手里有数据，不代表已经有一个值得写的论文题目。
很多人的选题过程，是先找一个热门模型，再换一个数据集，最后想办法解释创新点。真正困难的却是：问题有没有价值？最近的研究做到哪里？现有材料能支持什么结论？如果投入几周才发现方向走不通，能不能更早识别？
这次，我把自己制作的 research-topic-design 选题 skill 放进 WorkBuddy，用三份 NESO 电力需求相关数据，做了一次完整的交互体验。
我的目标是面向中科院 SCI 二区投稿。这里先说明：这是研究目标，不是工具能够承诺的结果。这篇文章介绍的是选题过程，不是已经完成的科研成果。
01｜先看手里有什么，再讨论能研究什么
启动提示词很简单：
带我分阶段完成论文选题。每阶段给出有依据的建议，再问一个有意义的选择问题。最终请交付完整选题报告，不要只输出选题卡。
整个流程分六步：研究画像、候选方向、文献与缺口核验、研究问题、可行性、完整选题报告。
我选择从已有资源出发，提供了2023、2024和2025年的三个 CSV 文件。第一次读取分析超时，WorkBuddy 明确表示尚未取得内容，不能确认变量、缺失和覆盖情况。
这个细节值得保留。看到文件名，和真正检查过数据，是两回事。
后续返回的初步核查列出了文件行数、日期边界和字段信息，同时说明这只是结构核对与分段抽查，尚未完成全量质量审计。行数吻合，也不能直接证明每天的记录都完整。
02｜三个方向，让选择有了具体依据
基于初步信息，它提出三条路线：
-
A：跨年度变化下，需求预测区间是否仍然可靠？ -
B：需求与风光组合变化时，哪些时段更容易发生大幅爬坡？ -
C：运行状态改变后，模型会在哪些情境中失效？
每个方向都解释了问题、可能贡献、证据路径和主要障碍。例如，运行状态分析可能停留在聚类和画图，必须说明它比简单的季节、时段划分多提供了什么。
我选择优先核验 A，保留 B。此时确定的是探索偏好，还没有确定创新性，也没有绑定某个神经网络。
这种交互比连续回答“用哪个模型、哪个阈值”更有帮助：我们决定想解决什么问题，AI 承担技术分析，再把真正影响路线的取舍交回来。
03｜文献核验的价值，是让题目经得起比较
第三阶段没有顺势夸大新意。
对话列出了自适应共形预测、概率负荷预测、局部覆盖和延迟反馈等相关研究，并附来源链接。它还区分了阅读深度：有的看了官方摘要，有的只获得摘要与书目信息，有的读取了方法和实验内容。
由此提出的判断是：自适应校准、关键时段覆盖、反馈延迟，都已有先例，不能直接当成独占创新。
随后，A 被拆成两个版本：一个研究部署可靠性和更新策略的适用边界；另一个承担更高风险，寻找校准方法的具体改进。我选择了后者。
这里的检索仍然有限。对话明确标注，尚未完成系统检索和全文引文追踪。因此，它是在帮助收窄问题，不是在签发“创新性认证”。正式开题前，仍要逐篇核对最近邻工作。
04｜从“想改进算法”，收敛到一个具体矛盾
方法方向继续收敛后，问题变成：某类运行状态下，可用的校准残差不足时，该多相信局部样本，还是借助更大的共享样本池？
这里的“稀疏”，不是简单说三年数据太少，而是指预测当时已经能够获得、又属于某种状态的历史误差样本不足。
局部样本太少，预测区间可能不稳定；共享范围太大，又可能混入不相似的信息。由此形成的暂定题目是：
稀疏运行状态下电力需求预测区间的局部—共享校准。
它还提出了一个很重要的反对理由：如果简单合并分组就能解决问题，就没有必要设计复杂算法。
这让我看到，选题助手应该帮助我们判断方法是否必要。局部、共享、自适应这些词组合起来，并不会自动成为贡献。
05｜资源限制，也应该影响最后的方案
进入可行性阶段，我选择“独立推进、投入受限”。建议随之转向低成本预检：先检查问题是否存在，再考虑完整方法。
暂定方案是在2023—2024年的开发数据上检查局部样本支持、覆盖率、区间宽度和稳定性；2025年留作方案冻结后的最终测试，不拿来反复挑选分组和方法。
判断也不是只看覆盖率是否变高。把区间无限放宽，同样可能提高覆盖，所以还要比较宽度与区间评分，并对照简单合并分组、滚动窗口等办法。
如果简单方法已经足够，就撤回复杂机制的必要性主张；如果数据中没有稳定的失准现象，就修改研究问题。这些都是预先提出的检查路径，并非已经跑出的实验结果。
06｜最终报告，把选择过程留下来
分享页最后展示了 research-topic-report.md 附件，大小为26.4 KB。对话说明，报告包含文献证据、候选比较、问题定义、方法原型、贡献撤回条件、实验设计和低成本预检等内容。
本文依据分享页可见对话整理，没有把附件逐项审阅当作已完成的验证。但从页面可见结果看，这次流程已经落到了一个报告文件，而不只是一个题目和几句建议。
最终状态也很清楚：报告已交付，创新性、方法效果和投稿适配性仍待验证。它没有声称完成了模型实验。
如何开始自己的选题？
使用时加载完整的 skill 文件夹，安装这个skill，包括入口和参考资料，再发送前面的启动提示词。可以带已有数据、文献材料或模糊兴趣进入，不必提前把题目想好。
这套 skill 按研究类型适配流程，并非只为时间序列设计。
对我来说，WorkBuddy 与选题 skill 的组合，把一段容易跳步的讨论变成了可追溯的过程：为什么保留这个方向，哪些证据还缺，下一步先验证什么。
一份好的选题报告，应当帮助我们更清楚地决定是否投入，也允许在证据不足时修改方向。
相应 skill 安装包和本文选题报告案例已整理好，回复【B913】免费领取
B795：可编辑 PPT 生成系统安装包和使用手册
B814：ChatGPT 安装包、使用教程视频
科研小白需安装的 11 个 SKills
B861：英文降 AI 率教程与自查清单
B685：创新点设计与可证伪性检验Skill安装包：paper-novelty-design
B754：drawio绘图软件、skill、插件安装包和使用
往期文章推荐：
GPT-6 + Zotero + Skill：每天自动筛选指定领域最新论文，查重入库并推送简读报告
GPT-6 + Zotero + Skill ，全自动完成搜索文献和分类管理
GPT-6 + Zotero + Skill，全自动生成文献综述和文章精读报告