AI Agent 给出一句很漂亮的话：“很少有研究关注第一代大学生的长期变化。”听起来就是标准的 research gap。可“很少”也可能只是 Agent 搜得不好、术语用错，或者看了几篇近期英文论文就停止。
AI 可以提出候选 gap。没有检索记录和证据，它无法让这个 gap 站得住。
它找到的究竟是哪一种缺口？
先让 Agent 给缺口分类。常见类型包括：
- **人群缺口：**某类人很少被研究
- **场景缺口：**证据来自不同国家、机构或环境
- **方法缺口：**大多数研究使用相同设计或测量
- **时间缺口：**缺少长期结果或近期变化
- **证据冲突：**不同研究得出不同结论
- **机制缺口：**看到了效果，却不清楚发生过程
“从来没人研究这个主题”通常不是好起点。“现有研究主要依赖横断面自我报告”更容易验证，也更可能变成一个可执行项目。
很多大学图书馆的指南建议从讨论、局限和未来研究部分寻找缺口。这些内容是线索，不是证明。作者也可能强调最适合说明自己研究价值的那一种空白。
让 Agent 交出检索过程
要求它提供：
列出使用的数据库或搜索系统、完整查询、年份、语言、资料类型，以及检查过的候选论文数量。然后分别给出最支持和最能反驳这个 gap 的论文。
如果答案没有可以重复的路径，就先把 gap 当作检索想法，不要立刻写进研究计划。
还要检查同义词。“AI feedback”的空白，可能在加入 automated feedback、intelligent tutoring、writing assistants 或 machine-generated comments 后就消失。领域里的实际称呼，比 Agent 习惯使用的词更重要。
主动尝试推翻这个 gap
改进 gap 最快的方法，是从反面攻击它。重点寻找：
- 最新系统综述或范围综述
- 目标人群的各种同义称呼
- 被声称缺失的研究方法
- 引用了最相关论文的后续研究
- 长期研究这个主题的作者或实验室
然后问：
什么证据会证明这个 gap 不成立？请专门搜索这些证据；如果找到，就修改原来的 gap。
好的 Agent 应该能够缩小甚至放弃第一版答案。如果每一轮都只是在证明自己最初是对的，它可能是在收集支持，而不是检验主张。
把“没有”变成值得研究的问题
真实的空白，也不一定值得填。还要问为什么它重要，以及你的项目能否减少这份不确定性。
“我的国家没有研究”很弱，因为场景未必会改变现象。“现有结论依赖某种政策、语言或学校制度，而这些条件在我的国家不同”才说明为什么场景值得研究。
站得住的 gap 通常连接三件事：
- 当前文献已经知道什么
- 还有什么不确定，以及为什么重要
- 哪种研究能够减少这份不确定性
用 WisPaper 检验候选 gap
把 gap 分别写成正向和反向问题放进 WisPaper Search。先搜据说缺失的组合，再专门寻找可能证明你错了的论文。把最接近的研究存进 My Library，通过 Library QA 比较它们的人群、方法与局限。
需要更宽的方向探索时，可以用 Scholar Agent 产生候选路线，但最终 gap 必须来自经过检查的论文集合，而不是 Agent 的语气有多确定。
