論文撰寫對多數研究生來說，往往不是因為能力不足，而是不知道怎麼開始。主要是缺乏專業訓練與適當引導。本文涵蓋論文 -20% → +20% 的過程，探討如何從根本還沒開始寫，到可以穩定產出碩論草稿的教學。從各領域通用的基本研究方法、啟動心法，文獻管理系統比較、以及建立有資料來源基礎的 AI 協作流程，來協助更多人產出有用的知識，順利邁向論文 100%。

引言：壓力來自於沒有行動，害怕來自於缺乏理解

念研究所就像是爬山。有些教授跟學生一起爬山；有些教授給學生地圖叫他去爬山；有些教授連地圖都沒給，叫學生自己找座山去爬。若缺乏適當引導，教授可能會發現學生在山裡的堰塞湖游泳。

不少碩士生在進研究所之前，並沒有做過科展或完整的專題研究，對科學方法與研究流程其實並不熟悉。面對「要生出一篇論文」這件事，腦中沒有清楚的畫面，只知道這是一個很大、很難、而且後果嚴重的任務。在手上沒有地圖的狀態下，人自然會選擇停下來，甚至假裝自己還沒走進山裡。

Jeff Bezos 曾說過 「Stress primarily comes from not taking action over something that you can have some control over. 」；Marie Curie (居里夫人) 曾說過「Nothing in life is to be feared, it is only to be understood. Now is the time to understand more, so that we may fear less.」。對碩論感到壓力是因為還沒開始。對碩論感到害怕是因為缺乏理解。

在本文中，我們把碩論進度的「-20% 到 +20%」的過程拆解成可以清楚執行的小步驟。如果強求立刻開始打字不僅壓力大，而且會有歪掉的風險。不如先弄清楚現在站在哪一個位置，下一步該做的是什麼。當路徑變得清楚，行動才有可能開始，有了行動之後，恐懼與壓力也才有機會真正被處理。

流程總覽

為了方便討論，我來定義幾個從 -20%「還沒開始寫論文」，到 +20% 「可以穩定產出碩論草稿」的關鍵階段。

• -20%：理解「科學方法 (Scientific Method) 」的流程以及學術論文的標準結構 (本文後面有簡介)。
• -15%：「論文不是作文」，理解論文的目的在於回答一個可被檢驗的問題。
• -10%：形成研究問題的輪廓（不一定需要可行，但能被清楚表達、討論，與質疑）。
• -5%：初步文獻探討 (至少存下 10 篇可能相關的文獻，至少看過摘要知道在幹嘛)。
• -2%：與教授或學長姐討論研究方向的可行性、技術風險，與時間成本。
• -1%：確認已有可使用的資料來源 (實驗數據、問卷結果、資料庫、模擬或公開資料)。
• 0%：完成「第零版草稿」的口語或紙本版本 (尚未正式寫作)。
• 1%：建立可持續修改的數位草稿 (Word / LaTeX / Overleaf)，並確認版本管理方式。
• 2%：插入第一張「會留在論文中的」圖表，不用完美，但是確定怎麼改都會有它。
• 5%：建立論文整體結構 (封面、摘要、章節、參考文獻) 。
• 10%：建立可擴展的文獻管理系統與筆記，能持續加入新的文獻，並自動產生文末參考資料格式。
• 15%：每一章 (chapter) 與主要節 (section) 和子節 (subsection) 都有一些實質內容，不是只有標題。
• 20%：建立「有資料來源約束」的大型語言模型 (LLM) 協作流程。

以上是方便討論所定義的大致階段，不一定要照順序，但可以用於檢查現在自己在哪裡。實務上，常見不照順序推進的情況如下：

• 理工碩士 (數據先行) ：
  通常在碩零進實驗室就開始做實驗，數據很早就開始累積，甚至在論文題目還不明確之前，就已經有一整個資料夾的量測結果。此時可能還沒正式整理文獻，一開始看的那篇 paper 還是從畢業學姐的抽屜裡翻出來的，上面被畫滿筆記。很多研究問題，其實是在咪挺進度報告中的實驗與失敗才逐漸浮現的。
• 商學院碩論 (圖像或提案先行) ：
  商學院的碩論有時會是一個商業提案 (business proposal) ，研究想法可能來自於一張手繪的盈利模式 (Revenue Model) 草稿。為了跟同學或教授討論，很早就在 PowerPoint 上畫出流程圖或商業架構，因此在還沒寫任何文字之前，就已經有了第一張「會留在論文中的圖」。後續的文獻探討，反而是用來替這個提案補上學術語言。
• 跨領域或工具導向 (系統先行) ：
  在跨領域或高度工具導向的研究中，有些人會先建立資料處理、文獻管理或模型實驗的系統，確保之後的工作可以持續累積。雖然研究問題仍在發散階段，但透過系統化的紀錄與嘗試，反而更容易看出哪些方向值得收斂成論文主題。這類情況下，寫作往往是最後自然發生的結果，而不是一開始的起點。

這篇文章主要引導讀者到 20%，剩下的就交給你了。

寫論文常見的心理誤區

多數寫論文時遇到的痛苦，表面上看起來是技術問題，實際上常常源自於前期的心理誤判。當我們把「第一版」誤以為就該接近完成品，就會在一開始做出過度複雜、過度保守的選擇。接下來，會先從「如何開始」談起，再進一步討論一個很多人過早糾結、卻又無法避免的問題：到底該用什麼工具來寫論文？

任何形式的開始都是好開始

LinkedIn 的共同創辦人 Reid Hoffman 曾經說過：「If you’re not embarrassed by the first version of your product, you’ve launched too late.」。意思是說第個一版本來就是應該破破爛爛的，如果沒有對第一版感到羞恥的話，那可能太晚開始了。

任何形式的開始，都是好的開始。創作前期的重點是讓文思能順利流動，這條「大腦 → 手指 → 電腦」的傳遞路徑本來就已經夠慢了，有東西就先寫下來，不需要一開始就糾結於格式、排版或工具。用 Word、LaTeX 都可以，甚至手寫、畫圖也都行，先把想法留下來，之後再整理、再轉檔。

這個階段有一個常見的誤區，是一次硬要把一個段落「寫到完整」，或是想要「照順序寫」。假設前期某一個小時只能產出大約 300 字，與其勉強湊成一段，不如把其中一半用來寫標題，另一半寫成每個標題底下的第一句話。先把大架構搭起來，再慢慢補小架構。後面也會說明什麼段落先寫會比較有效率，心理負擔也較少。

在這個過程中，可以同時搭配與自己、AI，或指導老師與學長姐的討論，讓方向早一點被校正。等到內容與結構逐漸穩定之後，再來考慮「用什麼工具把它長期維護好」，反而會輕鬆很多。

要用什麼寫論文？

在論文寫作的不同階段，效率最高的工具並不相同。所以選擇 Word 或 LaTeX，不應該被視為個人習慣、工具偏好，甚至學術身分認同，而是一個隨文件狀態改變的工程決策。

我當時剛去美國很不理解為什麼房子大多是木造，而不是像臺灣是用鋼筋混凝土 (RC) 或鋼骨鋼筋混凝土 (SRC) ，後來才知道是基於氣候環境、自然資源、與施工效率的工程決策；另一個例子是，什麼民航客機路線適合用噴射引擎的飛機，甚麼時候適合用螺旋槳引擎的飛機。也就是說當「工程」(現在是寫論文) 的特性適合導致適合用 LaTeX 時，就算不會也需要去學習。

論文早期：先把想法寫出來，比排版正確更重要

有沒有曾經心中有想到甚麼事情等等要做，正想拿手機記事本記下來，一個恍神就「啪！沒了！」。在論文尚處於早期階段時，最重要的任務是：

• 把腦中的想法快速外化成文字。
• 建立初步的大架構。每個架構放一點內容但不要太多。
• 與指導教授或同儕反覆討論、刪改、重排。

此時，文件通常尚未進入結構鎖定 (structural lock-in)的狀態，章節層級會調整，段落順序會變動，引用與圖表數量還較低。這個階段用低門檻、低心智負擔的寫作工具 (例如 Word)，往往能帶來更高的產出速度。趕快產生可討論的草稿。

當文件開始變複雜，平台選擇就成為工程問題

隨著論文逐漸成形，文件會出現一些關鍵變化：

• 章節層級固定，開始出現多層結構與附錄
• 圖表、公式、註腳與交叉引用數量增加
• 參考文獻持續累積，且可能需要反覆調整格式

一旦進入這個階段，寫作的主要成本不再只是打字，而是維持整份文件的一致性與可擴展性。這也是許多人在 Word 中開始感到吃力、甚至出現文件越改越亂的關鍵原因。怎麼用 cross-reference？要用什麼文獻管理工具？我的協作對象也能加 reference 嗎？還是只有我可以？這篇 paper 為什麼 EndNote 搜尋不到？

LaTeX 是為大型文件設計的系統工具

LaTeX 是一種用來產生文章的程式化系統。它不是「所見即所得 (What You See Is What You Get)」的編輯器，而是透過標記 (markup) 的方式，把文章中不同層級的結構，如章節、圖表、公式、註腳，與參考文獻等先清楚定義，再由系統負責排版，生成一個 PDF 檔。

因此，LaTeX 很擅長處理一個情境：
當文件的複雜度已經高到，人工維護開始變成主要成本。

LaTeX 透過結構化標記與自動化排版，把原本需要人工反覆檢查與調整的工作（例如編號、交叉引用、格式一致性），轉為系統層級處理。當文件複雜度超過某個臨界值後，LaTeX 的前期投資會被這些自動化能力快速攤平；反過來，Word 一開始的即時便利，反而會逐漸累積成隱性維護成本。

這邊簡述幾樣一般人會想知道 LaTeX 能不能做不到的功，尤其是跟碩論有關的：

• 圖片跟表格都可以處理，還編排、調整大小，跟加入標題。
• 可以產生碩論需要的浮水印 (例如使用 \backgroundsetup{})，還可以設定透明度 (如opacity=0.5)。
• 封面可以放校徽，浮一個文字方塊在指定位置就好 (\begin{textblock*}{4cm}(1.5cm,3cm){})。
• 數學式、化學反應式可以。而且當數學式很多、需要對齊或多行推導時，反而用 LaTeX 更好。
• 化學結構也可以 (\chemfig{}) ，但如果是我的話我會用常用的 ChemDraw 輸出 SVG 向量圖形檔，然後以圖片的方式匯入。
• 樂譜也可以 (LilyPond)，但用常用的打譜軟體輸出 SVG 或是 PDF 再匯入會比較方便。

LaTeX 的其他優點：

• 只要改幾行設定，就能統一調整整份文件的格式，或快速切換投稿到不同期刊的版型。
• 在與 AI 協作時更有結構優勢：章節層級、公式與引用關係清楚，LLM 較容易理解與整段修改。
• 參考資料管理相對乾淨。主文件是 .tex，文獻資料是 .bib，只要幾行指令 (例如 \printbibliography) 就能產生文末參考文獻清單。

最大的缺點就是 LaTeX 有學習曲線。而學習對很多人來說本來就是不舒服的事。不過在現在有 LLM 輔助的情況下，許多過去很花時間的細節調整，其實已經快很多了。

所以要用 Word 還是 LaTeX？一個自我檢查量表

以下是一個簡化的自我評估量表，用來判斷需不需要考慮 LaTeX。測出來該學就去學，不要逃避。學會了履歷還能多一行。

1. 數學式：幾乎沒有算 0；偶爾出現算 +1；大量 (對齊、多行推導)算 +2
2. 虛擬碼 / 程式碼：沒有算 0；少量展示算 +1；需行號、caption、引用算 +2
3. 圖表與交叉引用：圖少不引用算 0；需自動編號算 +1；大量互相引用算 +2
4. 文件長度：<30 頁算 0；30–80 頁算 +1；完整碩論 / 博論算 +2
5. 章節結構深度：≤2 層算 0；3 層算 +1；含附錄與多層結構算 +2
6. 文獻數量：<20 篇算 0；20–60 篇算 +1；>60 篇或持續增加算 +2
7. 引用格式彈性：固定格式算 0；可能調整算 +1；期刊/學校常切換算 +2
8. 格式強迫症：不太在意算 0；希望一致算 +1；很嚴重算 +2
9. AI 協作尺度：只改段落算 0；常改整節算 +1；整本重構算 +2
10. 文件壽命：交完即棄算 0；未來改寫論文算 +1；可能變成書/教材算 +2

結果判讀：

• 0–5 分：Word 非常合理。
• 6–9 分：臨界區，請考慮轉 LaTeX。
• ≥ 10 分：LaTeX 明顯更省時間、風險更低。

LaTeX 會不會很難學？

先說一下我自己在 Word 與 LaTeX 之間的經驗。2020 年寫碩論時，我是用 Word 搭配 EndNote；2022 年開始念博士班，只有第一年還在用 Word，之後作業與文件幾乎都改用 LaTeX；2025 年有一篇協作的 paper 用 Word 搭配 PaperPile；2026 年有一篇 arXiv 是用 LaTeX，未來 2027 年的博士論文也大概率會用 LaTeX。

我當初學 LaTeX，其實不是「下定決心要學」，而是在課程提供的作業模板上直接寫。因為在趕作業，就邊用邊學，不會的再查；而且實際上大多數問題都查得到，也沒有想像中困難。本文礙於篇幅不會教怎麼用 LaTeX，但我會建議直接去開一個 Overleaf 帳號，這是目前很常見的線上 LaTeX 編譯平台，網路上也有大量中英文教學資源。

很多人面對學新東西時，心裡其實都出現過類似的掙扎：「筆記大概記一記就好，期中期末過了就好，反正這輩子大概也用不到。」我曾經有偷懶想要這樣做，被命運狠狠教訓了不少次。一個階段逃避掉的挑戰往往在下個階段還會以更可怕的形態出現。

放棄一個學習的機會其實滿可惜的。現在會發現「需要學一個新東西」，本身就代表你正在進入下一個成長階段。碩士或博士畢業後，很多人都會迎接第一份正職工作，需要學的新東西只會更多。如果現在就因為不舒服而放棄，未來只會更辛苦。不如把它當成一次練習，用比較積極的態度面對新的挑戰。

文獻探討的重要性

學術研究最重要的就是文獻探討，這樣才能站在巨人的肩膀上，避免「閉門造車 (Reinventing the wheel) 」。充足且品質好的文獻回顧也代表說作者有做功課，並將最重要的精力放在真正還沒有人實現的東西上面。論文寫作中巨人的肩膀就是之前的參考文獻。

參考文獻的數量並沒有絕對的硬性規定，關鍵在於「足夠支撐研究論點」與「呈現該領域的學術脈絡」。一般而言，學術期刊論文約需要 20-50 篇，碩博士論文則通常需要 50-100 篇以上，但「品質」與「相關性」遠比「數量」重要。

幫助論文產出的基礎設施

認識「科學方法 (Scientific Method) 」

如果大學以前曾經做過科展，或是大學有做過專題研究，應該對如何「做研究」不陌生。但考量到大家背景領域差異，這邊提供書單並簡介內容，建議直接手刀下單三本來看。

1. 《研究生完全求生手冊：方法、秘訣、潛規則》，彭明輝，2017，聯經出版事業公司。
   聚焦在碩、博士生所需要的基本能力，以及畢業前所需要的研究方法、訣竅與潛規則，而不奢談更高深的創意或研究方法。強調用別人的智慧，解決自己的問題。這是我幾乎讀完而且還去參加過作者的演講與簽書會的書，我覺得裡面關於文獻探討的實行方法寫得非常詳細。他後續有出一本《論文寫作完全求生手冊：「精準表達，以理服人」的技藝》，也可以參考。
2. 《傻瓜也會寫論文 (量化+質化增訂版) ：社會科學學位論文寫作指南》，顏志龍，2021，五南文化。系統介紹學位論文各章節的寫作要點，從研究設計到資料呈現都配有典型範例與格式指引。結合質性與量化取向，幫助讀者理解不同方法下的論文表述邏輯。語言平實易懂，適合初次面對完整研究報告寫作的學生。
3. 《教授為什麼沒告訴我 (2020進化版)》，畢恆達，2020，小畢空間出版社。以學生視角出發，拆解學術研究與職涯過程中的隱性知識與不成文規則。作者結合多年教學與輔導經驗，提出從選題、閱讀、溝通到答辯等一系列實用建議。適合對研究文化與學術習慣仍感陌生者作為入門讀物。
4. 《這才是做研究的王道》 (Tricks of the Trade: How to Think about Your Research While You ’re Doing It) ，Howard S. Becker，2009，群學出版 (臺灣翻譯)。這本書強調研究思維過程，而非單純方法步驟，鼓勵研究者自覺性地反思假設、選擇與證據。作者以社會學背景示例，展示如何從日常資料中發掘洞見並調整研究策略。內容實用且富啟發性，有助建立靈活的研究判斷力。
5. 《研究的藝術》 (The Craft of Research) ，Wayne C. Booth、Gregory G. Colomb 、 Joseph M. William，2009，巨流圖書出版 (臺灣翻譯)
   系統性地介紹了從確立題目、搜尋資料、論證建構到論文撰寫的流程，適合學術研究新手。美國作者跟臺灣譯者都是教授。
6. 《英文研究論文寫作：關鍵句指引 (第四版)》，廖柏森，2019，眾文圖書。
   廖柏森為國立臺灣師範大學翻譯研究所教授，書中收錄800條來自英美國際學術期刊的各類文本的表達模式和語句，主要提供論文寫作常用的句型模式和詞語搭配，並介紹論文完整的各章節 (包括緒論、研究方法、研究結果、討論∕結論、摘要) 經常使用的文法結構、表達方式和字彙片語。
7. 《質性研究方法與論文寫作 (四版) 》，鈕文英，2023，雙葉書廊。
   質性研究方法 (Qualitative Research) 是一種不依賴統計數據，專注於深入探索社會現象、人類行為、經驗與意義的研究取徑。透過訪談、觀察、文件分析等「深入」手段，從局內人角度解釋「為什麼」與「怎麼做」，常應用於社會科學、教育學及行銷研究。如果研究主題比較難被量化，強烈建議買這本。
8. 《研究的起點：從自我出發，寫一個對你 (和世界) 意義重大的研究計畫》Where Research Begins: Choosing a Research Project That Matters to You (and the World) ，Thomas S.Mullaney、Christopher Rea，2023，雙葉書廊。如何選擇一個「值得問」的問題。以引導式工作手冊形式，引導讀者從個人經驗與興趣出發，定義研究議題並連結更廣泛的學術與社會背景。透過反思練習與實例，幫助研究者在踏入研究過程前建立清晰的方向與動機。
9. 《社會科學研究方法》 (The Practice of Social Research, 15e) ，Earl Babbie，2021，雙葉書廊。
   第一版於1975年問世，這本書為2021年第15版的中譯本。作者用清晰易懂、類似在課堂上與學生對話的寫作風格，詳細解說研究設計、實驗法、問卷調查、田野研究、非介入性方法、質化與量化資料處理與分析等內容。讓讀者有效地了解研究方法和實務操作，並隨時提醒讀者注意研究工作易犯的錯誤。
10. 《好研究如何設計？用量化邏輯做質化研究》(Designing Social Inquiry: Scientific Inference in Qualitative Research)，Gary King、Robert Keohane、Sidney Verba，群學出版 (臺灣翻譯)。這本在社會科學方法論領域極具影響力的著作提出定性與定量研究共通的推論邏輯。作者主張無論資料型態如何，良好研究的核心在於清晰假設、嚴謹邏輯與明確因果推論，是理解科學方法背後邏輯的重要參考。
11. 《好研究怎麼做：從理論、方法、證據構思研究問題》(The Craft of Inquiry: Theories, Methods, Evidence)，Robert R. Alford，群學出版 (臺灣翻譯)。「好研究不是從資料或方法開始，而是從問題意識開始」，書中系統性地說明研究問題如何在理論、方法與證據三者之間反覆鍛鍊與修正。此外罕見地正面討論研究過程中的「研究焦慮」，指出迷惘與不確定本身就是嚴肅研究的一部分，並提供可操作的思考路徑。

以上提供了 12 本書，那怕只買一本來看，都會有明顯理解提升。另外，本段落沒有收業配，所以不用擔心立場偏頗。

了解引用格式是什麼

去了解官方 (系上) 要求的引用格式是什麼。我們先不講「閉門造車 (Reinventing the wheel) 」、「站在巨人的肩膀」，或不同文獻管理工具的比較。先去查規定要寫的論文的引用格式是什麼？引用格式就是如果我在文中提到一個論點，像是：

天空呈現藍色主要是因為太陽光在穿過地球大氣層時，發生了瑞利散射 (Rayleigh scattering) 現象。太陽光包含多種顏色，其中波長較短的藍光比紅光更容易被空氣中的氮氣和氧氣分子散射到四面八方。

然後我找到這篇 1899 年由 John William Strutt, 3rd Baron Rayleigh 這個人發表的文章我應該如何把這篇文章 (https://doi.org/10.1080/14786449908621276) 貼到這句話上面的，文字排版呈現方式。

中文論文常見的引用格式以 APA 第七版 (APA 7^th, American Psychological Association: 7th Edition) 為主，廣泛應用於社會科學、教育、體育、護理與心理學領域。文內引用採「作者-年份」，放在單句的句點之前，或是整個段落的最後一個句點之後，此時代表區塊引文 (block quotations) 。例如：

 天空呈現藍色主要是因為太陽光在穿過地球大氣層時，發生了瑞利散射現象 (Rayleigh, 1899) 。

但只寫這樣不行，資訊太少讀者查不到，而且要是他一年發兩篇的話我們就不知道是哪一篇了，這也是 APA 7^th 引用格式的缺點之一。因此文末還有一個章節是參考文獻。

文末的參考文獻通常先列中文 (按筆劃) 、後列英文 (按字母) ，第二行起縮排。沒有編號。裡面包含作者、年份括弧、完整標題、期刊名稱、卷數 (Volume) 、期數括弧 (Issue/Number) 、第幾頁到第幾也。卷通常對應期刊的年度或數年的集合，期則是該卷內的具體發行次數。像這樣 (網頁呈現我就先不縮排了) ：

Rayleigh, L. (1899) . XXXIV. On the transmission of light through an atmosphere containing small particles in suspension, and on the origin of the blue of the sky. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 47 (287) , 375-384.

這時候就會擔心「那是不是要一個一個打？」、「如果要在第二個跟第三個引用中間插入一個新的第三個引用怎麼辦」。不用擔心，那就是文獻管理工具會處理的事情，之後會講。

這邊介紹其他常見的引用格式跟領域。

• MLA (Modern Language Association) 採用「作者-頁碼 (Author-Page Number) 」。用於人文學科、文學、語言學、文化研究。
• Chicago (Chicago Manual of Style) 有分為「註腳-文獻目錄 (Notes-Bibliography) 」 或「作者-日期 (Author-Date) 」 兩種系統。用於歷史、藝術、人文、社會科學。
• Vancouver 是我比較偏好的「順序編碼系統 (Numbered System) 」。住要用於醫學、生物醫學、科學。

後面會提到為什麼學術研究需要引用文獻，以及比較不同文獻管理工具。

建立一個整齊的資料夾

整齊的資料夾對學術研究的管理非常重要。一個好的資料夾環境與文件命名可以節省許多時間。如果主題包含有大量實驗，可能需要兩個資料夾；如果沒有的話可以集中在一個資料夾。

• 包含大量實驗：實驗資料夾 + 論文資料夾
  一般理工科系的碩士可以直接選這個方案。實驗資料夾請依既有邏輯做好命名與分類，重要的資料夾可以直接在口試投影片後面做個表格貼上本地連結，萬一口委突要求看實驗資料，也可以及時拿出來就你一命。
• 不包含大量實驗：單一論文資料夾
  如果只是包含數據整理或問卷訪問的研究，可以上在單一的資料夾方便管理。

論文資料夾架構範例

以下是一個論文資料夾架構範例

01_Thesis\
├── 00_bkup\
├── 01_Ref\
│  ├── 2011_How to write a better thesis.pdf
├── 02_Templates\
│  ├── 01_Word template\
│  ├── 02_LaTex template \
│  └── font file.ttf
├── 03_Figs\
│  ├── 01_concept diagram.svg
│  └── 02_exp setup photo.jpg
├── 04_Examples\
│  ├── 2026_author_other professor_a long title.pdf
│  ├── 2026_author_your professor_a long title.pdf
├── 05_overleaf (local) \
├── 06_after defense\
├── 03_progress.xlsx
├── 04_figures and bkup slides.pptx
├── 05_defense presentation.pptx
├── yyyy-MMdd-2200_Thesis Title.docx
├── yyyy-MMdd-0830_Thesis Title.pdf
└── yyyy-MMdd-1240_Thesis Title.pdf

第一層主要資料夾包含的東西如下：

• 備份資料夾 (00_bkup) ：用來放舊的初稿或是舊的 pdf ；
• 參考資料 (01_Ref) ：裡面少說應該要有 50 份以上參考資料。
• 論文模板 (02_Templates) ：通常要去各校或各系的官網下載，但不用期待品質太好或是把官方的模板就認為是聖旨。做那個模板的行政人員又沒有要畢業，可能拿個還可以的就上傳了。最保險的還是下載至少 5 份同實驗室的論文，然後手搓調整到跟那些已畢業的格式看起來一樣。
• 圖片 (03_Figs) ：論文一定有圖，這個就是來放圖的。如果論文的研究發過 paper，通常會是實驗的圖在 PPTX 上調整成組圖 (例如排成四格漫畫然後放 (a) 、 (b) 、 (c) 、 (d) 之類的) 之後發 paper ，然後把原本的組圖投影片複製到這邊的投影片檔 (04_figures and bkup slides.pptx) ，為論文或口試做特別調整。輸出另存成圖片後就放到這個資料夾備用。如果是向量圖型建議輸出不會失真的 SVG， 如果有照片可以輸出 JPG (檔案較小) 或 PNG (保留畫質) 。
• 範例 (04_Examples) ：模仿是學習的一部分。參考別人的論文很重要。但很常被忽略。下載至少 10 份同系的畢業論文，其中至少 5 份是你的指導教授。我們要參考的重點有格式、標題架構、思考框架，與學術論文寫作風格。
• 線上 LaTex 編譯平台 (05_overleaf) ：如果你在 Latex 上面寫論文的話，可以同步一份到本地，避免雲端當機而影響生產力。下載到本地的額外好處是可以透過 VSCode 開啟，然後裡面的

歡迎參考我的文章《給職涯新鮮人的個人數位資產管理建議》，裡面有在電腦備份、資料夾管理，與生活記錄管理的建議。

觀摩：蒐集同系同實驗室學長姐的論文

在上述的資料夾中，應該要有一個資料夾來放至少 10 份同系的畢業論文，可以去碩博士論文網搜尋下載。其中至少 5 份是你的指導教授。這是一個很重要但常被忽略的基本功，閱讀同系同實驗室過去的畢業論文可以幫助我們：

• 學習論文架構：
  上面的 12 本推薦書單可以提供研究方法與論文架構，但那些比較偏向各主要學術領域的通用原則。學長姐的畢業論文則能讓你看到「在這個系、這個次領域裡，實際是怎麼被寫出來並順利畢業的」，有助於快速對齊章節比例、內容深度與寫作節奏，降低結構性錯誤的風險。
• 理解隱性規格：
  有些格式或內容上的期待 (先不包含審美) 不會寫在官方格式規定裡，但卻是口試時真正在被拿來比較的標準。例如「啊過去畢業的學生都有做這個啊你怎麼沒做」、「啊以前學長姐都有一個段落在討論那個啊你怎麼沒有」，這些往往是沒做到時才會被點出來。
• 指導教授與口委群的審美與偏好：
  透過過去論文，可以更具體地理解指導教授在敘事風格、圖表呈現、討論深度上的偏好。同一個實驗室的口委群常常高度重疊 (因為都認識而且地理位置不會太遠)，審美與期待也會趨於穩定，提前觀摩能有效降低口試時的不確定性。
• 建立信心：
  看完別人的碩論就像看了別人爬完山的 Vlog 一樣，一路上哪裡陡、哪裡會卡關，大致都有概念。

手上有一份已驗證可行的地圖，實際開始寫的時候，心理壓力會小很多，也比較不容易半途懷疑人生。

如何讓草稿穩定長出來

如果前面的內容有幫助你釐清方向，那麼到這一步，理論上你應該已經開始動筆，哪怕只是一點點。接下來這一節，會聚焦在一個更實際的問題：在研究與生活並行的狀態下，如何讓論文草稿不是偶爾冒出來，而是能夠穩定累積。

一本書的架構

論文就是一本書，這邊介紹一本書的架構，每個章節的功能，以及那些章節可有可無。對，我等等會提醒大家致謝不要寫男女朋友的名字，除非確定會跟這個結婚。

常見碩論架構

以下是碩論架構的精簡整理，務必自行確認符合官方規定 (系院校) 與教授期待：

• 封面 (Cover)：務必符合官方規定。包括論文標題、作者姓名、系所、學位名稱與年份。封面是正式文件的一部分，任何格式錯誤都可能導致退件或重印。
• 摘要 (Abstract) ：以高度濃縮的方式說明研究背景、方法、主要結果與學術貢獻，使讀者在不閱讀全文的情況下即可掌握研究重點。中文的論文通常會加上中英摘要。
• 致謝 (Acknowledgements) ：承認研究過程中的實質協助，例如指導教授、經費來源、技術支援、實驗室同儕、親友及家人。致謝不是私人感言，是學術責任的一部分。雖然這本書掛自己的名字，但很多資源不是自己的。有些人選擇不放致謝，也是可以的。另外，致謝盡量不要寫男女朋友的名字，除非確定會跟這個結婚。如果要抄論文的話要記得檢查致謝，曾發生學姊論文的致謝裡感謝男朋友，然後學弟抄學姊的致謝。
• 目錄 (Table of contents) ：系統性呈現論文章節結構與頁碼，協助讀者快速定位內容。實大家應該會用排版工具自動生成，不要一個一個打字。
• 圖片索引 (List of Figures) ：圖片索引集中列出全文所有圖表標題與頁碼，便於讀者快速查找視覺化結果。當論文包含大量圖像或實驗示意圖時，特別有助於閱讀與回查。
• 表格索引 (List of Tables) ：表格索引彙整論文中所有表格的標題與位置，方便讀者快速比較數據與重點整理。若論文以數據分析為主，建議一併提供以提升可讀性。
• 推薦序 (Foreword) ：請名人或專家撰寫專文推薦本書吸引讀者。在碩論中很罕見，但也不是不行。
• 作者序 (Preface) ：作者親自撰寫，講述創作背景、心路歷程與致謝。在碩論中也算罕見，一般會混入致謝，但其實兩者有不同用途。
• 前言 (Preface) ：緊接在作者序後，通常為對本書內容的具體導讀、定義書名或說明架構。
• 緒論 (Introduction) ：這邊開始就算內文了。目的在於清楚界定研究問題、研究動機與研究目標，說明為何這個問題值得被研究、目前的不足之處，以及本研究預期的貢獻。「這篇論文在做什麼？為什麼要做？做了有什麼意義？」
• 文獻回顧 (Literature Review) ：單純整理前人工作，而是透過系統性回顧，建立研究背景與學術脈絡。此章節應指出既有研究的方法、成果與限制，並明確說明本研究與既有文獻之間的關係與差異。文獻回顧的核心功能是：證明這個研究問題不是重複勞動，而是有其學術位置。
• 研究方法 (Methodology) ：清楚交代研究設計、實驗流程、資料來源、分析方法與評估指標，使研究具備可重現性與可檢驗性。回答「如何做這個研究的？為何選擇這些方法，而不是其他方法？」等問題。
• 結果與討論 (Results and Discussion) ：結果部分負責客觀呈現研究所得的數據與觀察，不加入過多主觀解釋；討論部分則進一步解釋結果的意義，將結果與研究問題、文獻回顧進行對照，說明這些結果支持或修正了哪些既有認知。此章節的核心在於「理解結果，而非只是展示結果」。
• 結論與展望 (Conclusion & Future Work) ：目的在於總結本研究的主要發現與貢獻，回應緒論中所提出的研究問題。未來展望不是把後續工作丟給學弟妹，而是基於本研究的限制與發現，提出合理且具方向性的後續研究建議，協助未來研究者延伸與深化此主題。
• 參考資料 (Reference) ：系統性列出研究中引用的所有文獻，作為學術誠信與研究脈絡的依據。參考資料同時也是讀者延伸閱讀與檢驗研究基礎的重要入口。
• 附錄 (Appendix) ：收錄不適合放入正文、但對研究完整性仍有價值的補充材料，例如推導細節、額外實驗結果、問卷內容或程式碼說明等。附錄的目的在於保持正文的流暢性，同時確保研究資訊的完整保存。

[H3] 摘要 (Abstract) 、緒論 (Introduction) 、結論 (Conclusion) 的差別

很多人誤以為這三個是相同的東西，但其實不是，它們各自面對的是不同狀態的讀者，目的也完全不同。

• 摘要 (Abstract) 的目的是讓不讀全文的人，也能在最短時間內知道「你做了什麼、怎麼做、得到什麼結果」。
• 緒論 (Introduction) 則是寫給還沒被你說服的讀者，核心任務不是講結果，而是說清楚「為什麼這個問題值得被嚴肅地研究」，以及你的研究在既有工作中扮演什麼角色。
• 結論 (Conclusion) 則回到緒論提出的研究問題，收斂整篇論文，總結主要發現，說明研究的意義與限制，最後鋪陳未來可能延伸的方向，而不是單純重複摘要。

判斷方式：摘要是「結果」，緒論是「動機」，結論是「貢獻」。

這邊提供問題式檢查法，答案是對的話代表有寫好：

• 只看摘要 (Abstract) ，別人看得懂我在說甚麼嗎？
• 只看緒論 (Introduction) ，別人會覺得這個問題值得研究嗎？
• 只看結論 (Conclusion) ，別人看的出來這個研究對領域的貢獻嗎？

要不要放圖片索引 (List of Figures) 與表格索引 (List of Tables)

原則上還是依官方 (教授、系上、學院，或學校) 規定。如果論文內容包含大量圖片或表格，製作索引能顯著提升結構清晰度，讓讀者可以快速定位關鍵資訊，對口試委員或審稿人其實是加分的。

另一個實務判斷準則是：如果你的論文翻起來圖片密度感覺很高，或圖片本身承載重要論述，那放索引通常是合理的選擇。

當然，也可以騙一下頁數。但只要內容本身是紮實的，這種結構型頁數通常不會被認為是作弊。

論文不要照順序寫

講完了一本書的架構，那麼該從哪裡開始寫？可以先把架構搭出來，但實際寫作時完全不需要照最終章節順序。

可以先寫的段落(資訊最確定、技術性較高)

1. 研究方法／資料來源 (Methods / Materials / Corpus / Research Design)
   不論是實驗設計、資料蒐集流程、文本來源、訪談方法，這一節通常是作者最熟悉、也最不容易改動的部分。建議參考同實驗室或同系過去論文的寫法與細節層級，避免寫成操作手冊。有些實驗室的公用儀器或是常見的實驗步驟其實不用每個人都重寫一遍，把心力放在更有學術價值的結果與討論。
2. 結果、分析或研究發現 (Results / Analysis / Findings)
   這一節多半來自你已經做過的事情：實驗數據、統計結果、文本分析、案例整理，甚至就是每次進度報告的整理版本。相較於緒論，這裡比較少需要鋪陳學術脈絡，對多數人而言是心理負擔較低的起點。
3. 討論 (Discussion)
   在方法與結果寫出來之後，討論其實是順勢延伸：這些結果代表什麼？與既有研究的差異與限制是什麼？對人文與理工領域而言，討論都扮演「把具體內容轉換為學術意義」的角色，適合在中後期逐步補齊。

盡量不要一開始就寫的段落 (高度整合、需要全局視角)

1. 摘要 (Abstract)
   摘要是整篇論文的濃縮版，需要同時涵蓋研究背景、方法、主要發現與結論。在正文尚未完成前，很難寫出穩定且不需要重寫的摘要。就像叫一個上幼稚園的小朋友寫履歷，裡面能放的東西有限。但是可以先寫摘要的前半部大致描述論文方向是為了解決甚麼問題。其實摘要幾乎一定會改很多次，有時候留到最後寫反而省力。
2. 緒論 (Introduction / 文獻脈絡)
   緒論的任務從既有研究體系出發，指出問題意識，最後自然地引出你的研究。這一節不但引用密度最高，也最仰賴你對「自己論文到底貢獻了什麼」的清楚認知。可以先零星記錄想法與相關文獻，但不必強迫自己一次寫完整章節。

文獻管理工具

配合 Word 使用的文獻管理工具

如果的論文或報告高度依賴 Word、期刊格式複雜且學校已有授權，選 EndNote 最省事；如果重視操作直覺、雲端同步與協作，且不排斥訂閱制，Paperpile 會最順；若希望長期掌握文獻資料、不被單一商業平台綁定，並可能在 Word 與 LaTeX 之間切換，Zotero 是彈性與可持續性最佳的選擇；而 Mendeley 則適合已深度使用 Elsevier 生態系、以 PDF 管理為主的使用者。

• EndNote：以 Word 插件 (Cite While You Write) ＋ 本地端資料庫為核心架構，功能完整、期刊樣式支援最廣，對傳統學術流程非常友善；介面偏舊、初期學習成本略高，但一旦設定完成後相當穩定；需付費 (一次性授權)，不少學校有校園授權或可取得學生版。
• Paperpile：採 雲端平台＋Word 插件 (亦支援 Google Docs) 架構，資料存於雲端、跨裝置同步流暢，介面現代、操作直覺，上手速度快；適合重度使用 Google Scholar 與 PDF 管理者；訂閱制付費，價格相對親民，對個人用戶負擔不大。
• Zotero (搭配 Word 插件) ：以 本地端資料庫為主、可選雲端同步 (Zotero Cloud) ＋ Word 插件 的混合架構，功能完整且高度可控，學習曲線中等；適合希望長期掌握資料、不被單一商業平台綁定的使用者；軟體免費，僅雲端儲存空間需付費。
• Mendeley (搭配 Word 插件) ：採 雲端帳號＋桌面程式＋Word 插件 架構，PDF 管理與標註方便、介面友善，但近年功能與政策變動較多；適合已有 Elsevier 生態系需求者；基本免費，進階功能與額外儲存空間需付費。

一般來說，大多數文獻管理軟體的匯入方式可分為兩大類：由檔案匯入與由書目資料搜尋匯入。前者通常是直接拖曳或指定 PDF 檔，軟體會嘗試自動解析其中的標題、作者、期刊與年份；後者則是透過關鍵字、DOI、ISBN 或 PMID 等識別碼向線上資料庫查詢並建立完整書目。若自動匯入失敗或比對不到 (常見於會議論文、技術報告或較舊文獻)可先手動建立書目條目，再補齊必要欄位，或改從 Google Scholar／出版社官網匯出 BibTeX、RIS 檔再匯入。

BibTeX 是 LaTeX 自己的文獻管理格式

BibTeX 並不是一個獨立的文獻管理軟體，而是一種文獻資料的描述格式，專門用來讓 LaTeX 讀取與排版參考文獻。和 Word 搭配的 EndNote、Zotero 等工具不同，BibTeX 本身只是一串文字而已，負責定義一筆文獻的欄位結構與內容，例如作者、標題、期刊、年份、DOI 等。

在 LaTex 上管理文獻有三個步驟：

1. 取得該參考資料的 BibTeX ：
   通常是 Google Scholar 上 Cite > BibTex (如上圖)。如果參考資料比較特殊  (例如網頁、技術報告、白皮書)，也可以直接把連結與基本資訊交給 LLM，請它協助產生 BibTeX，再自行檢查欄位是否正確。
2. 將 BibTeX 貼到 LaTeX 專案中的 .bib 檔
   一個專案通常會有一個或多個 .bib 檔，順序本身不影響引用結果，但實務上建議依年份或主題整理，方便日後維護。

在文內使用 \cite{citation key} 進行引用
其中 citation key 是 BibTeX 條目中 @article{OOO, …} 的 OOO。例如下方範例中的 chen2021fluorescent。按下 Compile 重新編譯後，參考文獻就會正確顯示。若需要修改引用或參考文獻的顯示格式，應調整論文模板中負責 bibliography 的設定，而不是直接動 .bib 檔。

@article{chen2021fluorescent,
  title     = {Fluorescent chromophores containing the nitro group: relatively unexplored emissive properties},
  author    = {Chen, Meng-Chi and Chen, Deng-Gao and Chou, Pi-Tai},
  journal   = {ChemPlusChem},
  volume    = {86},
  number    = {1},
  pages     = {11--27},
  year      = {2021},
  publisher = {Wiley Online Library},
  doi       = {10.1002/cplu.202000592},
  url       = {https://doi.org/10.1002/cplu.202000592}
}

簡單來說，BibTeX 的核心精神是：把文獻資料與論文正文分離。正文只負責引用哪一篇，實際顯示格式則交給 LaTeX 與模板處理，這也是為什麼在文獻數量一多時，LaTeX + BibTeX 反而比手動管理來得穩定。

串接大型語言模型 (LLM) 協作流程

現代科技真的大幅降低了文獻搜尋與初步整理的成本。在我們教授的教授那種電腦剛起步的時代，要去圖書館找資料是要先去一個小櫃子裡面拿卡片目錄 (card catalog)，找出需要找的書。那個櫃子就像是一間圖書館的地下室，可能台大總圖地下室自習區的角落還找的到。找個個特定的書真的很花時間，但是老一輩的學者也因此建立了很強的研究脈絡感與關鍵期刊和學派熟悉度。

隨著學術資料全面電子化，文獻搜尋逐漸轉變為以關鍵字與資料庫為核心的流程，而近年 AI 搜尋與摘要工具 (如 Perplexity) 的出現，更進一步加速了文獻的初篩與概覽階段。然而，這些工具主要改變的是「取得與整理資訊」的效率，而非自動提升研究判斷、理論定位或學術論證的品質。在這樣的科技紅利之下，研究者是否能產出更高品質的成果，反而更加取決於其研究問題的清晰度、對文獻脈絡的理解，以及是否能將快速取得的資訊轉化為有意義的學術對話。

建立有資料來源約束的大型語言模型 (LLM) 協作流程

無 LLM 整合的論文寫作

在 LLM 普及之前，學術論文寫作流程主要有兩條路徑。第一條是從實驗出發：將實驗數據轉換成圖表加以視覺化，並把對實驗結果的解釋以文字形式寫入草稿中。當然，實驗的前後都需要既有理論的理解與支撐，因此第二條路徑就是文獻的匯入。常見的作法是以關鍵字在 Google Scholar 上搜尋相關研究，將文獻存入資料夾後閱讀，並透過文獻管理系統把參考資料插入文中對應的位置。

在這種流程中，最花時間的往往是「搜尋」這一步。一次搜尋可能跳出 1000 多篇結果，我未必有時間讀完 100 篇摘要，最後可能只存下 10 篇左右，再快速掃過摘要、緒論與結論，就得決定是否引用。其中通常只會挑 1 篇品質較高或相關性特別強的文獻，花多一點時間細讀，因為後面還有其他事情要做。整套流程下來，光是為了一個句子準備一到三篇文獻支持，可能就要花上半小時。最大的風險其實來自於搜尋本身：一旦搜尋關鍵字不夠精確，或是在時間壓力下草草進行，就很可能錯過真正關鍵的文獻。

初步 LLM 整合的論文寫作

在 2022 年 11 月 30 日 OpenAI 正式對外推出 ChatGPT 之後，知識工作者的生產力出現了明顯的變化。隨後在 2022 年 12 月，Perplexity 對外推出其核心搜尋引擎，文獻搜尋與整理的速度又進一步被放大。這類工具通常內建搜尋與推理層，再串接不同的商用 LLM，使得「找資料」與「初步理解資料」可以在同一個介面內完成。

與 LLM 初步整合的論文寫作流程，和傳統流程相比，最主要的差異大致有兩個。第一，可以直接向 AI 提問，例如協助搜尋參考資料、改寫或潤飾句子，如上圖 (b) 的橘色雙向箭頭。在支援上傳圖片或文件的版本中，還可以請 AI 協助檢視圖表是否合理、是否有需要補充說明的地方，或是將一篇文獻快速整理出重點。

我自己感覺加速最多的地方，是可以把整段文字直接貼到 Perplexity，請它找出支持某一句話的潛在參考文獻，再由人來判斷是否適合引用並進一步修改。相較於傳統「1000 → 100 → 10 → 1」的文獻篩選流程，這種作法確實讓文獻探討的前段工作快了不少。

這邊提醒要把 LLM 當作「搜尋策略的放大器」，而不是搜尋結果的終點。我會請 AI 幫我改寫或擴展搜尋關鍵字 (例如同義詞、鄰近概念、不同學門常用的術語)，再自己回到 Google Scholar 或期刊資料庫做二次確認，這可以顯著降低因關鍵字選錯而漏文獻的風險。

再來是可以利用 LLM 做「文獻角色分工」，也就是看哪篇參考資料適合放在哪裡，或是請它判斷某篇文章比較適合被當作背景文獻、方法對照、還是結果支持。把有限的精力留給真正需要細讀的方法與假設，而不是平均用力在每一篇 paper 上。

高效 LLM 整合的論文寫作 (以 VSCode + GitHub Copilot 為例)

這是我大概在 2025 年發現的方法。一開始是知道 VSCode 這個用來程式開發的介面，有一個好用的工具叫 GitHub Copilot，每個月只要 $10 美元，是一般商用 LLM 每月 $20 美元的一半，而且還可以在後端切換或串接多種 LLM 來嘗試不同效果。

這套架構的核心用途，是在編輯器右側進行即時對話式問答，來輔助修改程式碼；同時也支援將多份檔案拖曳給 LLM參考。於是我開始嘗試：這套工具能不能直接拿來編輯論文文件？結果意外發現效率非常高。整體流程如下：

1. 需要在 LaTeX 上編輯文件。LaTeX 透過明確的段落層級與結構標記（如圖片說明、數學式與程式碼環境），能有效降低 LLM 在解析長文與數學表達式時的歧義，使其在結構層面的理解上比一般純文字更穩定。Overleaf 是 LaTeX 常見的線上編輯平台。
2. 將 Overleaf 的計畫資料夾在本地同步一份，並以 VSCode 開啟。
3. 訂閱 GitHub Copilot，並搭配其對話式介面與 LLM 討論文本。常見的操作方式是貼上一個段落，詢問例如：「請指出這個段落三個主要問題，並建議修改方向。」若擔心 LLM 對全文脈絡掌握不足，則可以將論文中其他相關章節以附加檔案的方式拖曳到 Copilot 的對話框中，讓建議建立在全局架構之上，而非局部潤飾。
4. 來回修改至滿意後，手動同步回線上 Overleaf，並重新編譯以檢查生成的 PDF。

除了上述基本流程外，還有幾種不同的協作模式：

• 調整非寫作本身的 LaTeX 格式或文件結構時，可以直接讓 Copilot 嘗試修改，必要時截圖保存其建議。
• 若需要貼上大段甚至整份文本，建議選用 context window 較大的模型 (例如 Claude)。
• 可同時附加待編輯文本與一份參考文獻，簡要說明該文獻的核心內容，並詢問適合放入論文的哪個位置。
• 其他常用提問包括：「這一段在論證上是否有跳步？」、「是否存在未被定義的關鍵概念？」、「這句話是否需要文獻支持？」等，能在早期就暴露結構性問題，而不是等到整章完成後才發現。

高效 LLM 整合的論文寫作 (以 NotebookLM 為例)

另一種協作形式，是配合 Google 開發的 NotebookLM。NotebookLM 免費版的特色，是可以上傳最多 50 份資料來源，作為一個受限但可控的參考資料池。雖然一篇完整論文的參考文獻數量很容易超過這個上限，但對於研究初期的探索、主題收斂與文獻整理來說，已經相當足夠；也和本篇網誌的定位一樣，屬於「啟動階段」的輔助工具。整體流程相對單純，重點在於「先理解，再回寫」：

1. 在開始前，通常已經有一個大致的研究主題方向，並蒐集了一批初步參考文獻。此時可以將本地資料夾內的 PDF 文獻上傳到 NotebookLM，作為其可查詢的知識範圍。若手上已經有論文草稿，我會建議此階段先不要上傳完整草稿，否則 NotebookLM 的回應容易被既有敘述侷限，反而降低探索空間。
2. 接著即可對 NotebookLM 進行提問，例如請它整理某個概念在不同文獻中的定義差異、歸納主流觀點與分歧點，或協助檢查某個論述是否在已上傳的資料中有明確支持。提問所得的結果，再由作者本人手動整理、轉寫並更新到論文草稿中。

這種流程的一個顯著特色，是 NotebookLM 的回應幾乎完全被限制在已上傳的資料來源之內，hallucination 的機率相對極低。這在學術寫作上是一個重要優點，但同時也是一種限制：當資料集本身不完整或視角偏窄時，NotebookLM 並不會主動跳出該範圍提醒你可能還有其他文獻存在，而是忠實地在既有資料中給出看似合理的整理結果。

因此，NotebookLM 更像是一個受控的文獻整合與理解輔助器，適合用來建立對研究領域的整體認知框架、釐清概念脈絡，並協助作者在進入實際寫作前，先確定自己理解的是什麼。至於文字本身的生成與結構推進，仍然需要回到論文編輯環境中完成。

「VSCode + GitHub Copilot」與「NotebookLM 」的比較

如果從協作邏輯來看，這兩種方法最大的差異，在於「開放程度」的不同。「VSCode + GitHub Copilot」是一種相對開放的協作方式，LLM 可以跨資料來源參與文本修訂；而「NotebookLM」則是一種相對保守的設計，模型的推論範圍被嚴格限制在使用者上傳的資料之中。這樣的差異，也直接形塑了兩者各自適合的使用情境。

面向	VSCode + GitHub Copilot	NotebookLM
適合階段	寫作中後期	研究初期
主導者	作者	資料
輸出形式	可直接提交的論文文本	理解、整理、摘要
結構控制	強	中
文獻侷限	可跨資料來源	僅限上傳資料
幻覺風險	取決於模型與提示	極低

適合用「VSCode + GitHub Copilot」協作架構：

• 論文已進入中後期，需要反覆修改與打磨。
• 已經有完整草稿，或至少具備清楚的章節與段落架構。
• 關注重點在於論證是否嚴謹、定義是否完整，以及不同章節之間是否前後一致。
• 希望直接在最終產出格式 (LaTeX) 中進行修改，而不是生成還需要整理的文本。

適合用「NotebookLM 」協作架構：

• 手上已蒐集一批文獻，但尚未形成清楚的 mental map，不確定主流觀點與分歧點。
• 研究初期，需要釐清概念、建立背景理解，而非立即產出可提交的文字。
• 希望在一個受控、低 hallucination 風險的環境中，確認自己的理解是否真正來自資料本身。
• 將 LLM 視為「文獻整合與理解輔助器」，而非寫作編輯器。

LLM 協作結語：

論文作者是這篇論文最後的守門員。在這個階段的整合中，LLM 更像是高速助理，而不是共同作者：文獻是否可信、是否過時、是否真正支持該句論述，仍然需要由作者本人確認。換言之，速度提升的前提，是清楚知道哪些判斷不能外包。

學術倫理

在學術寫作上，與 AI 協作上我認為的界線是：

AI 可以幫助我們：

1. 搜尋：快速進行文獻搜索，擴大可見的資料範圍。
2. 閱讀：輔助快速閱讀全文，整理重點與脈絡。
3. 修飾：修飾不通順的語句，讓前後段落連結更順暢。
4. 建議：提供可能的改進方向，例如提醒需要補足的實驗數據或相關對照。
5. 校正：協助檢查邏輯斷裂、用詞不精確，或表述不清楚的地方。

AI 不能幫助我們：

1. 代做：沒有實際研究，只用 AI 把論文寫成一篇看似完整的文獻探討。
2. 取代：作者幾乎沒有 input，研究問題、論證與結論都由 AI 生成。
3. 顛倒：用 AI 把錯誤的假設、方法或結果包裝成看似合理的說法。
4. 虛構：生成不存在的實驗、數據、引用，或研究過程。
5. 規避：在關鍵判斷處把責任推給 AI，逃避作者應承擔的學術責任。

AI 並不是學術倫理的威脅，真正的風險來自於人選擇放棄思考與責任。當人類清楚守住判斷與承擔的邊界，AI 才能成為推進知識與研究效率的可靠夥伴。

其他提點

畫概念圖其實 PowerPoint 很夠用

有些人可能會想用很炫炮的平台來畫圖，例如 Canva，但其實大多時候 PowerPoint 就已經很夠用。PowerPoint 可以完成絕大多數 2D 視覺設計，甚至簡單的 3D 示意圖，對論文中常見的概念圖、流程圖與架構圖來說綽綽有餘。

要不要鎖論文的線上電子檔

果內容涉及專利申請、預計投稿國際期刊、產學合作 (有保密協定NDA)，或包含尚未公開的技術細節，這些情況下鎖論文是合理的，而且通常指導教授或合作單位也會事先告知。

反之，若是以促進學術交流為目的，且內容沒有專利與投稿時程上的顧慮，或學校政策允許，那不鎖反而是對知識社群更友善的選擇。

論文是一個階段的紀錄，不要製造學術垃圾

學術垃圾不是因為能力不夠，而是因為態度不對。沒有想清楚問題就寫、沒有理解文獻就拼貼、沒有實驗或證據就硬掰敘事，這些都不是「學生階段可以被原諒的小錯」，而是對整個知識共同體的消耗。論文可以寫得不完美，但不能寫得不用心。

結語

本文介紹完心法、工具、流程，與進階 AI 協作技巧，剩下問題就是用甚麼態度完成他。千萬不要把碩論當作一個交差任務，那是會留一輩子的東西。它是一段時間內如何理解世界、如何選擇問題、如何處理證據、如何對自己的結論負責的完整紀錄。

真的開始下一步之前，我想請你做一件很小、但很重要的事。現在先不要急著寫，不要開 Word，也不要開 Overleaf。請你花三分鐘，回到這篇文章的目錄。拿出一張紙，手寫就好，寫下接下來一週到一個月的論文 roadmap，例如今天晚上睡前要完成什麼？好好整理資料夾還是開個第一份 Word 檔？還是要下載 VSCode？要補哪一塊？哪組資料還不夠？哪一段其實自己也不相信？

這場馬拉松，是一段需要誠實面對自己的路。