大模型普及后，研究生最常问的隐私问题之一是：“老师，我还能不能用 AI 写论文？”我通常把问题改写成：你准备让 AI 承担哪一部分劳动，以及哪一部分责任仍然必须由你签字。如果答案是“让 AI 替我承担判断责任”，那无论工具多新，性质仍然接近代写，只是速度更快、包装更完整。真正值得讨论的，是哪些环节可以让研究者更快发现自己论证里的漏洞，而不是更快制造一份看似完整的稿子。这里刻意不谈“哪个模型更强”——模型版本与能力边界变化极快，能相对稳定写下来的，只有工作伦理与流程。
一、代写为什么“性价比高”却训练价值低
从学生视角，代写（无论人类还是模型）最大的诱惑是省时间。但从训练视角，被省掉的时间往往正是最该慢下来的地方：提出研究问题、核对数据口径、理解方法假设、组织反驳与限定。AI 可以在几小时内生成一篇结构完整的综述式文本，却没法替作者承担后来被追问时的尴尬与责任。规划类研究又常与地方材料、空间数据与政策文本交织，胡编案例或条文的概率并不低——这类错误一旦进入投稿或学位论文，代价远高于省下的那几个小时。
二、AI 更合适的三个位置：清单、镜子、校对
个人经验里，AI 在论文工作流里更像三种工具的组合：
1. 清单生成器：把零散阅读笔记按主题聚类，提示可能遗漏的维度（例如“社会影响”是否在交通论文里被讨论）。产出应被视为待删改的草稿条目，而不是目录。 2. 论证镜子：把一段论证贴给模型，请它指出跳跃处、概念混用与同义反复。模型常能抓到读者也会卡住的地方，但有时也会“过度挑刺”，需要作者判断。 3. 语言校对：尤其是英文摘要、Cover letter 与审稿回复信，AI 在语气与清晰度上帮助明显。但要限定任务边界，例如“只改语法不改内容”。
三者共同点：作者保留否决权，且所有事实性陈述仍须回到原出处核对。再补一条实践细节：同一提示词反复跑，模型输出会漂移；以“版本”而不是以“某一次顺眼的结果”作为工作基准更可靠——这与我们做空间分析时保存可复现脚本的道理一样，也是在学术写作里悄悄迁移工程师习惯。
三、文献综述：AI 可以帮忙排布，不能帮忙“替你读”
综述写作最痛苦的是卡片多、线索乱。AI 可以帮助把卡片按关键词聚类、生成临时小标题，甚至提示某些对立观点是否应该并置。但它读不到你真正读过的那几页纸的页边笔记，也分不清哪篇文献在你的问题意识里是“支柱”还是“背景”。若把综述交给模型扩写，最常见的后果是观点同质化：看似中立、实则空洞的“近年来学者普遍认为……”。我会要求学生提交人工阅读记录（页码+一句自己的话），再允许用 AI 做格式整理——顺序不能反。
四、方法与结果：红线划在“可验证事实”
涉及模型、样本、参数与统计结果的部分，我明确不建议学生使用 AI“补写”或“推测”缺失数据。若数据缺失，应改写研究设计或坦诚局限，而不是让模型编造“合理数值”。同理，不要让模型生成参考文献条目；即使是真的存在的论文，也可能被模型拼错卷期页码。文献条目应来自数据库导出或 DOI 解析。
五、审稿回复、使用日志，以及规划类材料的边界
审稿意见往往又长又绕。AI 很适合把意见拆成表格：意见编号—涉及章节—回应策略—修改位置。对英文回复信的礼貌层级与结构，AI 也能给草稿。但涉及“是否补实验、是否承认方法局限、是否调整核心论点”这类硬决策，必须作者本人与导师讨论后落锤。用 AI 把“我们确实忽略了某类文献”润色成“我们战略性选择忽略”，那是学术事故，不是语言问题。
我在课题组里鼓励（在不要求违反期刊保密前提下）维护一份简单日志：日期、用途、输入材料类型、是否进入正文、谁最终审核。好处不是形式主义，而是让学生在写作后期仍能回答“这段话经过了几手工具”。若学校或资助方未来要求披露，日志比记忆可靠。日志本身不含密钥与未公开数据原文，只记类型与时间戳。（是否与学位论文归档材料一并提交，需人工核实本校规定。）
规划论文里常见 GIS 图、调研照片、政策节选与访谈摘录。AI 对图像的“描述”与对政策文本的“概括”都可能过度自信。更稳妥的做法是：图像说明由作者写第一句定性，再让 AI 帮忙检查是否自相矛盾；政策节选先人工核对文号与施行日期，再让 AI 帮忙比对不同段落之间是否冲突。访谈材料若涉及匿名伦理，任何自动脱敏工具都需人工复核，避免模型“顺手补全”被访者未说过的态度。
AI 辅助论文写作，真正有价值的不是代写，而是在作者仍然全权负责的前提下，压缩低创造性劳动、放大对论证的反思。把 AI 当代写，是拿短期省力换长期能力萎缩；把 AI 当镜子与校对，是拿一点机器算力换更清晰的思想表达。规划学科的研究者尤其要警惕“像真的”的文本——城市与乡村不会配合你的漂亮句子，审稿人与答辩委员也不会。