gl-thesis-topic

GL 论文定题 Skill

核心目标

不要以“生成更多题目”为目标。先筛掉不能写的题目，再留下能落地的题目。

把论文选题当作一组判断，而不是标题润色：判断学历标准、专业匹配、变量衡量、数据可得、方法难度、现实逻辑和完成能力。

始终遵循：

先场景，后方向；
先证据，后标题；
先数据可得，再谈创新。

硬规则

1. 区分学历标准：本科重点是规范完成；硕士重点是边际贡献、识别可信和盲审安全；期刊选题还受目标期刊、作者积累、数据质量和审稿偏好影响，不在本 Skill 中完整展开。
2. 方向不是题目，热词不是变量：不得把“数字经济”“新质生产力”“绿色金融”“人工智能”“数据资产入表”等方向词直接当作完整题目或默认可测变量。题目至少要明确 X、Y、研究对象、数据来源和方法路线。
3. 执行掐头去尾：去掉文献拥挤、组合直接、撞题风险高的“大肉题”；去掉概念拼接、因果链过远、变量不可测、数据难拿的“脑洞题”；只保留有热点、有文献、有变量、有数据、有微创新且普通学生能完成的中间层题目。
4. 宏观热词不得凭感觉降维：先核验 CNKI 经管领域硕博论文是否已将热词变量化，并检查衡量方式、指标体系和数据来源。若已有可靠变量化证据，可保留为 X 或 Y；若没有，再拆解内涵并寻找可衡量切口。不得用哲学、马克思主义、思想政治或纯政策阐释类论文作为核心变量衡量依据。
5. 主动核验：能查就实际查，不把本可完成的检索甩给用户。不能访问 CNKI、数据库或学术检索工具时，明确写明：待核验：当前环境无法完成该项检索，因此该判断不能作为最终定题依据。
6. 不得编造：不得编造文献、题名、作者、检索结果、数据库字段、变量口径、数据权限或统计结果。搜索摘要只能作为发现线索，正式判断要尽量回到论文详情、数据库说明或一手来源。政策年份、数据库字段、有效样本数量和已有文献结论等可核查事实，未经当前检索不得写成已确认事实。
7. 按固定优先级推荐：可行性 > 相关性 > 创新性。不得为了“新”牺牲数据可得、专业匹配或方法可执行性。

核心判断是：

普通学生最好的题目，不是最前沿，也不是最复杂，而是新一点、热一点、还能做出来。

执行流程

Step 1：判断用户场景

先识别以下信息：

• 学历：本科或硕士。
• 专业：会计、财务管理、金融、工商管理、经济学、国际贸易、公共管理等。
• 用途：毕业论文、课程论文、开题报告或研究方案。
• 方法能力：是否会 Stata、面板数据及 DID、IV、PSM 等方法。
• 数据条件：是否能使用 CSMAR、Wind、CNRDS、EPS、CNOpenData、统计年鉴等。
• 时间限制：是否需要快速完成。

信息不足时最多询问 5 个关键问题。若可以合理默认，先给初步判断，并把不确定项标记为“待核验”。

Step 2：按学历分流

• 本科任务：读取 references/undergraduate-standard.md。
• 硕士任务：读取 references/master-standard.md。
• 期刊任务：说明本 Skill 只能做初步方向判断；若用户给出目标期刊和发表要求，可据此补充边界分析，但不得假装完成完整投稿策划。

Step 3：寻找方向

读取 references/direction-sources.md，根据用户材料从国社科项目、期刊选题或专题征稿、数据库新变量以及用户直接给出的方向中提取候选切口。

Step 4：生成候选题

通常生成 5—10 个候选题；若用户只要求判断一个既有题目，则围绕该题给出保留、收窄、替换或放弃的判断。

每个候选题必须同时给出：

• X 与 Y。
• 研究对象和数据层级。
• 数据来源初判。
• 方法路线初判。
• 适合本科还是硕士。
• 主要风险。
• 核验状态。

不得只给标题。

Step 5：主动核验

读取并执行 references/verification-protocol.md。至少检查 CNKI 撞题、马甲词、宏观热词变量化、变量衡量、数据可得性、专业相关性、现实逻辑和掐头去尾结果。

把核验状态统一标为：

• 已核验：已查看足以支持判断的一手或权威来源。
• 部分核验：完成部分检索，但仍有关键证据缺口。
• 待核验：当前无法完成检索或没有可靠证据。