明明自己的研究有一定创新性，为什么经过GPT反复修改后，文章反而越来越没有说服力？
最近在用GPT辅助论文写作、文章润色和回复审稿意见时，我发现一个值得注意的问题：
有时候，我们希望GPT把论文修改得更加严谨，但它修改后的内容却越来越保守。
比如，原本一个有实验数据支持的结论，经过几轮修改后，可能会出现大量这样的表述：
• “Our findings may suggest that...”
• “These results should be interpreted with caution...”
• “Further studies are warranted to confirm...”
• “Although our study provides preliminary evidence...”
这些表达本身并没有错。
问题在于，如果GPT不加区分地反复使用，就可能让原本清晰的研究结论变得含糊，甚至削弱文章真正的科学贡献。
这种现象可以称为“防御性写作”（Defensive Writing）。
今天就和大家分享一下，如何通过两条科研指令，减少GPT在论文写作中不必要的防御性表达。
另外，我也把这套方法整理成了两套反防御性写作Skill：一套用于日常邮件、报告和文章，一套专门面向医学科研人员，供会员根据使用场景选择。
01｜什么是GPT的防御性写作？
简单理解，就是GPT在写论文时，过于担心自己的表述不够严谨，从而习惯性地增加各种限制、免责声明和自我否定。
尤其在以下几种情况下，这种现象值得警惕：
第一，使用GPT反复润色Discussion。
原本明确的研究发现，经过多轮润色后，被不断加入“可能”“尚不能证明”“仍需进一步验证”等限定。
第二，让GPT模拟审稿人。
GPT可能提出很多潜在质疑。
其中有些确实是研究设计或证据方面的问题，但也有些只是缺乏具体依据的假设性担忧。
如果直接让GPT逐条回应全部质疑，就可能让论文充满防御性表述。
第三，让GPT不断提高论文的严谨性。
这是我们经常使用的一类指令。
但如果没有给出明确标准，GPT可能把“更加严谨”理解成“更多限定、更少确定性表达”。
最终，文章可能变得越来越长，真正的研究发现反而不突出。
当然，我们也不能走向另一个极端。
医学科研本身就需要严格区分相关性和因果关系，也需要如实报告研究局限。
我们需要减少的是没有证据支撑、重复且不必要的防御性表达，而不是删除所有科学限定。
02｜我更推荐的解决方法：将证据审查与论文写作分开
很多人可能会想到一个简单的方法：
直接告诉GPT：
“不要使用may、might、potentially，不要写研究局限，不要增加免责声明。”
这种方法可能让文字看起来更有力度，但并不值得直接用于正式医学论文。
因为真正的问题不在于这些词，而在于GPT没有充分区分：
哪些问题确实需要修改？
哪些结论本来就有充分证据？
哪些审稿质疑只是没有证据的假设？
因此，我更建议大家采用一个两阶段工作流：
第一步：独立证据审查。
让GPT先审查文章的科学逻辑、实验数据、结论强度和证据链，但暂时不修改正文。
第二步：独立学术写作。
在全新对话中，把原文和经过核查的结论交给GPT，让它在保证科学准确性的前提下，优化文章的论述力度。
这两步最好不要混在一起。
下面直接分享两条可以复制使用的科研指令。
03｜第一条指令：让GPT先审查证据，不要急着修改论文
这一条主要用于发现真实的科研问题。
建议上传完整论文、关键图表及必要的补充材料，再使用GPT的高推理模式进行审查。
科研指令①：独立证据审查
你是一名医学科研方法学专家及高水平SCI期刊审稿人。请对我提供的论文进行证据审查，但本阶段不要重写文章正文。任务：1. 提取文章所有关键科学主张，建立主张与原始证据（图表、统计结果、实验设计、参考文献）的对应关系。2. 判断每项主张是充分支持、部分支持、过度推断还是证据不足。3. 将发现的问题分为：• A类：影响真实性或核心结论、必须修改；• B类：存在真实依据，但可通过精准限定解决；• C类：缺乏具体证据的假想质疑或重复防御性表达。4. 对A、B类问题提出具体且最小化的修正建议；C类不得自动写入论文正文。5. 不编造数据、实验、统计结果或参考文献；缺少资料时标记待核查，不推定其不存在。输出主张-证据核查表、必须修正的问题、可以保留的核心贡献、必须报告的研究局限。禁止直接生成重写稿。
这条指令最重要的作用，是让GPT把“发现真实问题”和“提出假想质疑”分开。
例如，对于一项肿瘤机制研究，如果文章仅通过相关性分析就宣称证明了因果机制，那么这个问题必须指出。
但如果研究已经通过敲低、过表达以及适当的回补实验提供了较为完整的功能性证据，GPT就不应该在没有具体理由的情况下，反复把结论描述为“初步观察”。
注意，具体能够支持多强的因果结论，仍取决于实验设计、结果及替代解释是否得到充分排除。
完成这一阶段后，我们就可以得到一份经过筛选的修改意见。
04｜第二条指令：让GPT减少不必要的防御性写作
接下来是最重要的一步。
建议重新打开一个ChatGPT对话，而不是直接在刚才的审稿对话中继续修改。
原因很简单：
如果同一个对话中已经积累了大量审稿质疑，GPT在后续写作时，可能仍会不断围绕这些质疑组织语言。
新对话只需要提供：
• 原始论文或需要修改的章节。
• 第一阶段确认的真实科学问题及必要修改。
• 已有证据能够支持的主要科学结论。
然后使用下面这条指令。
科研指令②：反防御性学术写作
你是一名专业医学学术编辑。请根据我提供的原始稿件、经过核查的证据和已确认的科学主张，优化正式学术写作。核心原则：准确、明确、有说服力；避免无依据的自我否定。写作要求：1. 保留所有经证据支持的主要结论及原作者的核心贡献，不得因假想审稿质疑而自动降低结论强度。2. 优先明确陈述研究发现，再解释证据和科学意义。避免连续的“然而、需要注意、不能排除、尚不能证明”等空泛防御性句式。3. 每个限定必须对应具体证据、研究条件或真实局限；删除不增加实质信息的重复免责声明。4. 真实研究局限、关键阴性结果和不利发现必须保留，不得为强化故事而选择性隐瞒。5. 区分相关性、功能性证据、机制因果及临床有效性。不得把关联表述改成因果表述，不得扩大实验结果的适用范围。6. 优先将研究边界融入具体主张，而不是在结论后连续附加自我否定。7. 不新增未经核实的数字、实验、参考文献、临床意义或机制解释。8. 在保证科学准确性的前提下，提高论述清晰度、信息密度及语言流畅度，保持正式SCI学术风格。先输出优化后的完整正文，再简述必要的实质性修改。对存在证据缺口的内容，标记待作者确认，不得自行补造。
这条指令与普通的“帮我润色论文”有一个很大的区别：
它不是简单要求GPT写得更自信，而是明确要求模型根据证据决定结论强度。
对于实验已经支持的内容，应当清晰陈述研究发现。
对于尚未解决的机制问题，则保留必要的科学限定。
这样既不会为了追求文章的说服力而夸大结果，也能尽量减少那些没有实际意义的防御性语言。
05｜举个例子：修改前后的区别
假设我们在结直肠癌细胞中观察到，敲低基因X后，细胞对某种化疗药物的耐药性降低。
GPT可能写成：
修改前：
“Although our findings suggest that gene X may potentially play a role in chemoresistance, further studies are needed to confirm its functional significance.”
中文大意是：
“尽管我们的结果提示基因X可能在化疗耐药中发挥潜在作用，但仍需要进一步研究确认其功能意义。”
这句话看起来很谨慎，但没有突出已完成的功能实验结果。
修改后：
“Gene X knockdown reduced chemoresistance in the tested colorectal cancer cell models, supporting a functional contribution of gene X to drug response.”
中文大意是：
“在所测试的结直肠癌细胞模型中，敲低基因X降低了化疗耐药性，支持基因X参与调控药物反应。”
第二种表达直接说明了实验观察到的结果，并明确了证据适用范围。
它没有夸大临床价值，也没有宣称已经证明完整的分子机制。
这才是我们希望GPT实现的效果。
以上仅为假设性写作示例，并非实际研究结果。
06｜进一步升级：我整理了两套反防御性写作Skill
前面分享的两条指令，大家可以直接复制到GPT中使用。
不过，如果你平时经常使用GPT写作，每次都需要重新输入指令、调整要求，还是比较麻烦。
所以，我进一步整理了两套反防御性写作Skill。
一套是适合日常使用的通用型反防御性写作Skill，另一套是专门面向医学科研人员的医学科研反防御性写作Skill。
两套Skill的核心目标相同：减少GPT不必要的防御性表达，让写作更加直接、清晰、有逻辑，同时保留必要的事实依据与合理限定。
但它们的适用场景和工作方式有所不同。
第一套：通用型反防御性写作Skill
这套主要面向所有经常使用GPT进行文字写作的用户。
不管是日常邮件、工作报告、方案设计，还是一般的文案润色，都可以使用。
我们经常会遇到这样的情况：
明明只是让GPT帮忙写一封邮件，它却加入大量客套话；明明希望它直接给出一个判断，它却反复强调各种可能性；一份原本可以简洁表达的报告，经过修改后反而变得冗长。
通用版Skill主要就是针对这些问题。
它会重点优化：
• 减少过度谨慎： 删除没有实质意义的免责声明、自我否定和重复限定。
• 提高表达效率： 减少冗长的铺垫，让核心观点更加突出。
• 增强逻辑与说服力： 让每一段内容有明确的表达目的，而不是反复解释和自我辩护。
• 保留合理边界： 不改变事实，不随意强化结论，也不删除确实必要的风险提示。
这套Skill的特点是轻量、通用、日常可用。
它不会在每次写邮件、报告时都要求GPT进行复杂的文献检索或证据审查，而是优先改善写作本身。
第二套：医学科研反防御性写作Skill
第二套则更加专业，主要面向医生、研究生和医学科研工作者。
适用于SCI论文写作与润色、Discussion优化、Letter to the Editor、基金申请书，以及其他需要严格科学论证的学术文本。
医学科研写作和普通写作有一个重要区别：
不是所有谨慎表达都应该删除。
比如，一项细胞实验发现某个基因能够影响肿瘤耐药，并不意味着已经证明其临床治疗价值。
如果为了减少防御性写作，直接把所有“可能”“提示”“有待验证”删除，反而可能造成科学结论的夸大。
因此，医学版Skill除了改善语言表达，还增加了医学科研专属的规则。
它主要包含四个环节：
① 科学主张与证据匹配
判断论文的重要结论是否得到实验数据、统计结果和研究设计的支持。
② 防御性表达识别与过滤
区分真正需要保留的科学限定，以及不必要的重复质疑和自我否定。
③ 学术写作优化
在现有证据支持的范围内，提高论文的逻辑连贯性、语言准确性和核心贡献的表达力度。
④ 最终质量复核
检查是否存在结论过度弱化、因果关系夸大、重要研究局限遗漏或未经核实的事实变化。
这里还有一个很重要的设计：
医学版并不是每次写作都强制执行完整的证据审查。
如果只是修改英文表达、压缩冗余段落，可以直接使用学术写作优化功能。
如果涉及研究结论、实验机制、临床意义或参考文献真实性等问题，则可以进一步启动独立证据审查流程。
这样既能减少不必要的操作，也能在真正涉及科学准确性的时候，进行更加严格的核查。
07｜两套Skill应该怎么选？
其实很简单。
日常写邮件、报告、公众号文章、工作方案：
优先使用通用型反防御性写作Skill。
重点是让GPT减少套话、空话和过度解释，把内容写得更加清晰、自然、有说服力。
SCI论文、医学科研文章、国自然标书：
优先使用医学科研反防御性写作Skill。
重点不仅是改善语言，还要确保科学主张和证据相匹配，避免因为追求表达力度而产生学术错误。
如果涉及证据真实性或研究结论的判断：
再启动独立证据审查。
让GPT先核实证据、识别真实问题，再进行正式写作，而不是把所有假想质疑直接写进文章。
这也是我设计这两套Skill时最重要的思路：
普通写作追求清晰高效，科研写作强调证据与表达并重。
08｜如何获取这两套Skill？
前面分享的两条科研指令，大家都可以直接复制使用。
如果希望把反防御性写作变成一套能够重复调用的工具，可以进一步使用这两套Skill。
我已将通用型反防御性写作Skill和医学科研反防御性写作Skill整理到发布在会员专区，同时提供相应的使用说明，大家留意通知即可。
希望直接获取的读者也可以通过关注本公众号，后台回复“反防御性写作Skill”，即可查看及安装两套Skill进行使用。
大家可以根据自己的日常工作场景选择使用，不需要每次都执行完整的科研审查流程。
写在最后
现在很多人已经开始习惯使用GPT写论文、写报告，甚至直接让它对整篇文章进行反复修改。
但我们需要认识到一个问题：
GPT生成的内容越来越长，并不代表质量越来越高；表达越来越谨慎，也不代表内容越来越严谨。
真正好的写作，应该是有依据、有逻辑，同时能够清楚地表达自己的观点。
对于普通写作，我们希望GPT少一些不必要的客套和自我否定。
对于医学科研写作，我们希望GPT能够准确判断证据强度，在有充分证据的地方清晰表达，在确有局限的地方保持科学严谨。
这也是我整理两套反防御性写作Skill的初衷。
让GPT减少无意义的“自我保护”，把更多精力放在真正重要的内容、逻辑和表达上。
希望今天分享的两条指令和两套Skill，能帮助大家在使用GPT写作时，获得更加清晰、准确、有说服力的结果。