给 AI 喂背景：一段好的课题描述长什么样
假设您做完一批实验，本以为能看出差异，一跑统计，p 值卡在 0.06，怎么都过不了线。您顺手把这事丢进对话框：「我的数据不显著，怎么办？」几秒钟后，AI 回给您一段挑不出错的话——检查样本量、换个检验、看看有没有离群值、必要时增加重复……条条正确，条条像从统计教材第一章抄来的，可对您手上这批具体的数据，几乎没有一句真正用得上。
问题多半不在模型，而在它手上的信息只够它按「平均读者」来答。科研问题的答案高度依赖上下文，这一环缺了，再强的模型也只能给您一段通识。这篇想说的就是：怎么把背景喂对，一段好的课题描述到底该长什么样。
AI 不知道的，它就替您猜
大模型在信息缺口处的默认动作，是填上「最常见的那种情况」。您不说样本量，它就当是个不大不小的规模；您不说实验设计，它就假设一个最标准的对照；您不说已经排除了什么，它就把教科书上的可能性挨个摆给您。而它猜错时不会脸红，语气一样笃定。
麻烦在于，「最常见的那种情况」几乎从来不是您的情况。于是您拿到的回答技术上都对，却没有一句是冲着您这道题来的——它在跟一个匿名的、平均的提问者对话，不是跟您。
所以背景不是客套，也不是啰嗦。它是把 AI 从「通用助手」切成「您的课题助手」的那个开关。开关不拨，后面问得再多，也是在原地打转。
一段好的课题描述，交代这四件事
不必写得像申请书那么正式，但下面四件，值得在提问时顺手带上。
您在研究什么，想回答什么
同样一句「不显著」，放在探索性的预实验里，和放在确证性的主实验里，含义天差地别——前者也许只是提示您换个方向，后者却可能动摇整个结论。AI 得先知道这是哪一种，才谈得上给建议。
数据从哪来，长什么样
样本量、分几组、每组多少、怎么测的、配对还是独立、做没做过变换。这些是 AI 判断方法合不合适的原材料。n=8 和 n=800，同一个问题给出的建议截然不同；结构说清了，它才不至于对着一个想象中的数据集空谈。
您已经排除了什么
把查过的、排掉的可能性写出来。否则 AI 很可能郑重其事地推荐一个您半小时前就否掉的选项，您还得再解释一遍为什么不行。写清边界，等于替它省掉一整轮无用功。
此刻到底卡在哪
「不显著怎么办」是情绪，不是问题。您是想让它判断检验选得对不对，还是拿捏结论该怎么措辞，还是想知道该不该补样本——目标不同，有用的回答完全不同。把真正卡住您的那一点点出来，它才知道往哪儿使劲。
同一个问题，两种问法
同样是求助统计，换种问法，能拿到的东西不是一个量级。
差的问法：「我的数据不显著，怎么办？」
好的问法：「我在比较三组处理下某个连续指标的差异，每组 n=8，独立样本，指标做过对数变换后接近正态。单因素方差分析主效应 p=0.06；明显的离群值和录入错误我已排除，分组也核对过没搞混。我想弄清楚三件事：这样的样本量下 p=0.06 该怎么解读，我现在的分析路径有没有明显问题，以及如果要往下走，是补样本、看效应量，还是『显不显著』这个问法本身就不该是重点。」
后一种问法里，研究目的、数据结构、已排除的干扰、真正的困惑，四件事都在。AI 这才接得住您的题：它会提醒您 n=8 下检验本就偏弱，p=0.06 能说明的比您以为的少；会反问您跑的这个比较是不是对应您真正关心的问题；甚至会质疑「非显著不可」这个前提在您的设计里到底成不成立。它开始跟您的课题对话，而不是跟「一个急着让数据变显著的匿名用户」。
这里得说句实话：喂足背景，不保证答案就对。AI 照样会犯错，会自信地说错话。但没有背景，它连犯错都对不上您的题；有了背景，它至少答在点上，您也才能有的放矢地去核。把背景喂对，不是为了盲信它的结论，而是为了让它的结论值得您花时间验证。
把反复要用的背景沉淀下来
真这么做下去，很快会撞上一个新麻烦：每开一个新对话，就得把课题从头描述一遍。烦是一回事，更要命的是每次描述都不太一样——这回多说了分组，下回漏了量纲，AI 拿到的语境时紧时松，回答质量也跟着飘。
省事的做法，是把稳定不变的那部分单独整理出来：研究体系、数据结构、常用口径、已知约束。它们不天天变，值得写成一段能反复复用的背景，要用时贴进去，或者干脆挂在一个 AI 每次都读得到的地方——把课题背景沉淀成它长期记得的语境，让每一轮问答都自动带上您这行的前提，不必您一遍遍手动交底。
沉淀还有个附带的好处：逼您把自己的课题讲清楚。很多时候您觉得 AI 答得不对，回头一看，是您自己都没把问题想明白。写背景的过程，往往就是把问题想清楚的过程。
把它请进门
您给 AI 多少背景，它就有多大可能真正帮到您手上这件事。回答之所以四平八稳，多半不是模型平庸，而是它还没被请进您的课题——它站在门外，只能按「一般人会怎么问」来搭话。
下次开对话，别急着敲问题，先花一分钟交代清楚：我在研究什么、数据长什么样、已经排掉了什么、此刻到底卡在哪。这一分钟，通常比之后来回追问十次都省。因为这一次，它答的终于是您那道题，而不是别人那道。