学者网
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：
|
基本功 |
说明 |
|
/ 斜杠命令 |
如 /ars-plan 触发 ARS 规划；输入 / 会自动列出全部命令，不用背 |
|
@ 文件引用 |
如 @paper.pdf，将文件内容插入对话 |
|
Ask 只读模式 |
只回答不改文件，问概念、问思路时用 |
|
Edit 编辑模式 |
可读写文件、执行命令，日常干活用 |
|
Plan 规划模式 |
先出详细计划再执行，复杂任务必用 |
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
|
技能包 |
适用领域 |
核心能力 |
|
Academic Research Skills（ARS） |
全学科，尤其适合科研新手 |
选题→综述→写作→引用核查→模拟评审，全流程 |
|
Claude Scholar |
全学科 |
文献管理与批量阅读，可接 Zotero / Obsidian |
|
Scientific Agent Skills |
物理、化学、生物、医学、材料 |
分子分析、生物序列、实验数据分析 |
|
AI-Research-SKILLs |
深度学习、大模型、CV、NLP |
模型架构、微调、RAG 等 90+ 技能 |
|
Auto-Empirical-Research-Skills |
经济、社会、政治等社科 |
数据清洗、计量模型、回归结果整理 |
|
Nature-Skills |
准备投顶刊的作者 |
按 Nature / Science / Cell 标准润色、配图、审稿回复 |
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
|
你所在的学院 / 方向 |
建议优先安装的 Skills |
|
信息科学、电气智控、机电、数理 |
AI-Research-SKILLs、Scientific Agent Skills |
|
经济管理、工程管理、交通运输 |
Auto-Empirical-Research-Skills（实证分析） |
|
土木工程 |
Scientific Agent Skills（实验与数据分析） |
|
外国语、马克思主义、 艺术设计、体育 |
ARS + Claude Scholar（文献密集型研究） |
|
所有学科（通用打底） |
Academic Research Skills 全流程 |
|
准备投稿英文期刊 |
Nature-Skills 润色 + ARS 模拟审稿 |
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：
- 看提问：AI 问了哪些问题？这些问题你自己想得出来吗？
- 看分工：哪些环节人拍板，哪些环节 AI 执行？
- 看产物：每一步落下了什么文件？能不能接着用？
- 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：
|
命令 |
做什么 |
什么时候用 |
|
/ars-plan |
连环反问，帮你理清研究方向 |
有模糊想法时 |
|
/ars-lit-review |
系统检索 + 总结文献 |
写相关工作时 |
|
/ars-idea-disc |
基于文献分析提出新想法 |
需要创新切入点 |
|
/ars-novelty-check |
检查 Idea 是否已有研究 |
确定研究贡献 |
|
/ars-full-paper |
从 Idea 到成稿一条龙 |
从零开始写论文 |
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：
- 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。
- 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。
- 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：
|
时间 |
行动 |
|
第 1 天 |
装好 Claude Code / Opencode，网络不便就配 CC Switch 接国产模型 |
|
第 2 天 |
安装 ARS，用 /ars-plan 验证； 为课题建一份项目说明书（CLAUDE.md） |
|
第 3 天 |
选一个真实研究方向，走一遍苏格拉底对话，聚焦研究问题 |
|
第 4–5 天 |
跑一次文献综述流程，产出检索式、纳排标准与综述提纲 |
|
第 6–7 天 |
把流程讲给一位同事听；按学科补上专用技能包 |
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
|
命令 |
功能说明 |
|
/help |
查看全部命令 |
|
/init |
让 AI 理解项目结构，生成 CLAUDE.md 初稿 |
|
/plugin install |
安装插件 / 技能包 |
|
/ars-plan |
ARS 苏格拉底对话模式（理清研究方向） |
|
/ars-lit-review |
ARS 文献综述模式 |
|
@文件名 |
引用文件，将内容插入对话 |
B. 资源清单（全部开源免费）
|
工具 |
地址 |
一句话说明 |
|
Academic Research Skills（ARS） |
github.com/Imbad0202/academic-research-skills |
科研全流程 |
|
Claude Scholar |
github.com/Galaxy-Dawn/claude-scholar |
文献管理与批量阅读 |
|
Scientific Agent Skills |
github.com/K-Dense-AI/scientific-agent-skills |
理工农医实验与计算 |
|
AI-Research-SKILLs |
github.com/Orchestra-Research/AI-Research-SKILLs |
AI 方向 90+ 技能 |
|
Auto-Empirical-Research-Skills |
github.com/brycewang-stanford/Auto-Empirical-Research-Skills |
社科实证分析 |
|
Nature-Skills |
github.com/Yuan1z0825/nature-skills |
顶刊标准润色 |
|
CC Switch |
ccswitch.io |
国产模型接入与 MCP 管理 |
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：
|
文章 |
作者 / 公众号 |
|
《用 CC Switch 给 Claude Code 和 Codex 换上国产大模型 》 |
开始求索 |
|
《 MCP、SKILL、AGENT，到底是啥？》 |
程序员黄晓泽 |
|
《Claude Code｜CLAUDE.md 一次写好，告别“说三遍还写错”》 |
技术洋 |
|
《Claude Code Skill 入门：学完这篇就够了》 |
AI 新元 |
|
《6 个科研 Skills，把 Claude Code、Codex 真正用进你的科研流程》 |
学之航 |
|
《分享六个科研神级 Skills，覆盖文献管理与阅读、论文写作、实验计算、实证分析与投稿优化全流程》 |
猫不说 AI 论文 |
|
《科研人必装的 skill，帮你搞定科研全流程！》 |
罗湳Roland |
|
《academic-research-skills 到底能不能帮你写正文？能干什么、不能干什么》 |
程序员大白菜 |
|
《Academic Research Skills 新手保姆教程：从安装到写出第一篇论文》 |
程序员大白菜 |
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
评论 0