AI 很適合做研究前處理，但不適合直接取代判斷。
你看完會得到什麼
- 你會學會用 AI 做「統整、比較、找反例」，而不是直接相信結論。
- 你會拿到一個研究用 Prompt 模板，強迫 AI 標記來源與不確定。
- 你會知道研究型使用最常見的 3 個誤解與避免方式。
先懂的名詞（每個 2 句內）
- 主張（Claim）：一個可以被判斷對或錯的說法。研究最重要的是把主張講清楚。
- 證據（Evidence）：支持主張的資料或引用。沒有證據的結論就只能當參考。
- 來源：證據從哪裡來，最好能回到原文。你要能「追溯」才能避免被誤導。
- 比較表：把多份資料用同一組欄位對齊。對齊後差異才看得出來。
- 反例：跟你假設相反的案例或觀點。先找反例，會讓你的結論更可靠。
結構化 Prompt（先定義）
角色：你是研究助理。
任務：整理 5 份資料並輸出比較表。
輸出欄位：
- 問題定義
- 主要方法
- 優點/限制
- 可驗證的證據
- 我的下一步研究問題
限制：每個結論都要標記來源，不可憑空補資料。研究型使用的原則
- AI 做整理，你做人類判斷。
- 每個關鍵結論都要可追溯來源。
- 保留反例與不確定性，不要只看支持你假設的內容。
真實場景例子（3 個）
- 主管要你「快速了解市場」：先用 AI 做 1 頁比較表，再自己讀原文抓重點。
- 你想學一個新主題：先讓 AI 幫你列「關鍵名詞 + 推薦關鍵字」，再去找可靠來源。
- 你要寫一篇文章：先用 AI 產生大綱，但要求每個段落都要列「需要補的來源」。
常見誤解（至少 3 點）
-
「AI 摘要等於原文的重點。」
AI 可能漏掉關鍵限制與反例。摘要只能當起點，不是終點。 -
「AI 會自動幫我做引用與查證。」
除非你要求它「標記來源」，否則它可能把推論講得像事實。 -
「研究就讓 AI 做完，我只要交差。」
研究的價值在於判斷與取捨。AI 能加速整理，但不能替你承擔風險。
下一步學習建議（3 條）
- 每次研究都固定輸出「比較表 + 反例 + 待確認」三段，讓你不容易被單一觀點帶走。
- 建立一份自己的「可靠來源清單」（官網、白皮書、學術/報告）當作資料庫。
- 當你的模板穩定後，再開始做更進階的評估與品質控管（例如針對錯誤案例回歸測試）。
