每年到了十月中下旬，我总会收到一批同行发来的类似消息：今年没中，明年怎么办？我的回答一直很一致——现在就是动笔的时候。2026年度的国家自然科学基金与省级基金申报，虽然指南往往要到次年1月才正式发布，但真正写得扎实的本子，没有一份是1月之后仓促赶出来的。省级基金的节奏各省略有差异，但把定题、文献梳理、预实验数据整理、初稿、修改、同行预审这些环节排下来，留出四到六个月是基本盘。

这篇文章不打算复述“AI能帮你写基金”这句正确但没用的话。我想分享的是一套我反复调整后固定下来的AI协同撰写流程：什么阶段该让AI出场、什么阶段必须把它关掉、每轮对话怎么下指令、怎么防止它编造文献、怎么让生成内容真正符合评审逻辑。这套流程同时覆盖国自然和省级基金，因为两者在底层写作逻辑上有大量交集，差异点我会单独拎出来讲。

先给结论：AI协同撰写真正的价值，不是替你写，而是把“打开空白文档不知道从哪开始”的恐惧消灭掉，把综述背景、段落草稿、语言润色这类重复劳动压缩到最短，让你把省下来的精力全部砸在科学问题本身。想清楚这句话，下面所有步骤才立得住。

1. 2026年度申报窗口的时间布局与两类基金的关键差异

1.1 从现在到截止日的时间线怎么排

不管你是第一次写国自然，还是已经写过几轮，我都建议按下面的节奏来推进2026年度的申报。时间线上可以微调，但逻辑顺序不要乱。

• 现在至12月底：定题与框架期。完成研究方向的细化，产出“一句话科学问题”，整理5-10篇核心文献，梳理预实验数据，形成摘要初稿和立项依据的段落骨架。
• 次年1月：指南发布后立刻对照调整。指南里会有关键词倾向、资助方向变化、限项规定调整，这些信息直接决定你的题目需不需要收窄或平移。1月底前完成立项依据的完整初稿。
• 2月上旬：研究中内容、研究目标、关键科学问题、技术路线、方案、可行性的初稿。
• 2月中下旬：打磨期。逐字审改，安排团队内部预审，请领域同行或资深同事帮忙提意见，再逐轮修改。
• 3月初：系统填报期。上传正文、附件、预算，核对版本，完成最终提交。

省级基金的截止时间往往不集中在3月，但逆向推算的逻辑一样。任何申报书都可以拆成“定题—素材—草稿—打磨—填报”五个阶段，每阶段留足时间，AI辅助才来得及发挥效果。

1.2 国自然和省级基金：评审关注点完全不同

很多人犯的最大错误，是拿写国自然的逻辑直接套省级基金，或者反过来。两者虽然都要讲清楚“你研究什么、为什么值得研究、你准备怎么做”，但评审委员会构成、资助意图和写作重心都有明显差异。

表格里的差异不是绝对的，有些省份的基金同样高度重视基础科学问题。但对于准备申报的人来说，最安全的策略是：认真读指南原文，把指南里的“重点资助方向”“鼓励研究领域”逐字理解，再决定叙事重心。

1.3 用AI之前，先把边界画清楚

AI协同撰写这件事，最需要想清楚的不是“它能干什么”，而是“哪些事绝不能让它干”。

第一，AI生成的参考文献必须人工逐条核实。大模型在引用文献时出现幻觉是常态，它可能生成一篇看起来非常真实、但根本不存在的论文标题。这个问题我会在第五部分重点展开，这里先立规矩：凡是没有亲自在数据库里检索确认过的文献，一律不允许出现在本子里。

第二，预实验数据、研究基础、团队成果，属于不可由AI创造的硬信息。AI只能帮你润色表达，不能帮你“补”出没有做过的实验。

第三，涉及学术诚信的边界。近几年各类基金申报系统越来越重视AI使用情况的说明，部分系统已要求申报者声明是否使用了生成式AI。合理使用AI辅助润色、梳理逻辑是被接受的；直接用AI生成核心研究内容、虚构数据或参考文献，就属于学术不端。我的建议是：如实填写AI使用情况，不要隐瞒，也不要夸大。AI是工具，不是共同作者，更不是瞒报对象。

2. 基金项目书的底层逻辑：谁在阅读你的本子，他关心什么

2.1 评审环节的三个关键阅读节点

写基金和写论文最大的不同是：评审专家没有义务逐字读完全文。假设评审专家手里有二十几本本子，分配到每一本的有效阅读时间可能只有十到十五分钟。而且第一印象在前五分钟基本就定型了。也就是说，你的本子在评审手里有一条“快速阅读路径”，你要主动控制这条路径上每一步的信息密度。

第一个节点是题目和摘要。题目决定了专家是否愿意点开全文，摘要决定了他对整个本子的基调判断。第二个节点是立项依据前两段和后两段，这决定了专家对“问题重不重要”的评价。第三个节点是研究内容、研究方案和创新点，这决定了他对你“能不能做出来”的判断。

AI协同撰写必须围绕这三个节点来做文章。很多人在本子上花大量时间打磨中间内容，却让摘要和题目草草了事，这是典型的代价错配。

2.2 摘要：400字以内的电梯陈述

国自然申请书的摘要通常限定在400字以内，省级基金也大同小异。这段字数的信息密度要求极高，大概只够放五句话：领域背景与现状瓶颈、科学问题的提出、本项目要做什么、拟用方法或核心思路、预期意义。少一句，评审可能无法判断你的研究价值；多一句废话，信息密度就被稀释。

用AI写摘要时，我常用的做法是：先在Word里用最朴素的文字写出五句话的要点，然后把这段要点丢给AI，让它生成五个候选摘要版本，我再手动混合这五个版本里的有效句子。注意，AI生成的摘要通常有一个通病——每句话都很通顺，但连起来缺乏“指向性”。如果你发现摘要里出现了像“具有重要的理论意义和应用价值”这种没有信息量的收尾，就说明这一版不合格。要逼AI把“重要”替换成“对某类问题给出可验证的新机制”这样的具体表述，否则就删掉重来。

2.3 立项依据：从“已知”到“未知”再到“你的切入点”

立项依据是国自然本子中最难写、也最吃篇幅的部分。很多人在这里犯的错是把它写成一篇教材式的综述，从基础概念开始讲，用了五千字还没有引出自己的研究。

我习惯把立项依据拆成“三层漏斗”结构。第一层用一到两段讲清楚领域全局和共识，包括目前已知的关键机制、现有方法和局限性；第二层用一两个自然段聚焦到“目前尚未解决的瓶颈”，并引用近期的代表性文献证明这个瓶颈是真实存在且有紧迫性的；第三层从瓶颈直接切到你的思路，告诉评审“本项目拟从某个角度切入，尝试解决这个瓶颈”，再简要交代切入角度的合理性和前期数据支撑。

AI在“漏斗”里可以做两件事：一是根据你给的文献摘要生成第一层的背景草稿；二是找出你第三层切入角度与其他可能方案之间的差别。但“这个瓶颈到底是什么、为什么重要”必须由你自己判断。AI没有科研直觉，它只会把你的素材重新组织成通顺的文字。

2.4 研究内容与关键科学问题：别把“待办清单”当成逻辑链

写过基金的人基本都被同一条评审意见伤害过：研究内容目标过大、逻辑不清、缺乏聚焦。这个问题的根源往往不是写作能力，而是申请者没有分清“研究内容”和“科学问题”的区别。

研究内容是一组有逻辑关系的子任务，每个子任务必须服务于同一个科学目标；关键科学问题则是你整个项目要回答的那一个真正的未知问题。常见误区是把科学问题写成“研究某某机制”，但这只是一个研究内容。真正的科学问题应当具备“为什么是问题”的要素：目前的认知框架缺了哪一块？如果解答了，能带来什么新认识？

AI在这里的用法是“对攻式提问”。比如你可以让它站在评审专家角度，针对你写下的研究内容提十个“为什么”式的追问，再从追问中找到你尚未回答的薄弱点。AI的提问质量未必每一句都犀利，但它能在短时间内给你提供大量候选视角，帮你发现自己思维里的“理所当然”。

3. AI协同撰写的实操：一套可复制的四阶段工作流

3.1 动笔前的输入准备：AI需要好材料才能干好活

很多人在AI协同写作中遭遇“生成的文字太泛”的挫败感，原因不在AI，而在输入材料太单薄。你自己脑子里只有一个模糊方向，却希望AI给你一份高质量立项依据，这不现实。

我每次启动一个新本子，都会先建一个素材文件夹，里面放齐五样东西：一页纸的选题理由（你为什么会想做这个方向、预期贡献是什么）；5到10篇代表性文献的PDF和摘要；一到两个预实验结果的描述，哪怕只是一张初步图表；团队构成与合作信息；目标申报指南的原文和重点条款。

这五样材料不一定每一份都很完善，但尽量把已有的内容写下来。语言可以粗糙，但信息要真实。AI的生成质量，基本上与输入材料的真实性和具体程度成正比。如果你发现自己对着AI无话可说，那问题通常在材料准备，而不是提示词技巧。

3.2 阶段一：AI扮演挑战者，帮你把科学问题逼出来

定题阶段最忌闷头写。我的做法是先把初步想法丢给AI，但禁止AI直接给建议或生成文案，只允许它提问。

具体指令可以写成这样：你先向AI陈述你的初步方向和背景信息，然后要求它提出三十个以上的问题。问题要覆盖科学问题创新性、研究可行性、方法先进性、团队匹配度、申报指南符合度五个维度。AI提问完成后，我再逐条判断哪些问题必须回答、哪些可以忽略、哪些暴露了我思路里的真正漏洞。

这个过程会逼你面对很多平时回避的问题：你的研究问题和已有工作的差别到底在哪？预实验数据是否足以支撑这个方向？这个方向真能做到“小而深”吗？做完这一轮，你手里的选题方向和表达方式都会明显收敛。然后再进入写作阶段。

3.3 阶段二：用AI生成立项依据的信息骨架

定题完成后，下一步是搭建信息骨架。所谓骨架，不是完整句子，而是“段落主题句序列”：每一段大概要说什么、段与段之间的逻辑承接是什么、哪些位置需要引用哪些文献。

操作上，我会把素材文件夹里的五类内容全部粘贴给AI，然后下一条这样的指令：请根据以下素材，为我生成一份立项依据大纲。要求第一段写领域大背景与现状局限，第二段聚焦到当前核心瓶颈，第三段说明文献中已有尝试与不足，第四段引出本项目拟解决问题的思路。每一段给出主题句和3到5条要点，并标注该要点应引用的文献编号。

这里有个重要细节：文献编号要由你自己指定。如果你没有给AI编号文献，而是让它自由发挥引用，那么几乎必然会遇到幻觉引用。正确的姿势是：先把你拥有的每一篇文献编好号，把编号、标题、核心结论输入给AI，要求它只能使用编号引用。这样生成的大纲，真实性至少在文献层面是可控的。

3.4 阶段三：分节生成与逐段迭代打磨

骨架定好之后，进入逐段生成阶段。这时最忌讳的操作是让AI一次性输出全篇文章。AI一次性生成的长文本在逻辑连贯性和细节准确性上都会快速衰减，而且越到后面越容易重复调用已有的套话。

我的方案是“分节递进生成”：

先让AI生成立项依据的第一段，字数控制在八百字左右。生成后，我逐句审阅，把讲不清的地方用批注标出来，再粘贴给AI，要求它基于我的批注修改。第一段定稿后，把已定稿的第一段连同第二段的生成要求一起粘贴给AI，让它在延续第一段逻辑的基础上生成第二段。如此逐段递进，每一段都严格建立在上一段已确认的内容之上。

这样做法的代价是需要多轮对话，但收益是最终的文本逻辑紧密、信息密度高。直接让AI写完整立项依据，看似省事，得到的往往是一篇语言华丽但经不起推敲的水文，后续修改成本更高。

阶段三还包含研究内容、技术路线与研究方案的生成。这里要给AI更硬的约束：研究方案必须按“目标—方法—预期结果/判断依据”来写。AI生成的方案草稿很可能缺少“判断依据”，也就是“如果结果是什么，说明什么”，这一步需要人工补写。没有判断依据的研究方案，在评审眼里就是一份实验操作列表。

3.5 阶段四：语言升维与研究基础的个性化重组

初稿完整后，进入语言和结构的优化期。AI在这一阶段的角色是“润色统稿”和“风格校准”。

润色统稿时，建议你把初稿全文一次性粘贴给AI（如果工具支持长上下文的话），并下达这样的指令：请逐段检查本文中是否存在无信息量的套话；对每一段给出具体的修改建议，但不直接修改全文；重点关注句子的学术表达是否严谨、是否存在过度引伸、逻辑连接词是否准确。等你审阅完建议之后，再逐段让AI执行修改。

为什么要分成两步而不是让它直接改全文？因为AI对“学术严谨”的理解和你可能不一致。它可能会把“初步结果显示”改成“完全证明”，而这是绝对不允许发生的表述。把所有修改集中在一轮内执行，出问题的概率极高。分两步走，你至少知道自己批准了哪些改动。

研究基础的写法则是另一套思路。AI对“你的过去”一无所知，它只能根据你提供的已有论文清单和成果简介来组织语言。你可以给AI提供这样一个指令：列出我的代表性论文或预实验成果，并说明本项目如何建立在这些成果之上。要求AI归纳出“已有成果为项目提供了理论储备/方法基础/数据支撑中的哪几类”，再逐条展开。不要允许AI自行添加没有提供过的成果信息。

省级基金在这一步的适配处理十分重要。国自然的“研究基础”可以写得很学术，省级基金则最好额外说明“本团队与当地产业或区域应用场景的联系”。这个信息同样只能由你提供。如果你确实没有相关联系，不要硬编，这属于学术不端的风险红线。宁可坦率写“在成果转化与应用场景对接方面尚需进一步探索”，也不能虚构合作背景。

4. 提示词模板库：几组可以抄作业的实战指令

这一部分给出几组我实际用下来效果不错的提示词模板。使用时把方括号里的内容替换成你自己的信息即可。

“先问后写”类提示词，适合放在定题阶段：

请先不要急着给建议。我将告诉你我的初步方向和背景，请你像一位资深科研基金评审专家一样，分别从科学问题创新性、研究可行性、方法先进性、团队匹配度、申报指南符合度五个维度，各提出3个追问。追问必须具体，不要出现“请进一步明确研究目标”这类空泛表达。我将在后续回答你的追问。

立项依据草稿生成提示词：

我提供以下素材：[粘贴你的领域背景、文献编号与核心结论、预实验描述]。请按漏斗结构输出立项依据草稿：第一段从大背景与现有局限切入；第二段聚焦当前核心科学瓶颈；第三段说明已有尝试的不足；第四段引出本项目的切入思路与初步设想。要求：不得虚构任何文献引用，引用只能使用我提供的文献编号；每段之间必须有清晰逻辑推进；全文不超过1200字。

高信息密度改写提示词：

请将下面这段文字改写为具有高信息密度的学术表达：删除所有无信息量的过渡句；把抽象表述替换为可验证的实体或过程描述；保持学术严谨，不得增加任何未经证实的断言。原文如下：[粘贴原文]。

评审红队提示词：

现在请扮演一位故意挑刺的评审专家，针对我的项目申请书内容，找出10条以上逻辑不成立、文献过度引申、创新点无法支撑、技术路线存在漏洞的潜在弱点。每条弱点请给出“问题描述”和“修改建议”两栏。不要顾及我的面子。内容如下：[粘贴你的初稿]。

组会内部预审提示词：

请根据以下申报书草稿，模拟一次组会预审。请列出三个最可能导致本子被拒绝的硬伤，并按照严重程度排序。对每个硬伤，给出一个最小修改方案（只动20%的篇幅就能解决）和一个最大修改方案（重构相应模块）。内容如下：[粘贴草稿]。

这些提示词没有一个是“一键生成全文”的，全部是“半成品加工”式的协作指令。原因很简单：基金申请书的核心价值在科学判断，而科学判断恰恰是AI给不了的东西。把AI放在辅助位、审核位、挑战位，它才是好工具；把它放在决策位，它就是灾难。

5. 技术细节与常见坑位

5.1 文献幻觉：唯一的解法是人工核验

AI生成内容时的文献幻觉，是基金写作中最隐蔽也最危险的坑。你以为AI给你引了一篇经典文献，实际上那篇文献根本不存在；你以为“Science”上的某个结论是真的，实际上AI只是根据训练数据里的常见词组，在编一个看起来像论文的东西。

对付文献幻觉，我的办法很笨，但有效：每一条参考文献，不管AI声称它来自哪里，都必须回到数据库中检索、打开摘要、确认核心结论。凡是检索不到的，立即删除。如果你在提示词里写明了“只能使用我提供的文献编号”，幻觉风险会大幅降低，但不能降到零。AI可能会把你提供给它的文献编号张冠李戴，把A文章的方法按到B文章上。所以，对引用位置和引用内容要逐一核对。

5.2 查重风险：AI生成内容的“首发权”问题

基金申请书提交后是否查重，各系统规则不同，但读者的感受是共通的：一篇明显带有AI腔的文字，在资深评审眼里有一种“塑料感”。这种塑料感不是检测系统报出来的，而是人读出来的。

控制塑料感的几个实操动作：一是课题中摘要的结论句必须人工亲自重写，不要放AI生成的原文；二是立项依据开头的100字要人工重写，因为这是评审最先读的部分；三是全文所有“创新”“首次”“首次揭示”类表述要人工确认，AI经常会堆砌这类拔高词汇。AI生成的初稿用于建立结构，人工重写用于建立“人的声音”。

如果你的申请书最终需要提交系统进行查重，更稳妥的办法是：在所有承上启下的过渡句、每段开头句、标题句上做人工改写。这些位置的重复率往往是AI生成文本的重灾区。

5.3 图表与技术路线图的AI边界

技术路线图、研究框架图、实验流程图这类图表，AI能做的比很多人想象中少。它不能可靠地生成一张排版干净、逻辑清晰的路线图，但可以帮助你规划图的结构：图上有几个模块、模块之间的上下游关系是什么、箭头怎么画、每块文字写什么。

实操上，我建议先让AI生成一段“技术路线图的结构描述”，包含图注、各模块名称、连接关系，然后你自己用绘图工具按这个结构来画。画好之后，再请AI看图注、检查描述是否存在前后矛盾。AI不能判断图形布局的美观性，但能帮你检查文字逻辑的一致性。

5.4 团队协作中的风格统一问题

多人合作写一份本子时，AI会带来一个新的副作用：如果每个人都用自己的账号、按自己的习惯生成段落，最后拼接出来的文档可能像五个人各写了一段，风格严重不统一。

解决办法是统一工作流：所有AI生成内容都汇入同一个共享文档，写完初稿后指定一个人负责统稿，由统稿人用统一的润色指令处理全文。另一个备选方案是允许不同人使用自己的语言草稿，但最终版本必须经过同一位统稿人的统一改写。用AI反而更需要版本控制，因为生成过程的随机性和风格偏好会让文本更加发散。

5.5 申报系统的填报事项与字数控制

AI写出来的初稿往往偏长，因为大模型的默认输出趋势是“尽量说满、说全”。申报系统里的字数限制则是硬约束。遇到超字数不要惊慌，直接使用高信息密度改写提示词，要求AI在保持所有有效信息的前提下压缩到指定字数。如果压缩后仍超出，就按“背景缩减、方法精简、意义保留”的原则人工砍删。

另外，摘要、正文、附件说明的格式要求各不相同，建议在系统里填写之前，把所有文本放在Word中完成最终定稿，再复制进系统。任何依赖在线编辑器的直接写作都可能在格式切换时丢失样式。图表上传的命名规则也提前整理清楚，避免最后一天在系统里慌忙改文件名。

6. 常见问题与现场排查速查表

这张表是我自己在辅导同事时经常拿出来对照的清单，大部分本子写到中后期出现的问题，基本都能在上面找到对应项。

最后再分享一个真实感受。这两年帮人看本子看得越多，我越觉得基金写作真正的瓶颈不是打字速度和工具熟练度，而是“想清楚”的时间。AI协同最值钱的地方，不是把一段话从70分润到85分，而是把检索、提纲、背景综述、语言打磨这些低价值重复劳动压到最短，让你有理由、有余力、有体力坐下来，把那个“一句话科学问题”翻来覆去地想明白。

2026年的申报窗口已经打开。今晚回去不用急着调提示词，先拿出一张纸，把你这个研究方向最想回答的那个科学问题写下来。如果一句话写不清楚，就继续想，AI帮不了这一步。等你想清楚了再打开AI，每一轮对话都会花在刀刃上。