国社科立项名单出来了，用 AI 五步整理出你的选题线索（附提示词）

10 月 8 日，2026 年国家社科基金年度项目立项名单开始公示。重点、一般、青年、西部四类加起来 6,065 项。

这几天你可能会刷到不少“今年热点方向”的文章。数字化、人工智能、县域、人口变化……如果你一篇篇看完，热点记住了好几个，回到自己的申报书还是那个问题：这六千多条里，哪几条跟我有关？我的题有没有人做过？我还能往哪里挪一步？

那问题多半出在读法上。把立项名单当“风向报告”读，只能看到谁中了、什么词多。它更像一张可以查询的表。表本身不会告诉你该做什么，得带着你自己的研究设计去查，才查得出跟你有关的东西。

我这次用一个示例设计，把整套读法完整跑了一遍。先给你看全貌，一共五步：

1. 转表：四份 PDF 变成一张表，先看学科清单里有没有你的学科
2. 分三列：带着你的设计，把相关立项分成同题、邻题、空位
3. 查人：同题里挑两三位中标者，查他们公开的成果，和你的设计逐项对照
4. 打分：用三项指标给短名单打“宏观对应度”，当追问的线索
5. 收卡：把这套做法收成一张方法卡，明年名单出来照着再跑

记住四样东西就够了：一张表、三列、一把尺、一张卡。下面一步一步说，每一步都给你能直接复制的提示词。

先交代示例：一个虚构的研究设计

下面所有演示，用的都是一个虚构的示例设计，和任何真实在研课题无关，只是为了让你看清每一步的输入和输出：

• 方向：县域中小学教师数字素养培训的效果评估
• 对象：县域义务教育阶段的教师
• 变量设想：培训参与强度（国培、省培、县培的学时和次数）、课堂数字工具使用频率、学生数字化作业的完成质量
• 数据：公开统计、已发表的教师数字素养量表、可申请的脱敏数据（都是假设）
• 方法：以培训批次先后做处理组的准实验或双重差分，加问卷

你自己用的时候，把这五行换成你的就行。这五行写得越具体，后面每一步的输出越有用。

第一步：转表，先看你的学科在不在名单里

官方附件是四份 PDF。这次演示我是让 AI 写了一段抽取脚本，合并成一张表，六列：类别、序号、学科、课题名称、申请人、单位。你不想碰脚本，也可以把 PDF 直接传进对话框，用下面这段提示词。转完核了一遍行数，重点 444、一般 2,705、青年 2,350、西部 566，合计 6,065，和官方公告的总数对得上。

提示词：

我上传了四份国家社科基金立项名单 PDF（重点、一般、青年、西部）。请转成一张表，列为：类别、序号、学科、课题名称、申请人、单位。
要求：
1. 每份 PDF 一个类别，序号沿用 PDF 原序号；
2. 课题名称跨行的合并成一行，不改字、不补字；
3. 转完报告每个类别的行数，并与 PDF 末尾序号核对，不一致的列出缺失或重复的序号；
4. 无法识别的字标【?】，不要猜；
5. 输出前先列出本名单出现的「学科」清单（去重）。

第 3 条和第 5 条是专门加的。第 3 条让它自己对行数，因为 PDF 里的题目经常跨行折断，转表最容易丢行、串行。第 5 条要学科清单，这一步差点让我们整个演示白跑。

示例设计是教育方向的。学科清单一出来，25 个学科里没有“教育学”。教育相关的题目零零散散分在语言学（外语教师）、社会学、体育学、管理学、科学技术与社会这些学科下面。

原因是教育学的规划课题不走国社科这条线，由全国教育科学规划单独立项。所以，如果你做的是教育学的题，同题竞争主要在全国教育科学规划的立项名单里，请改查那份名单。只拿国社科名单来找空位，会把很多实际上有人做的方向误判成空位。艺术学相关的题，也要另看国家艺术基金这类专项。

转完以后，抽 10 条回 PDF 原文对一下，特别是你后面要引用的那几条。表是机器抽出来的，引用之前要回原文核一遍。

第二步：带着你的设计，分出同题、邻题、空位

五步里最要紧的是这一步。如果不给设计，只说“帮我看看教育数字化方向有哪些题”，AI 能给你的基本就是一份热点汇总，和刷屏的文章差不多。给了设计，它才知道该拿什么去比。

提示词：

下面是我的研究设计：
- 研究对象：【】
- 核心变量或干预：【】
- 结果变量：【】
- 可得数据：【】
- 方法：【】
我的学科：【】
附件是立项名单表（含类别和序号）和学科清单。请：
0. 先做学科口径检查：我的学科是否在学科清单中？不在就停下，提示我换名单或补名单（教育学→全国教育科学规划立项名单）。如果仍要用本名单做邻域参照，在输出顶部写明“本名单不含××，空位可能虚高”。
1. 关键词分「对象词」和「主题词」两组，两组都命中才进候选；只命中“县域、乡村、城乡融合”这类宽泛词的，算噪声，不进候选。
2. 分三列：同题（对象和主题都接近）、邻题（只接近其一，或同主题不同群体、学段）、空位（我的设计有、名单里 0 条覆盖的要素组合，每条附最接近的已立项题）。
3. 每条写类别+序号、课题名称原文、一句归类理由；只能引用表中真实存在的行。
4. 不评价题目好坏，不预测立项。

“两组都命中”这条是跑完才补上的。第一次只用单个词去搜，“县域”一个词就带出一大堆县域经济、县域养老的题，和教师培训毫无关系。

示例设计跑出来，同题 8 条，邻题 10 条，空位 8 条。同题里有这样几条：

• 青年 1768：教育欠发达县域高中外语教师数字化转型的困境及提升路径研究
• 一般 1936：基于协同云教研提升乡村中学外语教师人工智能素养的教研内容体系研究
• 一般 1938：教育数字化背景下职前英语教师数字素养培养路径研究
• 青年 942：数字教育重塑县域高中教育过程的机制研究

空位里最有用的是这三条：

• 8 条同题全是“困境、路径、体系、机制”，没有一条做培训效果的因果识别
• 同题集中在外语教师，语文、数学等其他学科的县域教师基本空着
• 现有题的结果变量停在教师能力这一端，没有落到学生的作业和产出上

拿到空位以后先别高兴太早。空位只说明今年这份名单里没有，不说明没人研究过，往年立项、期刊论文里可能早就有人做了。所以每条空位都要逐条回表核，再带到第三步去查文献。

还有一点要舍得。8 条空位不可能都写进一份申报书。挑一条和你的数据、方法最贴的做主线，其余的先记下来，说不定明年就是另一个题。

第三步：查中标者的公开成果，逐项对照

标题只有一句话，真正能比的是题目背后那一串研究：这个人之前问过什么问题、用过什么数据和方法、留下了什么缺口。所以从同题里挑两三位，去查他们公开的成果。

提示词：

以下是我从立项名单中挑出的【N】条同题，以及我检索到的公开材料。
检索按这个顺序：
L1 本人论文：申请人+单位+题目核心词；
L2 本人主页：学院教师名录、研究方向；
L3 本人查不到时必须降级：同单位团队近作、该申请人的前序立项，或同题他人的代表性论文（标明“非本人”）。
请对每条整理三栏：他的问题、他的证据（数据与方法）、可见的缺口，并注明查到第几级。
然后和我的设计逐项对照：问题差在哪、我的数据和方法能不能补他的缺口、哪里只是重复。
只依据材料，材料里没有的写“材料未覆盖”，不要编文献。

示例里查了 3 位同题中标者，这里用申请人 A、B、C 代替：

• 申请人 B、C 的主页和代表作都能查到，研究脉络很清楚。一位一直做外语教师学习，近两年转向用 AI 辅助教学；另一位做学校效应和数字技术对教师工作的影响。对照下来，他们做的是机制和体系，示例设计做的是效果评估，位置不冲突。
• 申请人 A 是青年项目，本人公开成果一篇没查到，只能降级查同单位的相关研究，信息就浅了很多。

示例里查不到的恰好是青年项目。这类申请人公开成果本来就可能少，所以提示词里要写降级策略，不然它查不到就停在一句“未找到”。

AI 写的“缺口”，要回到论文原文核一遍，看缺口是不是论文本身就有，还是 AI 自己推出来的。这一步只看公开成果，比的是研究，不点评人。

第四步：给短名单打“宏观对应度”，当线索用

很多人最想问的其实是：什么样的题容易中？这个问题没人能给你答案，AI 也不行。能做的是把“容易中”拆成几个可以核对的问题，一条条问。

我拆成三项，每项 0、1、2 分：

• P 政策对应：是否对应近一两年的政策文件或讲话方向。给分必须附文件全名和文号（没有文号的写发布机关和日期）
• S 结构变化：研究对象是不是正在经历能用数据观察到的变化
• N 新切口：问题本身是新的，还是旧题换了个新词

合计 = P + S + N × 2，满分 8。

提示词：

附件是短名单立项行，以及我整理的近两年政策文件（尽量带文号）。
1. 对每条打 P、S、N 各 0/1/2，合计 = P + S + (N × 2)，满分 8：
   - P 政策对应：给分必须附一句理由 + 文件全名 + 文号（或“公开稿未见文号”+发布机关+日期）；
   - S 结构变化：研究对象是否正在经历可测的变化，一句理由；
   - N 新切口还是旧题换皮（双倍权重）：问题本身新=2，对象或情境新=1，路径套新词=0，一句理由。
2. 输出排名、分数分布和一段解读：顶部有什么共性、我的设计能对上哪几项。
3. 写明：这是线索，不是因果，不预测立项。

N 为什么要双倍？第一版我用的是三项直接相加，满分 6。示例的 18 条短名单里，5 分就挤了 9 条，一半的题分数一样，排不出先后。短名单本来就是按“数字化、AI、县域”筛出来的，P 和 S 天然都高，真正能拉开差距的只有 N。

把 N 改成双倍再跑，分数分布散开了：8 分 1 条，7 分 4 条，6 分 5 条，往下 5 分 3 条、4 分 2 条，3、2、1 分各 1 条，一共出现了 8 种分值。7 分那几条都是问题本身新的题，比如智能体进课堂以后教师主导权的边界、基础教育数智化中的算法偏见；政策很对口、但问法还是“困境与路径”的题，落到了 6 分。

这张表对示例设计的启发是：想三项都拿高分，就不能再写一条“提升路径”，要把问题落到“培训到底有没有效果、效果有多大”的因果评估上。

这个分数只能用来排序和追问，不能当中标预测。AI 引用的政策原句和文号，要回到文件原文里逐条核对，找不到的那一分就扣掉。

第五步：收成一张方法卡，明年照着跑

最后一步，让 AI 把前面四步收成一页纸。

提示词：

把我们刚才的做法整理成一张方法卡，下次名单公布时照用。格式：
- 每一步：输入是什么、用哪段提示词、输出长什么样、我要人工核对什么；
- 每年需要更新的部分（名单文件、政策文件、我的研究设计）单独列出；
- 末尾三条边界：不预测立项；宏观对应只是线索；数字以官方公示为准。

示例跑出来的方法卡，主体是一张 0 到 5 的检查单：写清设计、转表看学科、三列筛选、查两三位中标者、P/S/N 打分、把空位改写成一句话题目，再自检这句话能不能同时拿到 P、S、N 的高分。

明年名单出来的那天，下载 PDF，更新你的研究设计，从第一步跑到第四步，再拿去年的方法卡对一对，看今年多了什么、少了什么。

如果你带课题组，这张卡可以直接转给学生：先把这五步跑完，带着三列表和打分表再来和你谈选题。你要看的东西就少了很多，学生拿来的也是有依据的东西。

转表、筛选、整理这些力气活交给 AI，空位是不是真空、设计站不站得住、最后选哪个题，这几件事得你自己定。空位找到以后，怎么把它写成一个立得住的申报题目，是另一件事，后面单独写。