选题这件事，我吃过不少亏。
最难受的不是想不出题目，而是兴冲冲想到一个方向，检索一圈发现——三年前就有人做完了，而且还做得挺漂亮。
后来我才慢慢想明白：科研选题真正值钱的地方，不是"这个题目听起来新不新"，而是这个领域里到底还有哪个问题，至今没人拿出过硬的证据去回答。
前阵子我把手里那条找研究空白（Research Gaps）的指令重新调了一遍。跟上一版比，这一版多做了一件事：不只是告诉你"哪里还没人做"，还会顺着现有文献去扒矛盾、扒机制上的空白、扒证据链断在哪一环，然后往前提一个能验证的假说。
我自己的用法分两步走：
一，先用 Chat 把方向盘出来；二，再切到 Work，把文献一条条核过去，落成 Excel。
下面就把过程摊开讲。
一、先让 Chat 把水搅浑
打开 ChatGPT，进 Chat 对话。
模型这块，账号支持的话我一般会往高推理档位调，极高推理或者 Pro 都行。原因很简单——这活儿不是搜资料，是要拿一堆研究证据去判断"这个问题到底解没解决"，档位低了它容易糊弄你。
要喂给它的东西只有两样：你的研究主题 + 我这条指令（后面直接给全文）。
我拿自己比较熟的方向试的：MSS 型结直肠癌的免疫治疗增敏。
填进去，提交。
这里我要多说一句，也是我上一版踩过的坑。
我想要的不是"这个领域有哪些热点"，那玩意儿随便搜搜综述就有。我要的是几个更扎人的问题：
1. 现在到底走到哪一步了？
2. 哪几个关键问题还悬着、还缺证据？
3. 哪些结论之间是打架的？
4. 哪些现象看得见，但机制说不清？
5. 哪条路既有新意，又真的做得下去？
最后让它从一堆候选里挑出三个最值得往下挖的。
但有个前提得死死记住：
发得少 ≠ 有创新。GPT 说这儿是空白，不代表这儿真是空白。
所以我在指令里专门塞了文献真实性核查、反面证据、研究风险、重复性判断这几块。宁可它答得保守一点，也别让它编。
二、完整指令（可直接复制）
【GPT 研究空白分析与科研选题指令】你是一名具有丰富科研经验的资深科学家、科研选题专家及高水平学术期刊审稿人。我将提供一个研究主题，请你围绕该主题开展系统、深入的文献调研与批判性分析，帮助我识别当前领域内真正尚未解决、具有科学价值且值得进一步研究的空白点（Research Gaps），并将其转化为可执行的科研方向。我的研究主题：【在此输入研究主题】请按照以下步骤完成：1. 梳理研究现状优先检索近5年高质量原始研究，结合重要经典文献及系统综述，概括该领域已取得的关键进展、主流研究方向、核心科学共识及尚存争议。重点关注最新研究是否已经解决此前提出的问题。2. 系统识别研究空白从以下角度深入分析：- 尚未被充分研究的重要科学问题。- 现有研究结论相互矛盾或证据不足的环节。- 已观察到明确现象，但缺乏深入机制解释的问题。- 现有研究在实验设计、研究模型、研究对象或研究方法上的局限。- 基础研究尚未完成临床或实际应用验证的方向。- 已有研究之间可能存在、但尚未充分验证的新关联或交叉研究机会。注意：不能仅仅因为某个方向发表论文较少，就认定其具有创新性。3. 提出最值得研究的5个空白点每个方向分别说明：- 具体科学问题： 目前究竟还有什么问题没有解决？- 现有研究证据： 哪些代表性文献支持这一判断？是否存在反面证据？- 研究空白： 现有研究具体缺少什么关键证据？- 创新性： 为什么这一问题值得研究？与已有工作有什么本质区别？- 科学假说： 提出明确、合理且可以验证的研究假说。- 研究方案： 给出核心实验设计或研究方法，以及关键验证路径。- 可行性与风险： 分析技术难点、潜在失败原因及替代解释。4. 进行研究价值排序从科学重要性、创新性、研究可行性、成果潜力及与现有研究重复的风险等维度，对5个方向进行综合评价，优先推荐最值得深入开展的3个方向。5. 形成可执行的研究选题针对排名前三的方向，分别提供：- 推荐的中英文科研题目。- 核心科学问题及科学假说。- 研究目标与基本技术路线。- 最值得优先开展的关键验证实验。- 预期创新点、主要风险与潜在成果价值。6. 文献真实性与证据核查所有重要判断尽可能提供真实、可核查的参考文献，包括题目、作者、年份、期刊及DOI或PMID。明确区分“已有研究证实”“现有证据提示”和“尚待验证的推测”。严禁虚构文献、研究数据或夸大创新性。如果无法实时检索文献，必须明确说明检索限制，不能将推测描述为已核实的研究空白。最终输出要求：先给出该主题是否仍有研究价值的总体判断，再提供研究现状、研究空白证据表、5个候选方向的比较与排序，最后重点展开最推荐的3个科研选题。不要停留在泛泛而谈的研究趋势，而要深入到具体科学问题和可验证的研究假说，最终帮助我找到具有真实研究空白、明确创新性、科学合理性和实际可操作性的研究方向。
三、跑完之后，我会重点看什么
结果大致是三块，但我看的顺序跟它给的顺序不太一样。
第一块，研究现状 + 研究空白证据表。
这部分我会特别留意那张证据表。因为一个真值得做的题目，通常不是"这块没人写"，而是"这块没人拿出过能回答核心问题的那份证据"。这两件事差得远。
第二块，五个候选方向。
每个方向它得说清为什么值得做，还得给假说、给核心实验、给风险。这其实是在帮我做一件事——把脑子里那团模糊的想法，逼成一个能写进标书的方案。
第三块，前三名的排序。
它会按科学重要性、创新性、可行性排个序。但这就是个初筛，别当结论用。 排序再漂亮，也顶不了自己读原文和同行的一句判断。
到这儿为止，Chat 帮我解决的是"做什么、为什么做"。
可要确认这些空白是不是真空白，就得往下啃原始文献了。
四、切到 Work，把文献核成表
这块是我特别想讲的。
很多人用 GPT，一直停在一问一答、复制粘贴的阶段。我现在更愿意把活儿拆两半：
Chat 管分析和决策支持，Work 管多步骤执行和交东西。
Chat 刚给我筛出三个方向，我转身就丢给 Work：
- 每个方向扒近五年重要的原始研究
- 专门找支持假说的和打脸假说的证据
- 题目、作者、期刊、DOI、PMID 一条条核
- 能合法拿到全文的，把全文弄下来
- 提取核心发现、用的模型、卡在哪
- 最后给我一张能下载、能改的 Excel
这样我就不用自己一篇篇往表里抄了。当然，付费全文拿不到就是拿不到，表里的结论也照样得我自己过一遍，这点不能偷懒。
五、Work 的指令（接在上面那条后面用）
【Work 文献检索与证据池整理指令】请根据以下3个候选科研方向，开展深入文献检索和研究空白证据核查。研究方向：【粘贴Chat推荐的3个科研方向】具体要求：1. 系统检索文献优先检索近5年高质量原始研究，每个方向筛选10–15篇具有代表性的论文，必要时补充经典文献。2. 核实文献真实性逐篇核实论文题目、作者、发表年份、期刊、DOI或PMID及原文链接。严禁虚构论文或参考文献。3. 获取原始研究资料尽可能获取可以合法公开访问的PDF全文。无法获取全文的论文，保留原文链接并注明访问限制。4. 提取核心研究证据重点整理以下信息：- 研究对象及实验模型。- 关键研究结果。- 核心机制与因果证据。- 对候选研究空白的支持或反面证据。- 研究局限与尚未解决的问题。5. 重新评价科研选题结合检索到的原始文献，重新判断三个研究方向的创新性、科学价值、实验可行性及重复研究风险。6. 最终交付Excel文件请生成一份可下载、可编辑的Excel文献证据表，包含三个工作表：- Sheet 1：文献总表。- Sheet 2：研究空白证据表。- Sheet 3：科研选题优先级比较。对于无法核实的信息，请明确标注，不得将推测当作已有研究结论。最终输出完整的Point-by-Point Response工作稿，保留全部审稿意见，并明确标注仍需作者核实或补充的内容，不得虚构任何数据或研究结果。
六、为什么我非要拆成 Chat + Work
说白了，因为这两件事的性质不一样。
Chat 适合干什么： 跟你来回聊，帮你捋思路，推假说，判创新性，搭实验方案。它更像一个能陪你抬杠的同行。
Work 适合干什么： 满网跑，一步接一步地干，把文献扒下来、核过去、整理成表、交出成品。
当然，两边能力有重叠。Chat 也能查文献，Work 也能推理。我说的是我自己的工作流分工，不是说谁干不了谁的活。
我现在的路子大概是这样一条链：
定主题 → Chat 找空白 → 挑方向 → Work 核原文 → 出 Excel 证据池 → 我自己复核 → 定选题
好处在哪儿？前期的判断和后期的核查是接上的，不是两截。
尤其对正要开题、要写基金本子、或者想换条赛道的人来说，这一套能把最耗时间的那段前期工作压得薄一点。
七、几句掏心窝的提醒
第一，别把 GPT 说的"空白"直接当成你的选题。 它到底新不新，得你自己拿最新文献和这个领域的真实进展去对。
第二，逼它给反面证据。 一个站得住的假说，不光要有一堆研究撑它，还得能解释那些跟它不一致的结果。只会顺着你说的，那不是帮手。
第三，优先挑能做的。 有些方向听着很新，但你想不出验证路径，或者压根超出你手里的条件，那对你来说就不算好选题。
第四，Work 出的表，关键条目必须回原文核。 尤其是机制、结论、创新性判断这几块，不能拿 AI 生成的表格直接往标书或者稿子里搬。
AI 能帮你更快地找问题、攒证据，但那句"这个值得做"，最后还是得你自己说。
上面就是我这套流程现在的样子。从一个主题出发，先搅出空白，再挑出真问题，最后把原始证据落成表。
比起直接问一句"给我个创新课题"，我觉得这么走踏实得多。
正在准备开题、写基金，或者想找个新方向的朋友，可以拿去试试。关注后，后台直接发送“研究空白”，即可领取本文中的两条指令。
你如果在用 GPT 做选题，也欢迎在评论区说说你的领域和踩过的坑。
小魏博士讲AI
持续分享 AI 在医学科研、SCI 写作、基金申报和科研绘图里的实际用法。