研究問題定義
產出研究問題說明與研究範圍界線，並作為下一階段拆解檢索概念的依據。
文獻檢索與收斂
透過固定種子與受控隨機路徑發掘候選文獻，完整保存 Search Log、納入與排除理由，以及修訂後的「研究問題 v1」。
文獻來源查核
分層檢核書目身分、文章內文與主張支持範圍；若存有疑慮，應確實標註為未知。
文本整理與文獻架構
妥善保存原始文獻，建立清理後的文本版本、Literature Matrix、文獻樹與 Research Asset Manifest。
質性 Coding 與理論備忘錄
先標記人工錨點，再由 AI 提出候選編碼；詳實記錄接受或拒絕理由、負面個案與替代解釋。
學術寫作與論述建構
運用 Claim–Evidence Map 發展段落，由作者親自修訂與查核，並留存 AI Use Log 與揭露聲明草稿。
知識庫維護與驗證
完整測試新增、修改、刪除、重建索引、精準引用、未知拒答與衝突處理；技術失效時可順暢降級為 Markdown／Wiki 流程。
研究能力與工具應用之對應架構
| 核心研究能力 | 可選工具路徑 | 共同要求產出 |
|---|---|---|
| 精準定義問題 | 提示詞範本、Markdown、對話式 Agent | 研究對象、情境脈絡、核心現象、實證證據與未知缺口 |
| 檢索文獻並嚴謹查核 | 公開資料庫、學校圖書館資料庫、檢索 Skill | Search Log、來源 ID、納入與排除理由 |
| 結構整理與比較分析 | 結構化表格、Wiki、Obsidian、PDF 處理工具 | 原始檔案、版本編號、頁碼標註、授權狀態 |
| 資料分析與學術寫作 | 人工操作流程、Coding Agent、Python 進階路徑 | 研究者決策紀錄、主張—證據對應表、AI 使用紀錄 |
| 維護知識資產 | Markdown／Wiki 或本地端 RAG 系統 | 更新機制、精準引用、未知拒答、操作歷程紀錄 |
核心評量準則：工具越複雜，並不代表研究越可靠。請優先呈現證據鏈、研究者的專業判斷，以及遭遇瓶頸時的替代路徑。