@zhanlin990410: https://x.com/zhanlin990410/status/2055666660925943834
摘要
本文介绍了使用Kimi(拥有100万token上下文窗口的AI工具)进行学术研究的6步工作流,包括文献倾倒、找空白、文献综述初稿、方法论压力测试、论证压力测试和全文组装,可大幅缩短论文写作时间。
查看缓存全文
缓存时间: 2026/05/17 01:25
如何像 MIT 和斯坦福的学生一样,用 Kimi 写完整篇研究论文
MIT、剑桥和约翰霍普金斯的博士生们已经不再手工做文献综述了。
他们用的是一套 6 步 Kimi 工作流,其中一位博士生把原本 3 个月的前期准备压缩到了一周。
下面是他们公开分享的完整流程:
首先……为什么是 Kimi.com。
大多数 AI 工具都有上下文窗口的问题。
你没法一次性喂给它们 40 篇研究论文,然后让它们同时跨所有论文做综合分析。
Kimi 拥有 100 万 token 的上下文窗口。
大约相当于 75 万字的同时输入。
这意味着你可以把整个文献库——30、40、50 篇论文——一次性传上去,然后提出能横跨所有论文的问题。
正是这一项能力,让这套 6 步工作流成为可能。
剩下的,就只是知道怎么用而已。
第 1 步 / 文献倾倒(The Literature Dump)
旧方法:一篇一篇读,做笔记,花几周时间在脑子里搭建知识地图。
Kimi 方法:一次全部上传,让它替你建图。
把你文献库里的所有内容——PDF、预印本、已发表论文——在同一个会话里全部上传。然后用这个 prompt 开场:
以前要花 3 周读的东西,现在 20 分钟搞定。
而且这张地图比你自己做的更好——因为它能同时看到 40 篇论文之间的关联,而你自己得读两遍才能发现。
第 2 步 / 找空白(The Gap Finder)
每一篇研究论文在做任何事情之前,都必须回答一个问题:
为什么这个研究有存在的必要?
要回答这个问题,你必须确切地知道现有文献的边界在哪里。大多数博士生要花几个月手工解决这件事。
在文献库还加载着的状态下,跑这条 prompt:
这一条 prompt,替代了整个文献综述里最耗时的环节。
你的论文要填补的空白应该来自这个输出——而不是靠猜。
第 3 步 / 文献综述初稿(The Literature Review Draft)
文献综述不是论文摘要的堆叠。
它是一个关于知识现状的论证——什么是已经确立的、什么是有争议的、为什么你的研究是合乎逻辑的下一步。
大多数初稿在这一点上完全错了。它们只是在描述论文,而不是在搭建论证。
跑完第 1 步和第 2 步之后,运行这条 prompt:
15 分钟出初稿。
普通博士生光是这一节就要花 6 到 8 周。
第 4 步 / 方法论压力测试(The Methodology Pressure Test)
方法论这一节,是论文被拒最常见的地方。
不是因为研究本身做得差,而是因为设计选择没有被严密地辩护到能抵御那些显而易见的替代方案。
每一位审稿人都会问:为什么用这个方法,而不是那个?
大多数研究者是在被拒一次之后才回答这个问题的。
这条 prompt 在你投稿之前就帮你回答:
针对这条 prompt 为自己的方法论辩护,比在大多数同行评审里辩护还要难。
这正是它的目的。
第 5 步 / 论证压力测试(The Argument Stress Test)
在你写讨论部分之前,你必须知道你的论证是否站得住脚。
大多数研究者是在写作过程中才发现自己逻辑里的漏洞——这意味着要重写半篇论文。
这条 prompt 在你写下讨论部分的第一个字之前就把漏洞找出来:
那些能挺过同行评审的论文,并不是研究发现最好的那些。
而是作者在审稿人提出反对意见之前,就已经预判过每一种反对意见的那些。
第 6 步 / 全文组装(The Full Paper Assembly)
到这里,第 1 到 5 步已经为你生成了:文献地图、空白识别、文献综述初稿、方法论辩护、论证压力测试。
你已经拥有写出完整初稿所需的一切。
跑这最后一条 prompt:
一个会话。一篇论文。初稿可以直接交给导师审阅。
不是一篇完美的论文。是一篇完整的论文。
在学术研究里,有初稿和没有初稿之间的差别,就是全部的胜负。
那位把 3 个月压缩到 1 周的约翰霍普金斯博士生,他用的并不是和别人不一样的流程。
他用的是同样的流程——文献综述、找空白、设计方法论、搭建论证——只不过他不再手工地、按顺序地一步步做。
他把这套流程放进了一个能同时看见整个文献库的上下文窗口里,并行地跑完。
研究质量没有变差。
花的时间崩塌了。
这就是全部的故事。
Kimi.com 免费上手。
6 步工作流就在这条 thread 里。
如果到了 2026 年你还在手工做文献综述,那不是因为你更严谨。
只是因为你更慢而已。
收藏这条 thread。分享给你认识的每一位博士生。
这是当下学术研究里最不公平的优势。
相似文章
@yidabuilds: https://x.com/yidabuilds/status/2053409619641602286
作者对DeepSeek V4、Kimi K2.6、GLM-5.1和MiniMax M2.7四款国产AI模型进行了横向对比测试,分析了它们在成本、长上下文处理能力、编程稳定性及推理性能上的优劣,并给出了针对大文档分析、长程后台任务和批量内容生产的具体分流建议。
@KanikaBK: 中国刚刚发布了一款工具,它全天候工作,永不休眠,从不抱怨。它只需一篇处于拒稿边缘的论文……
一个新的开源工具自动化了研究论文优化的整个流程,利用 Claude Code 执行操作,并使用一个独立的模型进行评估,以在夜间迭代改进论文。该系统通过自主的 GPU 实验和叙述调整,成功将一篇处于拒稿边缘的论文提升到了可提交的状态。
@AlchainHust: https://x.com/AlchainHust/status/2046397587373363391
作者详细介绍了Kimi最新内测功能——Claw群组和Agent集群,前者支持多个AI在群聊中各司其职并互相质疑,后者可将复杂任务拆分给10个并行子agent处理,作者将其用于英伟达等科技股的投研分析,认为这标志着AI工具正式进入「组织」层。
@Xudong07452910: ARIS:让 AI 在你睡觉时继续搞科研的神器! 一个极致轻量的自动科研工具,可以让 Claude Code / Codex / Cursor / Trae / 国产模型自动进入科研工作流: 读论文,找 weakness 生成 idea,…
ARIS 是一个基于 Markdown 的轻量级自动科研工具,支持多种 AI 模型(如 Claude Code、Cursor、Trae)自动完成读论文、生成 idea、设计实验、写论文等全流程科研工作,让 AI 在用户睡眠时持续探索。
@kfk_ai: 手把手教你用工具获取 X 平台数据|零基础也能学会 看推荐流、获取大V推文、下载长文 Markdown,全程不用 API Key,用 CodeX AI 助手一键搞定。 00:00 开场 00:53 工具介绍:免 API、免付费、自动读取登…
本文是一个视频教程,演示如何使用 CodeX AI 助手和 Twitter CLI 工具,在无需 API Key 的情况下从 X 平台抓取数据并转换为 Markdown 格式。