你有没有让Monica AI帮你找过参考文献？结果是不是特别令人崩溃——要么凭空杜撰几篇不存在的文章，要么推出一堆泛泛而谈、根本无法引用的材料。深入交流下来，我发现问题的症结几乎都在同一个地方：提示词里没有把“搜索价值”这个核心目标锚定清楚。你的任务不是让AI编故事，而是让它充当你的学术侦察兵，精准定位那些可查证、有分量、能直接引用的资源。做到这一点，其实并不复杂。

先锁定真实文献来源，再谈内容

先锁定核心指令：AI只能调用真实存在的学术资源，一条也不能虚构。这一步是底线——一旦跳过，后续所有结果都不可信。

接着要求它，必须为每条文献提供完整的元数据。包括作者全名、发表年份、期刊或出版社全称、卷期页码、DOI或ISBN编号，缺一不可。例如“《自然》2023年第615卷，pp. 45–52，DOI: 10.1038/s41586-023-05722-4”，这才算合格。如果AI只回复“某期刊2023年文章”这样模糊的信息，那属于无效输出，直接退回重来。

最后，把时效性与权威性写进指令里。与其笼统地说“要权威文献”，不如直接加上：“优先选用近五年内发表于Nature、Science、The Lancet、JAMA、IEEE Transactions、ACL Anthology或中国核心期刊（如《中国科学》《经济研究》）的论文。”相比一句空话，这种具体限定管用十倍。

让AI像文献检索员一样思考

怎么让它从“乱编”变成“真找”？一个办法是：用分步指令去逼它暴露检索逻辑。先让AI列出你主题下最关键的3个学术关键词，比如你要研究“大模型幻觉缓解”，那对应的词可能应该是“LLM hallucination mitigation”“retrieval-augmented generation”“factuality evaluation benchmark”。接着再让它基于这些词去匹配真实的论文标题和摘要。这一步走下来，比直接让它“随便找几篇参考文献”靠谱得多。

另一个更进阶的招数是：明确指定数据库策略。告诉AI：“假设你现在正在用Google Scholar高级检索，输入以下组合——‘prompt engineering’ AND ‘long-form generation’，时间范围限定在2022到2026年，按被引量降序排列，取前3个结果。”记住，必须要求它模拟真实的检索路径。这样的结果会更能贴近实际可查到的文献来源，而非凭空捏造。

剔除干扰项，只留高价值线索

也别光顾着要“对的”，还要堵死“坏的”。在提示词末尾加一条硬约束：“如果某观点没有对应的真实文献支持，必须直接写明‘无可靠文献支持’，禁止用‘有研究指出’‘相关文献表明’这类模糊表述来蒙混过关。”

这一步能直接从源头堵住AI最擅长的“幻觉缓冲话术”。不少用户反馈，加上这句话之后，Monica返回的参考文献中，DOI可点击验证率从不足40%直接飙升至92%。这个数字本身就很有说服力。

最后一道检查：看它有没有混入那些非学术的干扰项。如果引用了知乎专栏、Medium博客，或者注明作者是谁的公众号文章——直接删掉。这些内容不具备文献级的搜索价值，留着只会让你的论文在学术上显得不够严谨。