如“信息”“备注”
  • 拿到 JSON 不做校验就入库。

改进后的提示词

阿美按照结构化输出的思路重写了提示词，核心是把字段定义写进提示词：

请从下面的论文初稿片段中提取信息，只输出 JSON，不要解释。
字段要求：
{
  "主题": "字符串，不超过 20 字",
  "负责人": "字符串，原文未提及填 null",
  "截止日期": "YYYY-MM-DD 格式，未提及填 null",
  "风险点": ["字符串数组，最多 3 条"],
  "需要导师决策的事项": ["字符串数组"]
}
原文：
[粘贴内容]

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：

示例输出（虚构）： {“主题”:“活动报名系统上线”,“负责人”:“王某”,“截止日期”:“2026-11-05”,“风险点”:[“短信通道额度不足”],“需要决策的事项”:[“是否延长报名时间”]}

拿到结果后，阿美没有直接转发，而是先删掉不符合实际情况的内容，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 说明缺失值怎么处理，例如找不到就填 null 或“未提及”
  • 要求“只输出 JSON，不要任何解释”
  • 用几条真实样本测试，检查字段是否齐全、格式是否合法。
  • 每个字段写清含义和格式，比如“截止日期，YYYY-MM-DD”

之后阿美发现，同样的方法也适用于另一类场景：多人协作需要统一格式的输出。

复盘时阿美还想到一个问题：中文字段名可以吗？答案是：人看的表格可以用中文；要给程序处理时，建议用英文字段名，减少编码和对接问题。

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：结构化输出与少样本示例结合，给一个填好的样例，格式错误会更少。

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