GPT-6 刚发布!OpenClaw+AI Agent 已能全自动写 SCI 论文
AI重塑科研范式的当下，多数科研人仍困在 “简单对话式用AI” 的低效困境：文献阅读耗时、代码开发卡顿、论文写作反复修改，数据管理与知识整合杂乱，更难将AI转化为贴合自身研究的长期科研生产力。如今科研的核心需求，早已从 “会用AI” 升级为 “会配置、会组织AI，让AI深度融入科研全链路”，搭建专属智能科研系统，实现文献、编程、写作、绘图的自动化工作流，成为科研人提升效率、建立核心竞争力的关键。
为此，我们重磅推出AI科研实战营课程，从OpenClaw核心配置与多模型协同，到LLM全链路科研应用与个人AI助手搭建，层层递进手把手教学，破解科研全流程痛点，助力科研人真正让AI成为稳定可靠的科研合作者。
📚 课程一：2026基于前沿AI-Agent2.0驱动的科研全链路实战营：一站式掌握LLM与Notebooklm应用、数据分析、自动化编程、文献管理到论文写作的核心技能、手把手搭建本地LLM与Agent，体验多模型“圆桌会议”的头脑风暴、基于N8N与OpenClaw、Claude Code构建从文献挖掘到成果产出的自主智能体、解锁Seedance2，轻松将论文转化为高质量的科研科普视频
📚 课程二：OpenClaw+Vibe Coding核心实战玩法，手把手教你本地部署与云端协同，实现知识、论文自动化工作流培训班
📚 课程三：基于claude code、codex多AI协同论文写作实战营：跑通数据分析→论文初稿→AI交叉审稿全流程
📚 课程四：最新Hermes Agent 技能封装与科研自动化实战：以 Meta-Analysis 为例-实现从文献检索到绘图的一站式工作流培训班
📚 课程五：最新AI-Python机器学习、深度学习核心技术与前沿应用及Agent自动化全链路实践高级研修班
腾讯会议直播：5月23日-24日【两天教学、提供全部资料、代码及长期回放】
在人工智能快速重塑科研范式的背景下，大语言模型、Agent系统与自动化科研工作流，正在深刻改变文献阅读、代码开发、数据分析、论文写作与科研协作的底层方式。面对模型快速迭代、工具形态持续演进的新局面，科研人员亟需从“会使用AI”进一步升级到“会配置AI、会组织AI、会让 AI参与科研工作流”，真正建立面向长期研究任务的个人智能科研系统。
为帮助广大科研人员、高校教师、研究生及高端知识工作者系统掌握OpenClaw及同类Agent工具在科研中的应用方法，拟举办“OpenClaw科研Agent与Vibe Coding两天实战营”。本次课程以 OpenClaw为主线，系统讲解配置部署、模型接入、Token 选择、国产模型对比、大模型本地部署、数据云端存储、快速云端数据下载、数据可视化、Vibe Coding、Agent编程工具选型、SKILL 封装、MCP 扩展与多模型论文写作自动化等核心内容。
课程特别强调“养龙虾式科研助手养成”思路，即把 AI 从一次性对话工具，逐步培养成懂你的课题、目录、规则、写作风格和科研流程的长期助手，最终形成一套可以持续进化的个人科研工作台。现将有关事项通知如下：
3.准备安装或已安装OpenClaw、Cursor、Claude Code、Codex
4.自带一个科研题目、一份数据样例或2-3篇代表性论文，便于课堂演练
5.若计划实操本地部署，建议电脑具备较大内存或可连接GPU服务器培训方式
10.一份《NotebookLM、Claude Code、Obsidian的知识工作流》
2.强调OpenClaw、Agent工具和多模型系统在科研场景中的可落地性
3.将模型配置、编程、写作、数据处理与知识管理打通为统一工作流
5.每个模块尽量形成明确案例、模板或流程产出，便于课后复用
1.独立完成OpenClaw的安装、配置、模型接入与基础使用
2.理解Token、上下文窗口、调用成本与模型能力边界
3.学会比较并选择不同大模型，尤其是DeepSeek与Qwen
4.掌握开源大模型本地部署的基本路径，如Ollama、LM Studio、vLLM的适用场景
5.学会建立科研数据的云端存储、快速下载与版本化管理流程
6.掌握Vibe Coding在科研编程中的正确工作方法
8.学会使用Cursor、VS Code、Codex、Claude Code完成科研代码任务
10.设计一套属于自己的多模型论文写作自动化工作流
11.掌握一套从NotebookLM、Claude Code、Obsidian知识管理自动化工作流
（无论是老师还是学生都可以复现MIT研究生48小时掌握一门课）
12.通过Hermes Agent生成Karpathy的LLM-Wiki的Obsidian知识库
2.需要频繁进行论文写作、数据分析、代码开发、学术绘图的科研人员
3.希望系统了解OpenClaw、Cursor、VS Code、Codex、Claude Code的学员
4.希望搭建个人AI科研工作流与课题组协作体系的知识工作者
1)Token 是模型处理文本的基本计量单位，不等于简单字数
2)选模型不仅看“聪不聪明”，还要看上下文、速度、成本和稳定性
3)真正高效的科研工作流通常是多模型分工，而不是只用一个最贵模型
4)要教会学员把高质量模型用在关键步骤，把高性价比模型用在重复步骤
1)DeepSeek适合推理链、代码、数学与结构化任务
2)Qwen适合中文理解、通用办公、生态兼容和平台接入
4)Opus搭配Claude Code适合写代码和论文
5)Chatgpt5.4搭配Codex适合执行任务教学中应强调“任务分工”而不是简单比较谁更强
2)用规则、Skill、MCP、知识材料和模板持续迭代Agent
1)敏感数据、私有材料和高频重复任务优先考虑本地模型
2)高质量推理、长文写作和复杂审阅可调用云端强模型
3)最实用的方案往往不是全本地或全云端，而是“本地保密 + 云端增强”的混合策略
2、超级福利：赠送1个月ChatGPT会员【可同时使用Claude、Gemini、Grok等模型，无需科学上网】
参加培训的学员可以获得《Agent智能体科研应用》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com
注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员
发票类别：培训费、会议费、资料费、技术咨询费等，配有盖章文件等，用于参会人员报销使用
非会员费用：2680元 Ai尚研修会员费用：会员政策参会
案例：部署一个本地中文/代码模型并接入OpenClaw
模块二、大模型选型、Token 理解与国产模型对比
3.科研场景中的模型分工：检索、总结、写作、编程、评审
4.DeepSeek与Qwen的对比：中文、推理、代码、接入与生态
4.如何把OpenClaw用成长期科研助手而不是一次性聊天工具
案例：完成OpenClaw和Hermes初始化与一个科研项目目录配置
2.科研人员如何用自然语言驱动代码生成、调试和重构
案例：生成一个科研数据清洗与绘图脚本并调试到可复现
产出：Vibe Coding科研提示词模板+代码验真清单
模块五、Cursor、VS Code、Codex、Claude Code等Agent工具对比
5.如何按科研任务类型选择合适的Agent编程工具
2.如何把提示词、规则、模板和流程封装成 Skill
3.适合科研封装的Skill：文献速读、审稿回复、图注生成、代码审查
案例：编写“论文精读摘要”Skill和“科研绘图诊断”Skill
模块七、MCP扩展，让OpenClaw接入外部工具
3.科研常见MCP场景：文件、论文库、Zotero、Git、表格、知识库
案例：设计一个科研知识管理或文档处理型 MCP 工作流
1.常见科研数据云端组织方式：网盘、对象存储、服务器目录、Git LFS
3.批量下载公开科研数据与课题组共享数据的高效方法
4.用Python与Agent快速完成数据整理、可视化与图表解释
案例：完成一次云端数据快速下载、清洗和自动绘图流程
产出：《科研云端数据管理与下载流程模板》+一套可视化脚本样例
1.如何把论文写作拆成选题、提纲、证据整理、段落生成、润色、审稿回复等环节
2.不同模型在写作中的分工：构思、长文重写、中文润色、英文表达、批判审阅
3.文献摘要、Related Work、方法说明、图注和Cover Letter的自动化生成思路
案例：围绕一篇真实论文，搭建“读文献-出提纲-生成初稿-批改润色-生成回复”的写作流水线
产出：《多模型论文写作自动化流程图》+一套论文写作提示词模板
模块十、NotebookLM,Claude Code，Obsidian自动化工作流
2.Claude Code如何连接NotebookLM
3.Claude Code如何将NotebookLM的内容存储到本地Obsidian仓库
案例：掌握一套从NotebookLM、Claude Code、Obsidian的知识工作流
案例：Hermes Agent生成Karpathy的LLM-wiki的Obsidian知识库
📚 课程二：
2026年6月5日-8日【四天教学、提供全部资料、代码及长期回放】
在人工智能高速发展的今天，大语言模型（LLM）正在以前所未有的速度重塑科研与高端知识工作的底层方式。然而现实是，大多数人仍停留在“简单对话式使用AI”的阶段，只是把AI当作一个更聪明的搜索工具，并没有真正将其转化为科研生产力，更谈不上系统性的创新能力提升。
如何通过AI助力个人高效科研学习成长，如何高效整合信息、持续产生高质量 IDEA，并把研究想法快速转化为可发表成果。
本课程是一门面向科研人员、研究生、博士生、高校教师以及高端知识工作者的系统化实战训练营，以“工具即生产力，Agent即科研合作者”为核心理念，带你从“使用AI”进阶到“构建AI系统”。课程将系统讲解如何将主流大语言模型深度融合进：
6.基于NotebookLM 的研究资料整合、来源引用与可信推理
7.使用NotebookLM48小时通过一门课、掌握一系列知识点
8.Google生态系统自动化科研工作流与AI Agent系统
9.OpenClaw和Claude Code个人AI助手结合Agent Skills技术自动化生成论文
10.Seedacnce2.0视频大模型生成科研科普视频
通过真实科研场景与完整案例，你将学会如何让AI主动协助你思考、决策与创作，而不仅仅是被动回答问题。
通过本课程，你将不只是学会“使用AI”，而是能够真正做到：
1.构建属于自己的科研AI Agent，让AI成为你的长期研究助手
2.打造可持续复利的个人科研系统，知识与成果持续积累
3.显著提升科研效率与创新能力，减少重复劳动，专注高价值思考
这不是一门“教你玩AI的课程”，而是一门帮助你在AI时代建立长期科研竞争力的系统训练营。最后将总结Google Gemini（Nano Banana），Notebooklm，OpenClaw，Claude Code，Seedance等一系列AI大模型的不同应用范围，如何使用这些打造专属个人自动科研系统。
当前AI发展日新月异，大模型迭代速度显著加快，或许有一天人类终将被AI淘汰，但希望你我不是最先被AI淘汰的个人。
网络直播+助学群辅助+导师面对面实践工作交流（报名后加入助学群、查阅会议流程）
1、原理深入浅出的讲解；
2、技巧方法讲解，提供所有案例数据及代码；
3、与项目案例相结合讲解实现方法，对接实际工作应用 ；
4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；
5、课程结束专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑；
参加培训的学员可以获得《LLM模型系统化应用》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com
注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员
发票类别：培训费、会议费、资料费、技术咨询费等，配有盖章文件等，用于参会人员报销使用
非会员费用：3980元 Ai尚研修会员费用：会员政策参会
第一章、大语言模型（ChatGPT、Claude、Gemini、DeepSeek与NotebookLM的能力边界：从“会用AI”到“因任务选模型”
真正理解不同LLM与知识增强型AI（NotebookLM）的能力边界
学会在科研和高端工作中“因任务选模型，因资料选工具”
ChatGPT（科研写作、逻辑推理、通用科研助理）
Gemini/Nano Banana（多模态、图像/视频/API调用）
DeepSeek（数学推理、代码、开源与本地部署）
2.NotebookLM：以“你的资料”为核心的科研AI
为什么通用LLM会“幻觉”，而NotebookLM更“克制”
Prompt提示词的使用和收藏（通过LLM举一反三生成Prompt提示词）
自由发散型思考（ChatGPT/Claude）vs基于资料的严谨推理（NotebookLM）
NotebookLM（基于真实文献生成可溯源摘要）
一份《科研任务×大模型×NotebookLM选型指南》
第二章、LLM + Excel科研数据分析的智能化与自动化生成
用自然语言“操控”Excel，让Excel成为科研数据分析助手
通过大语言模型生成数据统计图
第三章、LLM × Python 科研计算自动化与高效编程助力
让不会写代码的人，也能把Python 变成科研生产力
Python是科研的“发动机”，LLM是科研的“驾驶系统”
AI负责：写代码，改代码，查Bug，重构流程，核心内容
第四章、Zotero×NotebookLM ×LLM智能文献管理与证据驱动科研写作
从“存论文”升级为“以文献为证据核心的可推理科研系统”，让AI不再“凭空总结”，而是基于真实文献进行可溯源分析与写作
为什么NotebookLM是文献管理的“第二大脑”
第六五、Overleaf + LLM全流程科研写作
如何通过Open AI Prism实现全流程写作，快速处理数学公式，论文引用，如何通过GPT5.2大模型的多模态功能，将手写公式直接导入论文，避免复杂公式的时间消耗。
第六章、一张图胜千言——从论文示意图到学术汇报Video
不会画图，也能做 Nature和Science级科研表达
如何通过Gemini/Nano Banana和NotebookLM生成系列的PPT和信息概念图，科研机制图。
如何通过Google Slide结合Nano banana处理AI生成科研图细节错误
当前Nature期刊表达AI生成的图不能放入论文中，我们有什么办法处理这个问题（通过Adobe Illustrate工具）
利用NotebookLM生成学术汇报级Video和音频文件
批量处理视频网页，结合Gemini的多模态系统，学习网上优质视频，自我成长
通过Prompt提示词优化Nature和Science原图
NotebookLM能根据相同的内容，不同提示词设计风格和颜色产生不同的概念图（下面两图为相同内容不同设计分割和颜色）
第七章、本地部署LLM与私有科研Agent，构建专属智能助手
Ollama部署LLAMA/DeepSeek
本地模型性能优化
RAG构建个人知识库
微调vs RAG的选择策略
Open WenUI本地部署，
如何结合Zotero和Open WenUI搭建本地知识系统
在本地环境里构建类似NotebookLM的科研生态系统（不需要科学上网，就能运行）
案例7：
本地部署DeepSeek→构建：
专属科研问答系统
私有文献分析Agent
结课成果：
一个私有科研AI Agent
第八章、多模型圆桌科研系统：用 AI进行真正的科研头脑风暴
多LLM分工机制
批判型/创新型Agent设计
自动迭代研究方案
模型的能力越强，Idea的创意更好
案例8：
ChatGPT+Claude→自动进行多轮讨论，生成创新研究方向。
结课成果：
一份「可投稿级研究IDEA说明书」
第九章、科研自动化与智能化工作流：N8N × LLM 构建高效科研系统
N8N基础与部署
多软件自动联动
多模型优势整合
全流程科研自动化设计
整合Google工作系统流
实战案例
案例9：
构建一个完整系统：
通过DeepSeek创建全自动科研文献搜索总结系统
最终交付：
一套可长期使用的科研文献搜索总结自动化系统
第十章、Open Claw与Agent Skill进阶——构建自主式写作智能体
根据相关数据和论文，由Agent Skill的智能体自动撰写一份科研文章。
论文稿件： 根据数据生成文章，同时使用斯坦福的paper review Agent模仿审稿人提出意见，自动修改论文。
第十一章、Seedance 2.0视频生产大模型基础与科研科普自动化
Seedance 2.0的“科研视频可控生成”关键概念
用 Seedance 2.0自动化生成科研科普视频：标准工作流
输出：一个60–90秒的竖屏科普视频（9:16），包含：
NotebookLM：提取“核心机制、方法、结果、限制”（可溯源）
LLM：把提取内容转成“8镜头分镜表 + 旁白稿”
Seedance 2.0：按分镜逐镜生成（每镜5秒）
直播时间：5月16日-17日【两天教学、提供全部资料、代码及长期回放】
1.双模型交叉审稿：Claude Code写代码和论文，Codex作为独立审稿人打分、挑错、提改进意见——两个不同AI系统互相review迭代，比单一AI自查深入一个层次。
2.真实全流程：数据获取→清洗分析→统计检验→论文撰写→多轮审稿→投稿准备，两天走完核心环节。
3.真实案例：讲师以自己论文为例，展示Codex审稿从4/10逐步改进到8/10的完整轨迹（12轮迭代，课堂展示精华3轮）。
4.Claim校准：让两个AI分别评估论文核心结论的可信度，教学员用AI做批判性思考而非盲目接受。
5.学科通用：核心方法适用于任何”数据→分析→论文”的定量研究场景。
1.目标学员：理工科、地学、环境、生态、医学等定量研究方向的研究生、博士生、博士后、青年教师及相关科研人员。
2.前置要求：能跑Python脚本、有科学上网条件、课前完成环境预装（提供详细指南和助教支持）
3.核心工具：Claude Code + OpenAI Codex CLI + VS Code。
4.教学数据：讲师演示使用NASA MODIS公开卫星数据；方法完全通用，学员可替换为自己领域的任何数据。
5.课程产出：一篇经过多轮AI交叉审稿的可投级论文草稿（Markdown+DOCX），含图表和Cover Letter。
1.安装Python 3.10+、Git、VS Code
3.安装Claude Code CLI和Codex CLI
5.准备科研素材
参加培训的学员可以获得《AI科研自动化技术》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com
注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员
发票类别：培训费、会议费、资料费、技术咨询费等，配有盖章文件等，用于参会人员报销使用
非会员费用：3580元 Ai尚研修会员费用：会员政策参会
|
第一天：Claude Code科研深度使用——从数据到论文初稿产出：完整Claude Code项目环境— 数据已下载、清洗、分析
|
1、Claude Code安装验证与模型选型（Opus/Sonnet/Haiku的成本与能力权衡）
2、CLAUDE.md：用一个配置文件教AI理解你的项目背景和规范
3、Memory系统：跨对话保持研究上下文（方向、数据、发现）
4、实操：为自己的科研课题创建Claude Code项目结构
案例实践：对比有/无CLAUDE.md时的回答质量——从”通用聊天”变成”懂你课题的助手”
1、用Claude Code生成数据下载脚本（API/FTP/Web多种方式）
2、数据清洗：缺失值、异常值、格式转换（NetCDF/HDF5/CSV/Excel）
3、自然语言→分析脚本：描述研究假设，Claude Code自动设计分析方案
4、统计检验：Bootstrap CI、Cohen’s d效应量、多重比较校正
案例实践：一句话需求→自动生成完整脚本→跑通→输出结果
1、投稿级图表标准（字体、DPI、配色、error bars）
2、常见图表类型实操：scatter、heatmap、bar+CI、时间序列
3、多panel组合图：gridspec布局与统一配色
1、论文结构设计：Title → Abstract → Intro → Results → Discussion → Methods
2、Results：Claude Code读取JSON结果，生成带精确数字的段落
3、Discussion：机制解释、文献对比、局限性
4、Introduction：背景、知识空白、本文贡献
关键技巧：如何让AI引用真实数字而非编造；如何用Memory防止长文写作中上下文丢失
1、主流期刊的AI使用政策（Nature/Science/Elsevier/ACS/AGU最新规定）
2、AI辅助写作的披露规范：哪些必须声明、怎么声明
|
第二天：Codex交叉审稿 + 迭代改进 + 投稿准备产出：论文经过3轮交叉审稿，含完整改进记录-投稿级图表-论文DOCX + Cover Lette-学员自己课题的初步成果
|
1、Codex CLI配置与使用方式（consult模式发送审稿请求）
2、把论文初稿发给Codex：要求打分、列弱点、找overclaim
3、解读审稿意见：overclaim、missing citations、statistical gaps
关键时刻：学员亲眼看到论文被打低分——”AI审稿比真人审稿更直接”
1、Round1：修复措辞（confirms→supports, rules out→argues against）
2、Round2：补引用、加统计检验、完善limitations
-科研措辞分寸：从”proves”到”is consistent with”
– 引文补充：用Claude Code的WebSearch查找缺失引用
备注：课程案例经过12轮才从4/10到8/10。课堂3轮是精华流程展示，学员课后可继续迭代。
1、Claude和Codex分别评估核心结论的可信度，对比分歧
2、修图：去夸张标题、加error bars、colorblind-safe配色
3、Claude Code生成DOCX（嵌入图表）
4、引用格式化（Nature-style/APA/国标，按目标期刊选择）
1、学员用自己的数据/课题跑一遍核心流程（分析→初稿→Codex审稿）
3、进阶路径概览：远程计算（AWS/阿里云）、自定义SKILL、MCP扩展、引文管理器对接
直播时间：5月30日-31日【两天教学、提供全部资料、代码及长期回放】
1.真实数据驱动：使用Cochrane/JAMA已发表RCT的真实数据，非模拟数据，可溯源至原始文献。
2.一条主线贯穿：从PICOS设计→PubMed检索→AI筛选→效应量计算→DL随机效应模型→森林图→漏斗图→亚组分析→敏感性分析→Results段落，两天做完完整Meta-Analysis。
3.AI深度提效：用Hermes Agent自动生成检索式、批量筛选文献、运行统计脚本、生成投稿级图表、撰写Results段落——亲眼见证AI把传统2周的工作压缩到2小时。
4.代码经双轮审阅：所有脚本经两轮代码审阅（Codex Review），Egger检验修正为加权回归（WLS）、SMD方差统一为含J²的Hedges标准公式、PRISMA计数改为动态计算，统计公式逐项验证。
5.带走你的专属科研智能体：你将带走一个配置好的Hermes Agent和Meta-Analysis统计Skill，利用其自进化能力，未来可一键复用到你的任何课题中。
1.目标学员：理工科、医学、公共卫生、心理学、教育学、环境科学等需要做系统综述/Meta-Analysis的硕博研究生、博士后、教师及科研人员。
2.前置要求：对Meta-Analysis有基本了解（知道什么是PICOS、森林图、异质性）；能运行Python脚本；课前完成环境预装（提供详细指南和助教支持）。
3.核心工具：Hermes Agent（开源AI Agent，持久记忆+自我进化）+ Python（numpy/scipy/matplotlib）+ VS Code。
4.教学数据：Cochrane Database和JAMA已发表的运动干预对T2DM患者HbA1c影响的RCT真实数据；方法完全通用，学员可替换为自己领域的任何数据。
5.课程产出：一份完整的Meta-Analysis统计报告（含森林图、漏斗图、亚组分析图、敏感性分析图）+ 一个可复用的Hermes科研Skill。
1.安装Python 3.10+、Git、VS Code
2.安装Node.js 18 +（用于Hermes Agent）
3.准备一个API Key（DeepSeek/OpenAI/Anthropic任一即可）
4.Windows用户需安装WSL2（提供详细步骤指南）
5.建议提前了解：什么是Meta-Analysis、PICOS框架、森林图
6.可选：自带一个想做Meta-Analysis的选题
【课程产出图表示例】（以下均为课程真实数据生成）：
▼ 森林图：运动干预对HbA1c的影响（随机效应模型）
网络直播+助学群辅助+导师面对面实践工作交流（报名后加入助学群、查阅会议流程）
1.建立导师助学交流群，长期进行答疑及经验分享，辅助学习及应用；
2.课程结束后不定期召开线上答疑交流，辅助学习巩固工作实践问题处理交流；
1、原理深入浅出的讲解；
2、技巧方法讲解，提供所有案例数据及代码；
3、与项目案例相结合讲解实现方法，对接实际工作应用 ；
4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；
5、课程结束专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑；
参加培训的学员可以获得《AI-Agent科研技术应用》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com
注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员
发票类别：培训费、会议费、资料费、技术咨询费等，配有盖章文件等，用于参会人员报销使用
非会员费用：2980元 Ai尚研修会员费用：会员政策参会
|
第一天：Hermes部署 + AI辅助文献检索与筛选产出：Hermes科研环境 + 检索脚本 + 筛选结果 + 数据提取表
|
1、Hermes安装→模型接入（DeepSeek/OpenAI/Anthropic）→验证运行
2、模型选择策略：Opus写作/Sonnet编码/Haiku批量筛选/Ollama本地
3、配置USER.md：让Hermes从通用助手变成”你的课题组成员”
4、备用方案：Claude Code替代+预录数据集兜底
1、AI辅助检索策略设计：Hermes生成PubMed检索式+MeSH词扩展
1、PubMed Entrez API批量检索（Biopython） 产出：检索脚本
2、Semantic Scholar补充检索 + 去重合并
3、AI辅助标题摘要筛选（逐篇判断+排除理由） 产出：筛选CSV
4、PRISMA 2020流程图生成（matplotlib动态计算）
2、效应量计算：均数差(MD)+标准化均数差(Hedges’g，含J校正)
3、使用课程真实数据（9项RCT/12臂，含Church 2010三臂试验说明）
|
第二天：统计分析+ Skill封装 + 个人落地产出：4张投稿级图表 + 统计Skill + Results段落 + 个人方案
|
1、DerSimonian-Laird随机效应模型（手动实现5步算法，纯numpy）
2、异质性检验：Q统计量、I²、τ²产出：统计报告
3、森林图：权重方块+合并钻石+数值标注（纯matplotlib）
4、亚组分析：按运动类型分组+组间异质性Q_between
5、漏斗图+Egger加权回归检验（正确WLS实现）
6、Leave-one-out敏感性分析 产出：4张投稿级图表
1、将全套统计流程封装为Hermes Skill（输入CSV一键出图出报告）
3、MCP扩展简介：Zotero文献管理、批量读PDF
1、Hermes自动解读统计输出→生成Results段落初稿
2、标准学术句式模板（效应量+CI+P值+异质性描述）
3、AI写作边界：擅长格式化结果描述，需人工核验数值和引用
1、两天流程回顾：PICOS→检索→筛选→提取→统计→解读
2、学员自选题实操（60分钟）：用自己的选题走全流程
3、Hermes长期维护方案：持续进化+Skill积累
📚 课程五：
直播时间：5月16日-17日、23日-24日【四天教学、提供全部资料、代码及长期回放】
随着观测技术、数值模拟与计算基础设施的迅猛发展，科学研究的范式正经历从”人工编程”到”智能体自动化”的深刻变革。无论您从事生命科学、环境科学、材料研究还是社会科学，都面临着共同的挑战：海量异构数据的处理耗时、复杂模型的编程门槛、以及从Idea到论文的漫长转化链条。本课程正是为突破这些瓶颈而生。我们不仅提供从Python基础到PyTorch深度学习的完整技术栈，更前瞻性地引入大模型工程化与自动化智能体（Agents）技术，打造”AI赋能的科研全链条”：
从Python高阶编程（函数式、OOP、性能优化）出发，掌握XGBoost、LightGBM等经典机器学习工具，深入CNN、Transformer、扩散模型等前沿架构；同时以科学问题为牵引，强化SHAP可解释性分析、因果推断与不确定性量化，确保AI模型的物理一致性与科学严谨性。
告别繁琐的重复编码。课程深度教授Vibe Coding（氛围编程）——通过自然语言与AI协同编程，实现”零门槛”快速原型开发；掌握上下文工程与RAG技术，让大模型精准理解您的领域数据，自动生成可执行的分析代码、SQL查询与科研图表，将数据分析效率提升十倍。
学习构建OpenClaw智能体工作流，让AI自主完成数据清洗、多维度归因分析、假设检验与报告生成。通过MCP架构连接您的本地数据库与计算环境，实现”一句话需求→自动化分析→交付洞察”的端到端科研流水线，彻底解放您的生产力。
实战导向：9大案例模块覆盖图像光谱分析、时空序列预测、科学归因、论文Idea探索等真实场景
人机协同：不仅教算法原理，更教”如何指挥AI做科研”——从提示词设计、代码审查到多Agent协作
前沿融合：传统统计思想 × 现代深度学习 × 大模型自动化三重视角，打通从算法理解到科研落地的最后一公里
本课程将为您提供兼具学术严谨性、工程实用性、技术前瞻性的学习平台。让AI成为您科研团队中最得力的智能助手，加速从数据洞察到科学发现的全过程。
网络直播+助学群辅助+导师面对面实践工作交流（报名后加入助学群、查阅会议流程）
1.建立导师助学交流群，长期进行答疑及经验分享，辅助学习及应用；
2.课程结束后不定期召开线上答疑交流，辅助学习巩固工作实践问题处理交流；
1、原理深入浅出的讲解；
2、技巧方法讲解，提供所有案例数据及代码；
3、与项目案例相结合讲解实现方法，对接实际工作应用 ；
4、跟学上机操作、独立完成案例操作练习、全程问题跟踪解析；
5、课程结束专属助学群辅助巩固学习及实际工作应用交流，不定期召开线上答疑；
参加培训的学员可以获得《人工智能技术应用》专业技术证书及学时证明，网上可查。此证书可作为学时证明、个人学习和知识更新、单位在职人员专业技能素质培养及单位人才聘用重要参考依据。证书查询网址：www.aishangyanxiu.com
注：办理证书需提供电子版2寸照片及姓名、身份证号信息，开课前发给会务组人员
发票类别：培训费、会议费、资料费、技术咨询费等，配有盖章文件等，用于参会人员报销使用
非会员费用：3580元 Ai尚研修会员费用：会员政策参会
2.Jupyter Notebook vs VS Code vs其它GUI对比
3.虚拟环境创建与包管理（pip vs conda）
5.OOP编程基础：类与实例、属性与方法，继承、多态与抽象基类，魔术方法
6.Python容器进阶：列表推导式与生成器表达式, 字典推导式与集合操作, 元组解包，深拷贝vs浅拷贝,
7.函数式编程与速度优化：Lambda表达式与高阶函数，装饰器原理与应用，迭代器
1.类型识别：定性，定序，定距以及定比数据；外生与内生变量
5.分类：二分类与多分类，分类任务性能指标，召回率，AIC
7.决策树:分类回归树，分裂策略，正则化剪枝（参数调优）
8.随机森林：装袋树，特征随机性，袋外估计，特征重要性度量
9.梯度提升树：XGBoost、LightGBM、CatBoost，梯度提升树的调优策略
10.支持向量机（SVM）：理论基础，最大间隔分类器，对偶问题，软间隔与硬间隔
11.支持向量机：核函数及其本质，常用核函数，支持向量回归，
12.支持向量机：超参数的选择与调优，样本量限制参数
1.大模型推理机制深度解析：Tokenization、上下文窗口、影响模型表现的参数
2.提示词工程的核心：Prompt、Completion、System Message三元组架构
3.常见大语言模型的性能差异与适配策略：语言模型、多模态模型
4.数据上下文的”三次表达”法则：元数据、样本与关系
5.数据分析角色的精准定义：角色光谱、约束输入与输出格式限制
7.大语言模型的本地化选择：Ollama,vllm,sglang等
8.表格数据的上下文压缩：分层抽样上下文，自动数据画像的提示词
9.上下文分块与检索增强生成技术：让数据分析更加专业
10.数据分析提示词设计：描述性统计的提示词，假设检验上下文工程，时间序列分析上下文工程 等等
1.全局变量重要性：置换重要性，基尼重要性，分裂增益重要性
4.SHAP理论基础：博弈论基础与夏普利值，SHAP解释体系的构建
5.高效SHAP的计算：基于树模型的计算方法（TreeSHAP）与模型无关算法（KernelSHAP）
6.特征相关的处理：Conditional SHAP与因果SHAP
1. Tensor基础与创建：张量（Tensor） vs 数组（Array）vs矩阵（Matrix）概念辨析及转换
10.常见神经网络层：线性层、池化层、卷积层与正则化层
1. 什么是氛围编程：定义，适用范围，人机分工的模式
5.代码质量控制：幻觉检测，人机Code Review
1.多层感知机（MLP）：层间连接，深度与宽度权衡，图像数据预处理
2.激活函数深度比较与选择：Sigmoid,Tanh,Relu,ELU,GELU等
3.正则化与优化策略：Dropout机制，批归一化，权重矩阵约束
4.自编码器（AE）：无监督降维与特征提取，编码-解码架构，瓶颈层设计
5.变分自编码器（VAE）：生成模型，变分下界，重参数化，图像的VAE应用
6.卷积神经网络基础：局部感知，卷积的本质，权值共享机制
7.卷积层设计要点：感受野的计算，空洞卷积，分组卷积
8.CNN架构，LeNet，AlexNet，残差学习,ResNet
9.U-Net 架构：上采样，下采样与跳跃连接，U-Net的训练技术
10.U-Net扩展：多输出，物理约束，半监督学习与半监督U-Net
1.RNN：时序展开，随时间反向传播，梯度消失，长期依赖，双向RNN
2.门控循环单元：细胞状态，遗忘门，输入门，输出门
4.注意力机制:自注意力，交叉注意力，全局与局部注意力
5.Transformer：多头自注意力，残差连接与层归一化，位置编码，掩码自注意力与因果建模
6.Swin Transformer：层次视觉与移位窗口
7.生成对抗网络（GAN）：极大极小博弈，生成器，判别器与价值函数
8. ConvLSTM、PredRNN ，SWIN TRANSFORMER等时空预测架构
1. 从Chat到Agent：数据分析范式的跃迁：自主规划，工具调用与记忆
6. 人机回环（Human-in-the-loop）设置
Hermes Agent从私有化部署到智能体自我进化：本地化深度研究助手的构建
1.从静态配置到动态进化：AI Agent能力获取范式的跃迁
3.私有化部署实践：本地模型（Qwen3.5 27B）接入与vLLM优化配置
4.技能蒸馏与自动化编程：从任务执行到Python Skills的生成与优化
5.多后端执行环境配置：Docker、SSH、Singularity的场景化选择
6.子Agent并行策略：任务拆解、隔离执行与结果聚合机制
7.与OpenClaw的协同与迁移：记忆导入、配置互通与分层架构设计
8.知识沉淀的自动化策略：Skills版本控制、冲突解决与长期进化路径
张蒙：15930433986 （微信同步 ） QQ咨询：3566401250
Ai尚研修小课堂海量资源（数据、课件、书籍、视频教程）
联系小编免费领取
4、【数据分享】中国陆地生态系统服务价值空间分布数据集
7、【数据分享】中国30米分辨率坡度数据（免费获取）
10、【数据分享】建筑矢量数据shap，26个省级城市建筑轮廓
11、【数据分享】中国100万地貌类型空间分布数据
12、【数据分享】中国100万植被类型空间分布数据
14、【数据分享】自然保护区边界矢量数据下载（国家级、省级、县市级）
16、【数据分享】全国电子地图SHP数据除了常有的省、市、县、乡的图层信息以外，还包括道路、水系、银行、绿地、高速出入口、医疗机构、餐饮、超市等
19、【数据分享】2020年最新全国城市道路shp矢量数据集（精确到乡道）
1 、【数据分享】中国气象背景数据集：基于全国1915个站点的气象数据
3、【数据分享】MSWEP多源融合降水数据→免费获取
4、【数据分享】CMIP6未来气候变化情景数据之一:历史时期月平均气温数据
5、【数据分享】CMIP6未来气候变化情景数据之二: 历史时期降水数据集
6、【数据分享】CMIP6未来气候变化情景数据之三: 历史时期风速数据集
7、【数据分享】CMIP6未来气候变化情景数据之四：服务于降尺度的实测格点化气温数据集
8、【数据分享】CMIP6未来气候变化情景数据之五：服务于降尺度的实测格点化降水数据集
9、【数据分享】CMIP6未来气候变化情景数据之六：历史时期近地表最高气温数据集
11、【数据分享】CMIP6未来气候变化情景数据之八：历史时期向下短波辐射数据集
土利用数据
2、【数据分享】中国土地利用数据1980-2015 （免费获取）
4、【数据分享】全球1982～2015年逐年长时序动态土地覆盖数据集
6、【数据分享】15省《中国土壤分布》土壤分布矢量数据，含使用说明
7、【数据分享】世界土壤数据库（HWSD）全球土壤数据下载处理
8、【数据分享】AW3D30 DSM（数字地表模型）数据
9、【数据分享】2017年10米分辨率全球地表覆盖数据
4、【数据分享】中国水系数据，包含长江黄河、湖泊、以及一级三级四级五级河流矢量数据
1、【数据分享】中国低碳年鉴2000-2016（免费下载）
2、【数据分享】全Excel！中国科技统计年鉴1991-2019（免费）
3、【数据分享】一个横跨35年的数据，1985-2019中国城市统计年鉴
4、【数据分享】28年《中国工业统计年鉴》免费下载
5、【数据分享】1985-2019年中国农村统计年鉴免费下载！
6、【数据分享】中国农业统计资料1949-2019，免费下载 ！
7、【数据分享】国土资源统计年鉴2005-2017&中国林业统计年鉴1992-2019
8、【数据分享】中国海洋统计年鉴2000-2017（免费）
9、【数据分享】中国环境统计年鉴：1998-2018（免费）
10、【数据分享】《中国文化和旅游统计年鉴》又是一个24年的统计年鉴集合
11、【数据分享】285城空间权重矩阵&中国城乡建设统计年鉴EXCEL
12、【数据分享】中国农村贫困监测报告2008-2019
13、【数据分享】2006-2020《中国卫生统计年鉴》免费下载
14、【数据分享】最新！2000-2020年县域统计年鉴面板数据（免费）
15、【数据资源】全网最全！34个省（市、自治区）2001-2020年统计年鉴（免费）
16、【数据分享】中国城市统计年鉴1985-2020最新为EXCEL格式！
17、【数据分享】海量数据大放送！农村研究数据合集
18、【数据分享】最新EXCEL中国统计年鉴2020+经管教材16本+python学习资源
1、【数据分享】1990-2020年上市公司微观数据
2、【数据分享】中国及省级市场化总指数及方面指数：08-19
3、【数据分享】给实证研究加点料：1990-2019全球治理数据WGI和城市创新创业指数
5、【数据分享】400万！人口迁徙大数据2019-2020
6、【数据分享】科研数据利器之二：中国土地市场网（土地交易数据）
7、【数据共享】1.82G中国工业企业数据库1998-2013
8、【数据分享】208个地级市和31个省、市城乡泰尔指数！
上下滑动查看更多
公众号
声明： 本号旨在传播、传递、交流，对相关文章内容观点保持中立态度。涉及内容如有侵权或其他问题，请与本号联系，第一时间做出撤回。
Ai尚研修丨专注科研领域
技术推广，人才招聘推荐，科研活动服务
科研技术云导师，Easy Scientific Research
夜雨聆风
