【转发】AI 赋能高校教师科研能力提升 · 培训讲义

本文转自：https://www.scholat.com/vpost.html?pid=315888

培训日期：2026 年 8 月 1 日
主讲人：黄华威 教授（中山大学软件工程学院）
培训对象：兰州博文科技学院新入职教师培训班（约 100 人，学科跨度大）
核心工具：Claude Code / Opencode（AI 智能体工具，可接入国产大模型）+ Academic Research Skills（ARS 学术研究技能包）

一、开场：AI 正在彻底改变知识工作

本次培训为期半天（2.5 小时），面向兰州博文科技学院 100 余位新入职教师。听众学科跨度极大——人数较多的有信息科学与工程学院、经济管理学院，也有电气、外语、机电、土木、艺术设计、马克思主义等学院。因此，本课选择的工具与方法全部跨学科通用，学科专属工具在后半段以对照表给出。

黄老师以一个观察开场：半年前和今天，同一位老师的待办清单已经完全不同。备课、考核学生、写教材与论文——教师的三大核心工作都在经历重构。不是“用 AI 做得更快”，而是做法本身完全不同了。 这堂课的目的，就是把这套新做法系统地交到每位老师手里。

同一位老师的待办清单：半年前 vs 现在 (图片引自李学恒老师授课素材)

讲义地图：方法与工具（约 40 分钟）→ AI 辅助科研的七个方面（约 45 分钟）→ ARS 苏格拉底对话演示（约 30 分钟）→ 心得、案例与反思（约 15 分钟）。

二、方法与工具：先把“兵器”认清楚

2.1 从“聊天”到“干活”：范式转变

很多老师用过豆包、DeepSeek、Kimi 的网页版。这类“聊天式 AI”你问一句它答一句，答案留在对话里落不到文件，文献、数据要手动复制粘贴，关掉窗口上下文全部丢失。

而以 Claude Code 为代表的 Agent 式 AI 完全不同：你交代目标，它自己拆解任务、分步执行；直接读写你电脑里的文件；可以调用外部工具与技能包；中间产物全部落盘，随时接着干。科研场景需要的不是“聊得漂亮”，而是“把活干完、把文件留下”。

Opencode 是与 Claude Code 高度相似的开源替代品，对国内教师特别友好：可直接接入 DeepSeek、智谱 GLM、Kimi 等国产模型，无需**、数据留在境内，用法与 Claude Code 几乎一致。本课所有方法与技能包在 Opencode 中同样适用。

上手只需记住两个符号、三种模式：

2.2 一张图搞懂：MCP / SKILL / AGENT

一张图搞懂 MCP / SKILL / AGENT (图片引自程序员黄晓泽)

• MCP（Model Context Protocol）：AI 的 USB 接口。连接 AI 与外部工具、数据的统一协议，即插即用。科研例子：接 Zotero 搜索文献，接 OpenAlex / Crossref 核查引用。
• SKILL：岗位说明书 + 工具箱。一个 Skill 就是一个文件夹，写清标准操作流程（SOP）、专用工具和领域知识，AI 遇到匹配任务时自动调用。装上“学术研究技能包”，AI 就知道怎么做综述、怎么审稿。
• AGENT：能独立干活的员工。读需求 → 拆任务 → 调工具 → 自检 → 交付，自己走完闭环。你的角色是：定目标、做判断、把最后一关。

AGENT：自驱型打工人 (图片引自程序员黄晓泽)

2.3 CLAUDE.md：写给 AI 的“入职手册”

CLAUDE.md 是 Claude Code 每次启动自动读取的项目说明书：写一次，每次都记得——不用重复叮嘱，还能省 token。跨工具通用的版本叫 AGENTS.md，Opencode 等工具同样遵循。

写法采用“三明治”结构：第一层写身份与原则，第二层写技术栈与结构，第三层写操作指南与避坑。三条军规：单文件控制在 200 行以内；AI 犯一次错就补一条规矩；新项目先用 /init 生成初稿再改。科研迁移：把课题组的研究规范、写作偏好、投稿要求也写进规则文件。

2.4 CC Switch：框架不动，把“脑子”换掉

Claude Code 官方套餐绑死 Anthropic 模型，贵且支付不便。CC Switch 在中间加一层协议转换代理：前端还是 Claude Code，后端模型换成 DeepSeek / Kimi / GLM / MiniMax。它是一款跨平台桌面应用（官网 ccswitch.io，开源免费），一个界面管理十几家供应商的 API Key，一键切换约 5 秒。

CC Switch 官网：统一管理多家供应商

成本账（月度）：Claude Code Max 套餐约 100 美元，而 MiniMax 代码套餐约 29 元（3 亿+ token）。约 1/10 的价格，换来约 80% 的日常体验。 上手五步：下载打开 → 新增供应商 → 粘贴 API Key 选模型 → 打开本地路由总开关 → 点击激活。

数据安全提醒

你输入的内容会发送到模型服务商的服务器。国内模型境内处理，合规风险低。涉密文件、未公开的课题申报材料、学生个人信息、财务账目，不要交给 AI。原则：不该给别人看的东西，就别发给模型。

2.5 科研 Skills 生态：六个“神级”技能包

全部开源免费。

本章小结

四件事：换范式（从聊天式转向 Agent 式）、懂概念（MCP 是接口，SKILL 是说明书，AGENT 是员工）、立规矩（研究规范写进 CLAUDE.md）、降成本（CC Switch 接国产模型）。

三、AI 辅助科研的七个方面

3.1 先看清全局：科研全流程地图

科研中的常见卡点：新领域综述门槛高、理论推导重复劳动、数据清洗繁琐、公式到代码的鸿沟、代码报错消耗精力。核心问题是技术细节占据了大部分时间，没有精力留给学术直觉。

科研全流程地图：问题 → 文献 → 证据 → 设计 → 投稿 (图片引自罗湳Roland)

问题 → 文献 → 证据 → 设计 → 投稿，五个阶段各自都有对应的 AI 技能包。理念是：先判断“卡在哪”，再选工具。 RW Research Skills 中的 router 技能就像科研项目的路由器，先问“你手里有什么？这次想得到什么结果？”，再决定下一步用哪个技能。

一个实测案例：从一个模糊想法出发，25 分钟后拿到五份文件——研究问题、检索式、纳排标准、文献提取表框架、证据图框架。项目状态从“脑子里有个方向”，变成“明天照着这几份文件继续做”。

25 分钟，从一个想法到五份文件 (图片引自罗湳Roland)

3.2 七个方面速览

• 方面一：选题与研究问题。 用 rw-research-question 把兴趣压成研究对象、构念与边界，用 FINER 标准（可行、有趣、新颖、合伦理、相关）自检。要点：让 AI 反问你，而不是直接给你答案。 可以直接这样说：“我对××方向感兴趣，请像导师一样向我提问，帮我逐步聚焦，最后用 FINER 标准评估。”
• 方面二：文献检索与管理。 Claude Scholar 可按 DOI / arXiv 号批量导入论文，提炼核心观点与研究方法，生成结构化读书笔记，并接入 Zotero 文献库。
• 方面三：文献精读与证据整理。 rw-paper-extractor 把论文“读成字段”（研究设计、样本、测量、分析方法、结果），一批论文变成一张可比较的文献提取表。遇到结论打架，先用 rw-evidence-map 区分三种情况：证据还不够、研究设计不同、结果真的冲突——最有价值的不是“存在争议”，而是知道争议从哪里来。
• 方面四：文献综述写作。 先搭骨架再填肉：研究问题 → 检索式 → 纳排标准 → 提取表 → 证据综合。完整工作流九个步骤分三个阶段（准备与检索、综述生成、完善输出），每一步留文件，可回溯、可交接。注意：真实检索要人做，证据质量要人判断。
• 方面五：论文写作与修改。 Academic Writing Skill 把经典写作教科书《English for Writing Research Papers》翻译成 AI 可严格执行的五层机器规则——不是“建议写短句”，而是“句子超过 22 词就重写”；所有引用必须有真实 DOI。两个机制值得记住：材料护照（中间产物全部落盘，随时中断随时续上）和规划模式（先一章一章讨论写什么，确认结构后再动笔）。
• 方面六：实证分析与数据处理。 经管社科用 Auto-Empirical-Research-Skills，理工农医用 Scientific Agent Skills，AI 方向用 AI-Research-SKILLs。张一帆老师提供的顶刊论文复现案例令人印象深刻：五个阶段自动接力（理解项目 → 论文转 Markdown → 筛选数据代码 → 运行 Stata 回归 → 撰写 LaTeX 复现报告），全部 15 个回归的系数、标准误、显著性与原文完全一致，审阅评分 9.0/10。但提醒：统计结果不能只信模型一句话，rw-statistics-audit 专门核对样本量、p 值与图表数字，最终责任在研究者自己。

顶刊论文复现案例：任务清单 → 交付物清单 → 复现报告 (图片引自张一帆老师授课素材)

• 方面七：投稿润色与模拟审稿。 Nature-Skills 按顶刊标准打磨表达、检查图表规范、辅助撰写审稿回复信。投稿前先让 AI 审一遍：ARS 模拟审稿团队（主编 + 三位审稿人 + 魔鬼代言人）给出 0–100 分评审报告，80+ 接收、65–79 小修、50–64 大修、50 以下拒稿。

3.3 最大的坑：幻觉引用

一组数据值得警惕：被审计的 250 万篇论文、1.1 亿条参考文献中，仅 2025 年新增约 15 万条“幻觉引用”（AI 编造、实际不存在），其中 85% 一路存活到正式发表版。

结论：让 AI 写综述可以，但每一条引用都必须核查真实性。ARS 的引用真实性验证功能会用 Semantic Scholar、OpenAlex、Crossref、arXiv 四个数据库按 DOI 和标题交叉核查，全部免费、不需要 API Key。这是 ARS 区别于“让聊天 AI 帮你写论文”的关键功能。

3.4 按学科选工具：对号入座

策略：先装 ARS 打底，再按学科补一个专用技能包，够用就好，别贪多。

四、实操演示：ARS 苏格拉底对话生成 Survey 初稿

Claude Code Academic Research Skills 新手教程

第三章是实操演示环节（约 20 分钟）：观看一段约 20 分钟的操作演示视频——运用 ARS 的苏格拉底对话模式，从一个模糊方向出发，生成一篇学术 survey 初稿（含真实可查的引用）。

ARS 安装只需两行命令，不到一分钟：

/plugin marketplace add Imbad0202/academic-research-skills
/plugin install academic-research-skills

验证：输入 /ars-plan，进入苏格拉底对话模式即成功。也可以把 GitHub 地址直接发给 Claude Code，让它自己装。

ARS 开源仓库（40.5k stars）

什么是苏格拉底对话模式？

普通模式下你问它直接答，答案看似完整却常不可用；苏格拉底模式下它先反问你——“你感兴趣的领域是哪个学科？想做偏理论的研究，还是偏应用的？”——几轮追问后研究问题被钉牢。问题没钉牢就写综述，得到的往往是看似完整却无用的文字。

演示流程五步走完：抛出模糊方向 → AI 连环追问 → 聚焦研究问题 → 检索与提纲 → 产出初稿（附引用核查）。

观看演示时的四个关注点：

1. 看提问：AI 问了哪些问题？这些问题你自己想得出来吗？
2. 看分工：哪些环节人拍板，哪些环节 AI 执行？
3. 看产物：每一步落下了什么文件？能不能接着用？
4. 看核查：引用是怎么被逐条验证的？幻觉如何被拦截？

ARS 核心命令速查：

五、心得、案例与反思

5.1 六条心得

• 心得一：AI 是副驾驶，不是机长。 ARS 不会替你写论文。它帮你搜文献、排格式、验数据、查逻辑；研究问题的定义、方法的选择、数据的解读，必须你自己做。机长有四件事不可外包：定方向、选方法、读数据、守诚信。
• 心得二：先定状态，再让 AI 干活。 一上来就让 AI 写综述、找创新点，多半失败。先回答“手里有什么、这次想要什么”，每一步结束后再判断下一步。研究生最该先装的不是写作技能，而是 router（项目路由器）与 passport（材料护照）这两个。
• 心得三：规矩写进文件，不靠重复叮嘱。 把研究规范、写作偏好写进 CLAUDE.md，写一次长期生效。
• 心得四：AI 是信息加工者，不是内容生成器。 让 AI 基于你的材料做加工，而不是让它从零编造——AI 做信息加工，人做学术判断。
• 心得五：搭一个科研工作台，告别碎片化。 用 VSCode 一个界面搞定文件管理、写 Markdown、和 AI 对话：input/ 放原材料，output/ 放成品，code/ 放分析脚本，任务.md 记当前目标与下一步，笔记.md 记思考过程。
• 心得六：模型是下限，人是上限。 黄老师日常用了很长一段时间 Kimi——排行榜上评分毫不起眼，但因为用得熟（怎么给提示词、怎么检查输出、什么时候该自己动手改），产出质量并不差。反过来，不会用的人坐在公认最强的模型面前，得到的也不过是一堆漂亮的废话。决定产出质量的三个要素：提问的质量、给 AI 的上下文、迭代的能力。

VSCode 科研工作台：文件管理、写 Markdown、和 AI 对话，一个界面全搞定 (图片引自刘晓彬老师授课素材)

5.2 两个反面案例

• 案例一：AI 写论文“翻车”。 学生直接用 AI 生成整篇论文交上来，文字流畅，但引用全假、数据不对、逻辑断裂。教训：要求学生提交“人机协作日志”，记录每一步人的输入与 AI 的输出。
• 案例二：文献综述“幻觉”。 AI 做的综述引用了 20 篇论文，核查发现 12 篇核心观点被严重歪曲，3 篇根本不存在。教训：引用核查不可省，每一条文献都要能点开、能对上。

两个案例都发生在“把判断也外包给 AI”之后——工具没错，用法错了。

5.3 学术诚信与四条红线

趋势是从“禁用”到“声明”：ICLR、NeurIPS、Nature、Science、ACL 等越来越多期刊会议接受 AI 辅助，但要求声明。三条底线：AI 不能列为作者；用了就声明，不声明就是隐瞒；AI 生成的每个事实，你都要能给出出处。

四条红线不可越过：研究问题定义必须你自己想清楚；核心方法设计必须出自你；结果解读与学术判断由你负责；学术诚信底线——所有 AI 辅助内容，你是最终责任人。判断标准很简单：错了谁负责？AI 负责不了的，就不要外包。

延伸：把规则文件用于教学

同样可以写一份课程 CLAUDE.md 设计 AI 助教，例如计量经济学课程：“学生问’怎么做’时，先反问’你觉得应该用什么方法？’”“不输出完整代码，先给伪代码框架让学生填充。”防跳过思考、培养方法论，都靠规则写出来。

六、总结与第一周行动清单

三句话：

1. 换范式：从“聊一句答一句”到“交代目标、交付文件”——Agent 式 AI 才配得上科研。
2. 用工具：CLAUDE.md 立规矩、CC Switch 降成本、科研 Skills 覆盖选题到投稿全流程。
3. 守本分：AI 是副驾驶——引用必核查、使用必声明、判断必亲自。

给新入职教师的第一周行动清单：

第一天不用搞复杂，丢一句话给它就行——“我想研究××问题，请帮我开始第一个科研项目。”

附录：命令与资源速查

A. 常用命令

B. 资源清单（全部开源免费）

C. 致谢

本课程的讲授素材部分内容整理自中山大学岭南学院李学恒老师（《AI Agent 如何改变知识工作者的工作方式》）、张一帆老师（《如何使用 Claude Code 辅助科研》，论文复现与理论推导案例）、刘晓彬老师（《AI 科研工作台优化配置》）的公开分享，陈钦德博士（《Agent 辅助科研分享》）亦提供了参考，在此一并感谢。

特别感谢袁剑文博士（《AI 学术写作：工具与心得》作者）提供的 ARS 用法演示视频——本次课程实操演示环节所用即为他录制的“运用 ARS 苏格拉底对话模式生成学术 survey 初稿”操作视频。

课程内容还参考了以下 9 篇公众号文章，感谢各位作者的无私分享：

本讲义根据 2026 年 8 月 1 日“兰州博文科技学院新入职教师培训班”授课 PPT 整理，由 AI 辅助生成并经人工审校。

讲者黄华威老师的主页：https://sse.sysu.edu.cn/teacher/161