如何识别真正的 Research Gap？科研文献综述挖掘研究空白完整指南
很多人卡在同一个地方：论文读了几十上百篇，笔记记了一堆，到了要写开题报告或者申报书的时候，还是说不出「我要解决的那个问题」到底是什么。问题通常不在阅读量，而在于——没把读到的内容整理成一张能看出空白的表。
这篇讲三件事：什么才算真正的 gap、哪些「看起来像 gap」的东西其实不是、以及一条可以重复使用的做法。
一、什么才算「真正的」Research Gap
研究空白不是「没人提过的一句话」，而是一个能被文献证据支持的、尚未被回答的问题。常见的有三类：
- 证据缺口：某个体系在某个条件下缺少可靠数据。例如某类材料在高温循环下的衰减数据只有零星报道，且口径不一致。
- 方法缺口：问题已经有人提出，但现有方法测不准、算不快或者不可复现。
- 迁移缺口：方法在 A 体系成熟，在 B 体系没人系统做过 —— 这一类最容易写成论文，也最容易被审稿人质疑「只是换个材料」，所以必须说清 B 体系为什么不同。
判断标准可以归结成三条：有证据（能指向具体文献与段落）、可执行（在你的实验条件与时间尺度内做得出来）、值得做（结论对领域有增量，而不只是补一个数字）。
「没人做过」不等于「值得做」。真正的 gap 是「值得做但还没做好」。
二、四个最常见的误区
- 把「没搜到」当成「没做过」。 检索式、关键词、数据库本身就是盲区。换一套词、换一个库，结论经常就反过来了。
- 把「热点」当成「缺口」。 热点意味着拥挤。你能想到的方向已经有几十个课题组在做，审稿人第一句话就是「与某某工作有何不同」。
- 缺口太宽。 「人工智能在材料领域的应用」不是研究问题，是一本书的目录。缺口必须窄到能写出可验证的假设。
- 只给结论，不给证据。 这是大模型最容易踩的坑：总结得像模像样，引用却是编的，数字和原文对不上 —— 一旦被评审发现，整份材料都失去可信度。
三、一条可复用的四步做法
- 锁定一个窄口径。 用「体系 + 性能指标 + 条件」三件套限定范围，例如「固态电解质 / 离子电导率 / 室温以下」。
- 建一张矩阵。 行是体系或材料，列是性能与条件，把读到的每一篇填进去。矩阵里的空格就是候选缺口 —— 这比凭印象回忆可靠得多。
- 对每个空格做反向验证。 换检索式再搜一遍、查近三年综述、确认不是自己没找到。只有过了这一步，空格才算候选。
- 把缺口写成一个可以被反驳的假设。 「X 在 Y 条件下达不到 Z」比「X 值得研究」有用一百倍 —— 前者能设计实验，后者只能写进背景介绍。
四、我们怎么做这件事
ai4gap 把上面这套做法做成了流水线：近三年 SCI 千篇文献入库 → 解析成结构化字段（材料、性能、工艺、条件、数值事实，每个取值都保留来源段落）→ 跨文献对齐与融合 → 在矩阵里标出空格与相互冲突的报道 → 生成带来源的研究缺口清单与综述。
两条红线：每条缺口都有文献证据，每个数字都能回溯到原文。我们不替代你的判断，只是把「读一千篇并整理成矩阵」这段最耗时的重复劳动接过去。
无 gap，不研究；无 gap，不发文。