同一份材料，有人得到能继续编辑的结果，有人只得到一段看起来完整却无法核对的文字。差别通常出在流程。
“研究人工智能对教育的影响”不是一个能直接执行的问题，它没有人群、情境、比较对象和可观察结果。
所以这篇文章只解决一件事：把宽泛兴趣拆成可检索、可收集材料、可说明边界的研究问题。接下来不讲空泛功能，直接看要准备什么、每一步留下什么，以及最后怎样判断合格。
适合谁
适合选题方向已经确定，但研究对象、变量、范围和证据仍然模糊的本科生、研究生和科研新手。
如果没有真实材料、说不清结果要用在哪里，或准备把输出不经检查直接提交，先不要扩大任务。补齐最小输入，再从一份样本开始。
AI可以帮助整理、改写和生成草稿，但不会替你确认事实、引用、数据和专业结论。涉及论文、隐私或未公开材料时，先确认是否允许上传，并在最终使用前逐项人工核验。
开始前准备
- 初始主题和研究兴趣
- 可获得的数据或文献范围
- 时间、样本和方法限制
- 建立一个测试副本或新目录，不直接操作唯一原件。
- 写下一句验收标准：最终问题包含对象、情境、核心变量和边界，并能列出实际可获得的证据
不要只准备输入，还要准备验收依据。没有对照样本、来源、测试或负责人判断，生成再多内容也无法证明已经完成。
完整步骤
第一步之前：先做一个最小样本
第一轮只验证流程，不追求覆盖全部范围。保留原始输入和第一次结果，后面每次调整才能知道究竟改善了什么。
第一步：列出主题中的核心对象
分别写清研究对象、情境、行为或变量、可能结果，不让AI替你假设现实资源。
继续下一步之前，抽查“研究要素清单”中的边界项和异常项；发现前提不成立就先修正。
第二步：用限制条件缩小范围
加入时间、地区、样本、数据来源和排除条件，检查问题是否能在现有条件下回答。
把“带边界的候选问题”作为本轮留存证据。后续合并或扩大范围时，都应能用它复盘。
第三步：为候选问题找证据入口
尝试为每个问题列出需要的文献、数据和观察指标，找不到材料的问题先淘汰。
先停在这里检查一次。此时应已经形成“问题与证据来源表”，并且能回到原始材料说明它从哪里来。
第四步：比较价值与可行性
从重要性、可回答性、伦理风险和工作量四方面评分，由研究者最终选择。
这一阶段的完成标志不是工具有回复，而是“候选问题评分表”已经可供人工检查。
第五步：人工验收并沉淀流程
正式交付前，由真正负责这项工作的人做最后判断。流程如果会重复，再保存输入模板、执行顺序、异常处理和合格样例。
实际示例
把“AI影响大学学习”缩小为“在一门12周本科写作课程中，每周使用生成式AI反馈是否改变学生的修改次数和自我效能感”，再检查是否能取得课程记录与量表数据。
可以先这样描述任务：
我正在处理“把宽泛兴趣拆成可检索、可收集材料、可说明边界的研究问题”。已有材料包括初始主题和研究兴趣、可获得的数据或文献范围、时间、样本和方法限制。请先不要扩大任务范围，也不要补造缺失信息。先完成“列出主题中的核心对象”，输出可以人工检查的中间结果；我确认后，再继续“用限制条件缩小范围”。最终请按照“最终问题包含对象、情境、核心变量和边界，并能列出实际可获得的证据”列出验收结果和仍需人工确认的内容。
判断示例是否成立时，不看字数和语气，重点看另一位同事能否沿着文件、页码、表格或命令输出复查。
常见问题与报错
AI给出的选题都很宏大、很新，但无法完成
先把可用数据、时间和伦理限制放在提示最前面，要求每个候选问题同时给出最低数据需求和不可行风险。
结果写得很完整，却找不到依据
缩小输入范围，为材料编号，并要求关键结论标注对应文件、页码、段落或原句；无法定位的内容统一标记为待确认。
表达变顺了，事实、数字或限定条件也被改了
把原文与结果并排比较，单独检查数字、专有名词、引用、否定词和适用范围；这些内容不能只凭语言通顺判断正确。
处理这些问题时，优先回到原文、页码、数据和版本。表达可以重做，无法定位的事实不能靠更顺的措辞补齐。
完成后的检查方法
- 最终问题包含对象、情境、核心变量和边界，并能列出实际可获得的证据
- 关键结论能回到原始材料、文件、命令输出或当前控制台。
- 没有把缺失信息、推测内容或示例数字写成已经确认的事实。
- 重要文件保留原件、版本或可恢复副本，敏感信息没有进入公开内容。
- 结果已经由真正负责这项工作的人审阅，而不是只看页面是否生成。
工具负责推进，人负责边界和最终判断。把两者分清，这项工作才会越做越省时间，而不是越积越乱。
资料来源
- 小贺AI当前公开页面
用于核对当前可见入口；功能、规则和可用范围以业务站实时展示为准。
- NIST AI Risk Management Framework
用于补充AI使用中的风险识别、人工监督和结果验证原则。
FAQ
可以一次把整个任务交给AI完成吗？
不建议一次交付全部范围。先按本文步骤完成一个小样，用“最终问题包含对象、情境、核心变量和边界，并能列出实际可获得的证据”验收，再决定是否扩大范围。
遇到“AI给出的选题都很宏大、很新，但无法完成”应该先检查什么？
先把可用数据、时间和伦理限制放在提示最前面，要求每个候选问题同时给出最低数据需求和不可行风险
完成后还需要人工检查吗？
需要。AI或执行工具负责推进流程，最终仍要由你根据原始材料、任务规则和“最终问题包含对象、情境、核心变量和边界，并能列出实际可获得的证据”完成验收。