见字如面，我是南风，一名专注于高校 AI 辅助科研应用的学术研究者。
欢迎交流学术写作及 ChatGPT、Claude、Gemini 等 AI 工具的实战应用，相互学习，共同进步。
许多研究者在选题时常陷入两难：若选题过于常识，易被质疑缺乏新意；若刻意追求冷门，又面临数据匮乏、无人问津的困境。这两种极端的本质，是对“常识研究”的误读。
真正优秀的研究，应将常识视为起点而非终点。不应止步于证明常识的正确性，而应追问其是否完整、是否存在例外或隐情。人人习以为常的观念，往往因缺乏审视而隐藏着最具价值的研究问题。
本文将拆解四种经典的引言写作策略，演示如何将“众所周知”的陈述转化为“值得一辩”的学术问题。
最直接有效的策略是将常识性的肯定陈述转化为温和的质疑。例如，将"A 导致 B"改写为"A 真的导致了 B 吗？”。这种写法不直接否定常识，而是通过承认其普遍性后提出疑问，动摇其绝对性。
以“天人合一解决环境问题”为例，引言可先铺垫该观点的普遍共识地位，随即转折：“然而，一个极少被追问的问题是：这一源自农业文明的哲学观念，真的能够回应工业文明以来的气候危机吗？”
"长期以来，'天人合一'被视为中国传统生态智慧的精髓，似乎其解决环境问题的能力已是不言自明的共识。然而，一个极少被追问的问题是：这一源自农业文明时代的哲学观念，真的能够回应工业文明以来的气候危机吗？"
此法适用于常识缺乏严格实证，或研究旨在证伪、限定边界的情境。通过“承认 - 转折 - 反问”的三段式结构，引导读者重新审视既定认知。
version: 1.0
language: 中文
description: 学术引言反问设计师。将常识性陈述转化为质疑式反问，生成“铺垫 - 转折 - 反问”三段式引言。
Goals:
- 识别核心断言（因果/价值/共识）。
- 保留常识合理性，不做全盘否定。
- 生成三种语气强度（温和/中度/强烈）的反问版本。
Constraints:
- 反问基于原逻辑，避免稻草人攻击。
- 使用“真的”“是否”“究竟”等学术语体词汇。
Workflows:
1. 提取核心断言结构。
2. 定位缺乏实证的薄弱环节。
3. 撰写铺垫段（承认流行度）与转折段。
4. 生成多级强度反问句并组合成文。
常识往往笼统模糊，将其拆解可发现具体研究空间。例如“钱少导致不幸福”这一常识，可细分为“总量不足（患寡）”、“分配不均（患不均）”与“程序不公（患不公）”三个维度。
"不幸福是因为赚得少，这似乎是不需要论证的常识。但这个常识内部至少包含三个未经区分的判断：人们是因为总量不足而不满（患寡），是因为分配不均而不满（患不均），还是因为分配过程的不公平而不满（患不公）？如果无法厘清这三者，我们关于'幸福'的政策建议就始终是在黑暗中放箭。"
此法无需推翻常识，只需辨析其内部机制。适用于常识概念笼统、包含多重维度的情境，有助于进行机制辨析或维度比较研究。
version: 1.0
language: 中文
description: 学术概念维度分析师。将笼统常识拆解为可独立检验的子维度，生成拆分式追问引言。
Goals:
- 识别核心概念模糊地带。
- 从至少 3 个理论视角（如总量/结构/过程）拆解维度。
- 每个维度对应具体可检验的研究问题。
Constraints:
- 维度间概念区分明确，避免重叠。
- 基于现有文献框架，不生造维度。
Workflows:
1. 分析概念边界与多义词。
2. 检索经典维度划分框架。
3. 提取 3-5 个互斥核心维度并定义。
4. 撰写引言：承认直觉合理性→指出笼统性→展开维度拆解→阐明研究价值。
此策略更为激进：直接提出与常识相反的预设，并以证据支撑。例如，常识认为“上重点高中提高成绩”，研究却可能发现其无益甚至产生负面效应。
"在'不能让孩子输在起跑线上'这一全民共识的驱动下，课外辅导已成为中国家庭教育支出的重要组成部分。但越来越多的证据暗示，这个被全社会奉为圭臬的策略，可能恰恰是一种'揠苗助长'——早期过度教育不仅未必带来长期学业优势，反而可能通过削弱学习动机、压缩自主探索时间，产生持续的负面效应。"
关键在于语气留有余地，使用“证据暗示”“可能”等表述，制造认知冲突以激发阅读兴趣。适用于拥有充分实证证据支持反常识结论的研究。
version: 1.0
language: 中文
description: 悖论式研究假设设计师。生成有理有据的反常识假设及配套引言。
Goals:
- 分析常识前提与边界，识别失效场景。
- 生成反常识假设并提供理论机制解释。
- 输出严谨且具有冲击力的悖论式引言。
Constraints:
- 不违背科学共识与伦理底线。
- 必须提供可检验的机制解释。
- 语气克制，标注适用边界。
Workflows:
1. 分析常识隐含前提与典型证据。
2. 探索反向因果、调节变量或长短期效应反转。
3. 筛选最具支撑的反常识假设并匹配机制。
4. 撰写引言：铺陈共识→转折→抛出猜想→暗示机制。
此方法最为深刻，不否定也不拆分常识，而是追问其形成过程与深层结构。例如针对“知识商业化”现象，不纠结于其好坏，而是探讨其背后的制度动因及对知识公共性的影响。
"知识的商业化，是当代知识生产领域一个几乎人人感知得到的现象：学历在贬值、学术评价与利益深度捆绑、高校日益企业化运作。然而，尽管这一现象如此普遍，它却很少被作为一个独立的学术对象加以系统考察。当我们理所当然地接受'知识可以像商品一样流通'这一预设时，我们是否已经遗忘了知识原本具有的公共性品格？"
该方法从“是什么”下沉至“为何如此”，适用于对普遍存在但缺乏学理反思的社会现象进行知识考古或深层结构分析。
version: 1.0
language: 中文
description: 学术深层结构分析师。揭示常识背后的历史成因、制度基础与隐性预设。
Goals:
- 将常识现象转化为需解释的问题。
- 从历史、制度、话语三维度挖掘底层条件。
- 揭示未被言明的预设与价值倾向。
Constraints:
- 不否定现象存在，只质疑其“自明性”。
- 深挖需有具体历史节点或制度支撑。
Workflows:
1. 公允呈现常识的普遍性。
2. 陌生化处理：指出其为特定历史产物。
3. 根基追问：展开历史、制度、话语层面的深度分析。
4. 提炼核心研究问题，明确考察的深层逻辑。
