如果你现在手头有一篇AI方向的论文要交，但卡在"不知道写什么""文献看了一堆理不出线""写出来的东西像技术博客不像论文"，这门实战营针对的就是这三个卡点。它不教你怎么用AI工具写论文，而是教你用21天把一篇AI领域的阶段稿真正推到能交给导师的程度。

先确认你缺的是哪一块

AI方向写论文，和纯软件工程或纯算法岗写技术文档是两回事。技术文档讲"我做了什么、怎么做的"，论文要讲"为什么这个问题值得做、别人做到哪一步了、我的做法在什么意义上比他们更进一步"。很多转岗或跨专业的学习者，动手能力不差，代码能跑、实验能复现，但一落到论文结构上就露怯：引言写成项目背景介绍，相关工作堆成一串文献罗列，方法部分只讲实现不讲动机。

这门课适合的人群大致是三类：一是第一次写AI方向学位论文或会议投稿的研究生；二是从工程岗转研究岗、需要产出第一篇正式论文的人；三是论文写过一两次但每次都被导师打回"逻辑不通、贡献不清"的人。如果你连实验都还没做，只想找选题，课程能帮你定方向，但不会替你跑实验。

选题和提纲：把"想做的"收敛成"能写的"

选题这一段，课程不给你一堆题目清单，而是按AI领域的常见切口来拆：是改进某个已有方法的模块，还是把方法迁移到新场景，还是做对比与评测类工作。不同切口对应的工作量、创新点表述方式、可投的venue都不一样。这一段要能回答的问题是：我的选题属于哪一类，它的贡献应该用什么句式说清楚，评审最容易在这里挑什么毛病。

提纲部分重点在文献综述和结构骨架。AI论文的文献综述最怕两种写法：一是按时间流水账，二是按论文逐篇摘要。课程会带你把文献按"问题—方法族—局限"重新组织，让综述本身就成为你研究动机的支撑。看完这一段，你应该能回答：我的相关工作该怎么分组，每组结尾要落到什么缺口上，这个缺口和我后面的方法是不是对得上。

从方法描述到实验呈现

方法章节的核心不是把公式抄一遍，而是让读者在没有代码的情况下理解你的设计选择。课程会拆解怎么用图表配合文字讲清模块之间的关系，怎么处理"我的改动很小但有道理"这类尴尬情况。实验部分则关注表格和图的取舍：主结果放什么、消融怎么做、对比基线选谁、显著性怎么交代。这些是审稿意见的高频区，提前按规范写，比事后返工省力得多。

整合与交付：让导师一眼看懂

最后阶段是全文整合。摘要、引言、结论这三块往往最后写，但它们决定导师第一眼的判断。课程会讲怎么让引言在开头两段内交代清问题、缺口和贡献，怎么让结论不重复摘要。交付前还有一轮自查清单，覆盖引用格式、符号一致性、图注完整性这些容易被忽略但影响观感的地方。

看完应能回答：我的贡献用一句话怎么表述，它能撑起一篇阶段稿吗？
看完应能回答：参考文献里哪些必须精读、哪些只需交代，综述按什么结构排？
看完应能回答：实验部分我的主表该包含哪些行，消融是否覆盖了所有改动点？
看完应能回答：交给导师之前，我自己能查出哪几类硬伤？

21天的节奏意味着每天都有具体产出，不是听完就算。建议对照自己手头的题目同步推进，把课程里的结构直接套到自己的稿子上，比单纯看讲解有用得多。