导师说"选题太大"时，用这个工具拆开它

"我想做电池。"

这是我当年开题时跟导师说的第一句话。导师看了我一眼："具体做什么？"我答不上来。读了一堆文献，越看越觉得别人都做完了。后来才明白，差距藏在细节里：方法、材料、条件、评价指标，任何一个维度都可能成为切口。Research Gap Mining 就是帮你把这个过程结构化。

为什么不让 AI 直接写开题报告

空洞的报告导师一眼就能识破。真正有用的开题报告，必须有清晰的问题来源、明确的边界、可验证的目标。工具的作用是帮你把模糊兴趣压缩成具体选题，而不是替你编内容。

怎么用

先用一句话描述方向，比如"固态电解质中锂枝晶抑制的界面工程"。再限定时间窗口、数据库来源、关注的材料体系。范围越清晰，挖掘结果越聚焦。

工具会输出几类信息：已解决的问题清单、反复出现的研究局限、被忽视的材料组合或测试条件。这里有个技巧——作者结论部分的"However"往往比摘要更有价值，因为那是他们自己承认的局限。

拿到 gap 后，别直接复制。把它改写成一个可回答、可验证的研究问题。例如："现有研究多关注单一涂层材料对离子电导率的影响，但缺少对涂层厚度与机械稳定性耦合效应的系统评估。"

一个我踩过的坑

有次工具给我挖出一个看似很新的 gap，我特别兴奋。结果导师一问："这个空白是真的没人做，还是做不出来？"我当场愣住。后来我养成了习惯：每个 gap 必须再用几篇文献交叉验证，确认它是真实存在的切口，而不是伪需求。

导师最关心的不是你想得多宏大，而是你有没有找到真实存在的切口。

把验证过的研究问题填进开题报告模板：研究背景、国内外现状、研究空白、研究内容、预期目标。答辩时，导师最关心的问题你就能答得上来。

下一步：选题确定后，用 Literature Miner 做系统性文献调研，再用 OpenDraft 润色文本。