熟悉公号的小伙伴都知道
我们在用ChatGPT助力高水平SCI的和国自然的写作
前期也给大家分享过
ChatGPT如何助力高水平SCI的发表和写作
用ChatGPT破解顶刊SCI写作难题：道法术器全方位解析与实践
2025年国自然申请的基础是顶刊：顶刊各个部分的写作范式如何呢？ChatGPT如何助力呢？10余年经验总结
利用ChatGPT提升论文写作：术为辅，道为本-国自然亦可用
面对国内外众多的AI工具
而我们最后选择了ChatGPT
主要原因也在于ChatGPT在今年7月份的理科测试中排名第一
把其他一众AI甩了一条街之远，具体如下图
但是在使用这样一个AI助手的过程中
我们也曾多次强调，ChatGPT在SCI和国自然写作过程中
段位的高低其实取决于我们使用者
因为使用ChatGPT就像是我们和ChaGPT一起跳双人舞
除了双方的互动外
我们使用者对国自然和顶刊SCI的写作技巧和思路的掌握
直接决定了ChatGPT这位科研助手的段位的高低
这部分大家可以看我们在公号中给大家分享的基金和顶刊SCI的写作技巧
在此再不再赘述
最近有小伙伴向我反映
说自己花了20美元购置了会员
但是感觉自己是买了个智障呢？
听后，我哭笑不得。
不是ChatGPT是智障，而是我们和ChatGPT本身属于不同的物种
用我们自己擅长的语言与其交流
是不是想想哪儿不太对啊？
本质问题就是出在了与ChatGPT沟通交流的提示词上有待提高
据悉，提示词的完善可以将准确度从50%提高到85%
好了，那么问题来了，在顶刊SCI写作和国自然写作过程中与ChatGPT交流的提示词（也就是promot）有哪些需要注意的呢？
【秘诀】：背景讲清楚，AI才不瞎猜！
就像开会前给同事打个预防针，和AI“聊科研”时，背景信息一定要交代清楚。别以为“这还用说？”——AI可是啥都懂或者啥都不懂的小白。
为什么说啥都懂啥都不懂呢？因为AI学习的资料库信息包罗万象，基于这点是啥都懂，但是我们是需要的按照我们的框架来输出的，她不懂的是我们自己总结的框架。
而我们自己的框架就决定了AI是否按照我们思考的来输出。我们自己的背景信息其实也就决定了这位科研助手的专业与否。
我们以案列来说明：
比如不给背景信息：对ChatGPT说：题为“Activating the Mn Single Atomic Center for an Efficient Actual Active Site of the Oxygen Reduction Reaction by Spin-State Regulation ”文章的摘要是什么呢，请帮我中文输出?
下面是ChatGPT的回答：
单原子催化剂（SACs）的配体工程被认为是一种前沿策略，用于调整其电催化活性。然而，关于催化反应机制的基本原因以及实际活性位点对吡咯氮（pyrrolic N）和吡啶氮（pyridinic N）配体结构的依赖性尚未完全理解。在本文中，我们首次揭示了锰（Mn）单原子位点的氧还原反应（ORR）活性与氮配体结构之间的关系，通过精确调控的吡咯氮和吡啶氮N4配位环境。实验和理论分析表明，Mn−吡咯氮N4中的长Mn−N键距使Mn中心处于高自旋态，这有助于通过反键轨道中的高填充态减少氧中间体的吸附强度，从而激活Mn单原子位点，在酸性介质中实现0.896 V vs RHE的半波电位，并具有卓越的稳定性。这项工作为理解Mn单原子催化剂的ORR催化起源提供了新的基础见解，并为多种电催化反应的单原子催化剂设计策略提供了合理的指导。
如果提供背景信息：对ChatGPT说：顶刊SCI摘要写作范式如图所示，可以概括为：
研究背景
However, + 存在的科学问题
Herein, 我们提出的创新解决策略，即核心创新点
分创新点是啥？与核心创新点联系。量化data给出
意义强调，再次关联到用我们提出的创新策略解决科学问题后的意义
根据上面的框架，帮我把题为“Activating the Mn Single Atomic Center for an Efficient Actual Active Site of the Oxygen Reduction Reaction by Spin-State Regulation ”文章的摘要中文输出
下面是ChatGPT的回答：
研究背景：单原子催化剂（SACs）的配体工程被认为是调控其电催化活性的前沿策略。
However, + 存在的科学问题：然而，目前对于催化反应机制背后的根本原因以及ORR实际活性位点对吡咯氮和吡啶氮配体结构的依赖性仍未完全理解。
Herein, 我们提出的创新解决策略，即核心创新点：在此，我们提出了一种通过精确调控吡咯氮和吡啶氮N4配位环境来提升锰（Mn）单原子位点ORR活性的新方法，即通过自旋态调控实现高效活性位点的策略。研究的核心创新点在于调节Mn−N键距，使Mn−吡咯氮N4体系具有较长的Mn−N距离，从而使Mn中心处于高自旋态。
分创新点体现在，通过高填充态的反键轨道降低氧中间体的吸附强度，从而激活Mn单原子位点，使其在酸性介质中实现了0.896 V vs RHE的半波电位，同时表现出卓越的稳定性。
意义强调：这一工作不仅提供了新的基础见解以理解Mn单原子催化剂的ORR催化起源，还为多种电催化反应的单原子催化剂设计提供了合理的指导策略，显著提升了催化剂的实用性和应用前景。
所以，我们看到，当我们给出了一定的背景知识后，AI可以按照我们给定的背景信息进行学习和输出，会更容易输出我们想要的内容，而非感觉智障般的回答。
更重要的是我们给出的背景信息越多，AI助力更像是我们的私人助理，具有我们的标签化的特色。
【秘诀】：切换角色，AI就有了“戏”！
想要多角度看问题？让AI扮演不同角色！科研导师、基金评审员、实习生……你想要啥角色，AI就能扮啥。
比如，可以问：“假如你是资深材料科学家，你会怎样评价我的实验方案？”
或者：“如果你是国家自然科学基金的评审专家，你觉得我的研究有创新性吗？” AI会立刻“入戏”，给你模拟出不同视角的反馈，让你体验“多维度指导”！
我们以案列来说明：
如果不进行角色定义：对ChatGPT说：帮我中文分析下面这张图
下面是ChatGPT的回答：
这张图是电催化研究中常见的塔菲尔曲线图，用于比较不同催化剂在电化学反应中的催化活性。图中展示了三种催化剂的塔菲尔斜率（mV dec⁻¹），通过电位（V vs. RHE）与对数电流密度（Log(kinetic current density) / mA cm⁻²）之间的关系，来评估催化剂在反应过程中的电化学活性和稳定性。
具体分析如下：
1. **塔菲尔斜率**：每条曲线旁边标注了不同的塔菲尔斜率数值，分别是：
- 黑色曲线（Mn-pr-N-CG）：43.6 mV dec⁻¹
- 蓝色曲线（Pt/C）：56.4 mV dec⁻¹
- 红色曲线（Mn-py-N-CG）：62.7 mV dec⁻¹
2. **塔菲尔斜率的含义**：塔菲尔斜率是催化剂电化学活性的重要参数。斜率越低，表示催化剂在较小的过电位下能够获得较高的电流密度，催化活性更高。从图中可以看出，黑色曲线（Mn-pr-N-CG）具有最低的塔菲尔斜率（43.6 mV dec⁻¹），说明其在三种催化剂中表现出最高的电化学催化活性。蓝色曲线（Pt/C）的斜率为56.4 mV dec⁻¹，红色曲线（Mn-py-N-CG）的斜率为62.7 mV dec⁻¹。
3. **催化剂的对比**：从图中可以看出，Mn-pr-N-CG（黑色曲线）催化剂在这三种材料中具有最优的催化性能。相比之下，Mn-py-N-CG（红色曲线）的催化活性较低，而Pt/C（蓝色曲线）作为常见的商业催化剂，其催化性能位于两者之间。
4. **实际意义**：该图表明，通过优化催化剂的组成和结构（例如在Mn基催化剂中引入不同的N掺杂形式），可以有效提升催化剂的性能。因此，Mn-pr-N-CG催化剂的表现优于Pt/C，显示出其在实际应用中作为替代催化剂的潜力。
总结来说，这张图展示了不同催化剂在电化学反应中的表现，Mn-pr-N-CG表现出最佳的催化效果。
如果定义角色：对ChatGPT说：你是一名电化学教授，专注tafel研究30年，请帮我中文解析这张图
这张图展示了三种不同催化剂的Tafel斜率，其中Tafel斜率反映了电催化反应的动力学特性。图中的三条曲线分别代表三种催化剂在对数电流密度（Log(kinetic current density)）与电位（Potential）之间的关系，斜率越小，反应的电荷转移阻力越小，催化性能越好。
- 黑色曲线代表 **Mn-pr-N-CG** 催化剂，其Tafel斜率为 **43.6 mV/dec**。这个值表明它在这三种催化剂中具有较好的电催化活性，因为较低的Tafel斜率意味着电化学反应中电荷转移的阻力较小。
- 红色曲线代表 **Mn-py-N-CG** 催化剂，其Tafel斜率为 **62.7 mV/dec**。较高的Tafel斜率表明其催化活性略低于Mn-pr-N-CG，电荷转移的阻力相对较大。
- 蓝色曲线代表 **Pt/C** 催化剂，其Tafel斜率为 **56.4 mV/dec**。Pt/C作为对照，Tafel斜率在Mn-pr-N-CG和Mn-py-N-CG之间。
总结来看，**Mn-pr-N-CG** 催化剂在这三种催化剂中具有最小的Tafel斜率，表现出最佳的电催化活性，而 **Mn-py-N-CG** 的Tafel斜率最高，电化学性能相对较差。这种对比对于理解不同催化剂在电化学反应中的活性差异非常重要，能够帮助研究人员选择适合的催化剂。
所以，我们看到，给定角色之后，AI输出的问题更加专业化。而不给定角色后，AI输出的结果针对的更加普适化，也就是所有的点都说了。
使用的时候，我们可以按照自己所需的场景来定义AI角色。
【秘诀】：实例一摆，AI更不“开脑洞”！
说到实例，简直就是AI的好朋友！没有具体例子，AI容易“放飞自我”。
比如，准备写综述的时候不要笼统地说：“帮我介绍下电催化剂的进展”，可以加一句“比如可以用氢氧化铁催化剂在水分解中的应用来举例”。
这样ChatGPT一下子就明白了你的需求，给它指明方向，确保它的回答靠谱又“接地气”。
在助力国自然基金的写作过程中，比如我们以前讲过国自然的一个好题目是取胜的关键：国自然成功秘籍：如何让评审专家一眼给你打A？
那么我们在写国自然的题目时候，可以将比较好的国自然标题喂给ChatGPT
让其模仿，这样能给出更符合我们心意的题目
比如你可以对ChatGPT说：你是国自然评审的专家，同时拥有丰富的国自然申请和获批经验。针对原位在线难以精确调控表面重构的科学问题，我们提出了梯度磁场可控调节顺磁性钴离子的定向迁移新策略，基于此帮我拟定5个备选的国自然标题，下面是可以参考的优秀国自然标题的例子:复键"魔角““视场下MOF空间微环境促进光催化CO转化的搬运机制。“电声耦合”视角下反位缺陷调控硅酸镓镧系列品体高温电阻率的作用机制。
下面是ChatGPT的回答：
针对“梯度磁场可控调节顺磁性钴离子的定向迁移”这一新策略，我为您拟定了以下5个备选标题供参考：
1. **“梯度磁场”视场下顺磁性钴离子迁移调控对表面重构精准调控的机制研究**
2. **基于梯度磁场的顺磁性钴离子定向迁移策略在表面重构调控中的应用与机制**
3. **“可控迁移”视角下梯度磁场对顺磁性钴离子调控表面重构的机制研究**
4. **通过梯度磁场实现顺磁性钴离子定向迁移的新策略及其对表面重构的调控效应
5. **梯度磁场作用下顺磁性钴离子的定向迁移机制及其对表面重构的调控研究**
这些标题旨在突显创新性策略及其在调控表面重构中的潜在应用和科学意义。您可以根据项目的具体内容和研究重点进行微调，进一步提升标题的吸引力。
这样ChatGPT给出了5个备选项，我们可以在此基础上进行修改和完善。
(今日和大家分享的提示词的原始出处是来自于这本书，我将其融入了自己的科研思考)
技巧4：明确输出任务
【秘诀】：任务越明确，AI越精准！
问问题别模棱两可，直接说出你的需求，AI会更“心明眼亮”。
在使用ChatGPT时，清晰地阐明我们的输出需求，能让AI更准确地为我们服务。
如果你的要求过于笼统，AI可能会给出与你预期不符的答案。
例如，你想让ChatGPT帮你撰写一篇SCI论文的摘要，不要只是说：“帮我写个摘要。”而是可以这样表达：
“你是一名纳米材料领域的专家，帮我写一篇关于‘石墨烯在超级电容器中的应用’的SCI论文摘要，需要包含研究背景、方法、结果和结论，字数在250字左右，给我输出5个备选摘要。其中研究背景为xxx（需要注意每一部分的内容我们尽量先给一个版本的内容）”
这样，ChatGPT就能根据你的具体要求，提供一个结构完整、内容精准的摘要。
技巧5：分步提问与迭代追问
【秘诀】：慢慢问，逐步来，才不会把AI问“懵”！
复杂的问题分步来，迭代问效果更佳。
在使用ChatGPT进行科研写作时，不必一次性将所有问题抛出，而是可以将任务拆解成多个小步骤，这样不仅能让AI的回答更准确，还可以帮助你理清思路。通过这种逐步深入的方式，逐步细化需求，使回答更符合你的预期。
比如，不要上来就问“如何用FeOOH研究表面重构过程及其对电催化活性的影响？” 这信息量让AI也头大！
可以先问：“什么是表面重构？”、“FeOOH的基本性质是什么？” 然后逐步深入，“如何在FeOOH的表面重构研究中应用电催化？”这样的问题更容易被系统解答，让AI跟上你的思路。
例如，你在撰写一篇SCI论文的讨论部分，想让ChatGPT分析实验结果，不需要直接问：“帮我分析实验结果。” 你可以将问题分解为几个步骤：
1. 第一步提问：“帮我总结一下不同条件下电催化剂的性能对比。”
2. 第二步追问：“基于这些对比，哪些因素可能在性能提升中起关键作用？”
3. 第三步追问：“是否可以推测出这些因素之间的可能机理？”
这样逐步提问的好处在于，ChatGPT会针对每个步骤给出明确的解答，并可以在你对每个答案满意的基础上继续深入，避免了一次性提问时可能导致的信息遗漏或回答偏离主题的情况。
在国自然基金的写作过程中，分步提问和迭代追问同样非常有效。例如，当需要撰写研究创新点时，你可以分解为以下步骤：
1. 第一步提问：请描述当前研究领域中存在的主要问题或瓶颈。
2. 第二步追问：基于这些问题，我的研究设计中哪些方面具有创新性？
3. 第三步追问：这些创新点在解决当前问题上具有哪些潜在优势？
通过这种分步提问的方式，ChatGPT的回答会更加清晰、逻辑更加连贯。
技巧6：自己攻克自己
【秘诀】：不知道怎么问？让AI帮你“挖”问题，向AI求助！
在科研写作或申请国自然基金的过程中，我们可能会遇到不知如何下手提问的情况，尤其是面对一些复杂问题时。这个时候，我们可以让ChatGPT帮忙生成一些关键提示词或问题方向，从而理清思路，找到切入点。
例如，当我们准备撰写文献综述却不确定从哪些角度入手时，可以直接向ChatGPT提问：
“关于纳米材料在电催化中的应用，我不确定应该如何组织内容，可以给我一些提问方向吗？”
ChatGPT可能会提供以下建议：
1. “当前纳米材料在电催化中的主要研究热点是什么？”
2. “有哪些不同类型的纳米材料被广泛应用于电催化？它们的优缺点分别是什么？”
3. “在电催化应用中，哪些纳米材料的结构或成分最有效？是否有规律可循？”
4. “有哪些典型实验方法可以用来表征纳米材料的电催化性能？”
通过这些提示词和问题方向，我们可以逐步展开写作，同时更有条理地组织内容。如果遇到国自然基金的写作难点，也可以用类似方法：
“我正在写国自然基金的研究方案，但不知道如何描述研究意义，能给些提示吗？”
ChatGPT可能会从研究背景、领域需求、技术难点和创新性等方面提供方向，让我们更快找到写作的切入点。
运用提示词或问题方向的好处在于：让ChatGPT提供结构性思路，帮助你打破思维僵局，使写作流程更加流畅。
C：Capacity （能⼒）：你希望ChatGPT 帮你做什么。
R：Role: 你希望ChatGPT 扮演什么角色
I：Insight（洞察）：背景信息和上下⽂。
S：Statement（陈述）：你希望ChatGPT 具体做什么-范围在C的基础上更细致。
P：Personality（个性）：你希望ChatGPT 以什么⻛格或⽅式回答你。
E：Experiment（实验）：要求ChatGPT 为你提供多少个答案，用什么形式输出
武汉基金写作沙龙班将于11月23-24日在这座秋意盎然的城市开班
费用：3000元
地点：武汉秋果酒店（光谷虎泉杨家湾地铁站店）。
感兴趣的朋友请扫下方二维码
基金写作沙龙小班群
