“OpenClaw、Hermes+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”

模块二：大模型选型、Token 理解与国产模型应用

1.什么是Token、上下文窗口、输入输出成本

2.如何按任务长度、预算和精度选择模型

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

5.国际模型与国产模型如何协同使用

6.分学科的模型偏好建议（理工/生命科学/医学/人文社科）：哪些模型擅长公式与代码、哪些擅长长文综述、哪些擅长中英文学术润色

7.SCI论文场景下的模型分工：英文表达打磨、专业术语校对、长文连贯性检查、中英文转换的模型选择

案例与产出：

案例：同一科研任务交给不同模型处理并比较效果

产出：《科研任务-模型-Token选型卡》

模块三：OpenClaw配置部署与科研实践应用

1.OpenClaw的定位与适合场景

2.本地安装、目录结构、模型接入、工作目录管理

3.API Key、模型路由、项目上下文管理

4.如何把OpenClaw用成长期科研助手而不是一次性聊天工具

5.“养龙虾”理念在科研中的落地方式

6.如何把课题组的论文库、数据集、写作规范、组会纪要注入OpenClaw上下文，让助手真正“懂你的课题”

7.多课题并行管理：用OpenClaw的项目级目录隔离不同研究方向，避免上下文污染、引用错乱

案例与产出：

案例：完成OpenClaw和Hermes初始化与一个科研项目目录配置

产出：一份个人OpenClaw科研环境检查清单

模块四：Vibe Coding在科研编程中的实践

1.什么是Vibe Coding

2.科研人员如何用自然语言驱动代码生成、调试和重构

3.如何清楚描述输入、输出、约束和验证标准

4.如何避免“代码能跑但结果不可靠”

5.科研编程中的验真与复现意识

6.学术绘图复现：从论文图反推matplotlib/seaborn/ggplot2绘图代码，并适配自己的实验数据

案例与产出：

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科研应用

1.VS Code的科研工作流兼容性

2.Codex的终端协作与文件级执行能力

3.Claude Code的长上下文与重构能力

4.如何按科研任务类型选择合适的Agent编程工具

5.Agent工具在科研代码评审、论文实验复现、Bug定位中的取舍：哪一类用Codex，哪一类用Claude Code

6.如何用Agent工具完成开源科研项目的fork、改造与本地化部署，把别人的代码真正用到自己的课题里

案例与产出：

案例：同一代码任务分别用不同Agent工具演示

产出：《科研Agent编程工具对比表》

模块六：SKILL封装，让常用科研动作可复用

1.什么是SKILL，为什么它是科研提效关键

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

4.Skill的维护与团队共享方式

5.高频科研Skill建议库：实验记录Skill、组会汇报Skill、文献精读摘要Skill、研究假设生成Skill、统计方法选择Skill、文献对比矩阵Skill

6.课题组Skill版本管理与共享：让全组共用同一套科研Skill，新成员入组就能直接接手研究流程

案例与产出：

案例：编写“论文精读摘要”Skill和“科研绘图诊断”Skill

产出：2个科研Skill初稿

模块七：MCP扩展，让OpenClaw接入外部工具

1.什么是MCP，为什么它对Agent很关键

2.MCP与普通聊天工具的区别

3.科研常见MCP场景：文件、论文库、Zotero、Git、表格、知识库

4.Skill与MCP的协作关系

5.MCP接入Zotero/EndNote打通文献库，实现「问一句话→自动检索相关文献→批量精读→生成对比表」

6.MCP接入arXiv/PubMed/Google Scholar，每日自动拉取相关领域最新论文并生成简报，避免错过领域动态

7.MCP接入实验数据库与Git仓库，让Agent直接操作课题数据、提交代码版本、追溯实验记录

案例与产出：

案例：设计一个科研知识管理或文档处理型 MCP 工作流

产出：《科研MCP接入蓝图》

模块八：数据云端存储、快速下载与科研可视化

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

2.如何建立“云端存储+本地缓存+版本留痕”机制

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

5.从原始数据到论文图的最短路径设计

6.主流公开科研数据库的批量下载与缓存策略：GEO/SRA/TCGA/UK Biobank/ImageNet/Kaggle/HuggingFace

7.实验数据从原始记录到论文图的可追溯流程：让审稿人也能用同一份代码与数据复现你的图

案例与产出：

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

模块九：多模型论文写作自动化工作流

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

4.如何降低幻觉、保证引用与事实一致性

5.多模型串联下的论文写作自动化框架

6.课题组写作风格知识库：把历史发表论文、成功投稿稿件、过往审稿意见沉淀到本地知识库，Claude Code可直接读取调用，让新论文从第一段起就有课题组味道

7.多课题并行的论文写作流水线管理Claude Code的Memory/Subagents分层，让导师/学生/合作者推进多篇论文而互不污染上下文

案例与产出：

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