AI-Agent2.0驱动的科研全链路实战 !6大AI神器组队上岗,从读文献到出视频全搞定

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”

第二章  GPT5.6 SOL + 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

核心内容：

1.LLM自动生成复杂公式

2.科研数据清洗与异常检测

3.统计结果自动解读与文字化

4.Excel→论文结果段落自动生成

5.生成python语言绘图excel相关数据

6.LLM分析数据质量是否能用于科研

案例2：

1）上传实验数据→LLM自动完成：

统计分析

图表生成思路

2）结课成果：

一套「Excel+LLM数据分析模板」

通过大语言模型生成数据统计图

第三章   Gemini3.5× NotebookLM科研资料整合与知识学习

让NotebookLM成为“基于真实资料回答”的科研学习与研究助手，并与通用LLM形成互补。

核心内容：

1. NotebookLM的界面、基本设置与科研使用逻辑

2. PDF、Word、PPT、网页、音视频等资料的导入与来源管理

3. 基于资料进行总结、问答、对比，并回查原始出处

4. 生成学习指南、FAQ、思维导图、测验与音频/视频概览

5. NotebookLM与ChatGPT、Claude等通用LLM的任务分工

6. 使用NotebookLM在48小时内学习一门课程或掌握一组知识点

案例3：

1）导入课程资料或课题材料，构建知识树、重点问答与复习计划。

2）结课成果：

一个可复用的NotebookLM科研/学习笔记本

一份带来源回查路径的快速学习方案

第四章  Codex × NotebookLM × Zotero联合使用：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

核心内容：

1.Zotero高效文献管理

批量PDF智能总结

Zotero的配置和安装

跨文献研究脉络分析

为论文写作提供引用建议

2.NotebookLM：文献级科研推理中枢

为什么NotebookLM是文献管理的“第二大脑”

所有分析基于你上传的PDF

每一个结论都可追溯到具体文献段落

NotebookLM的科研优势

自动跨文献对比观点

自动识别共识/分歧/演化路径

自动生成带引用标注的研究总结

与ChatGPT/Claude的根本差异

任务 更适合工具

自由发散想法 ChatGPT/Claude

严谨综述、引用分析 NotebookLM

审稿级逻辑核查 NotebookLM

3.防止“AI文献幻觉”的系统方法

为什么“直接让 LLM 总结文献”是高风险行为

NotebookLM如何从机制上避免虚假引用

科研可信度的三层防线

原始PDF（事实层）

NotebookLM（推理层）

LLM（表达层）

案例4：

1）任务：导入20篇某研究领域核心论文

2）系统自动完成：

3）Zotero：文献分类与标注

4）NotebookLM 自动输出：

研究脉络（含引用出处）

主流方法对比表

当前研究空白（有证据支撑）

5）LLM（ChatGPT/Claude）：

6）将分析结果转化为：

文献综述草稿

引言逻辑段

第五章  科研Agent工具全景：Codex、OpenClaw、Hermes、Cursor与Claude Code

从“让AI回答问题”进阶到“让Agent进入文件、代码和流程完成任务”。

核心内容：

1. Agent的基本组成：目标、上下文、工具、记忆、执行循环与验收

2. Codex：代码、数据、文档与工程化科研产物的生成、修改和验证

3. Cursor：在编辑器与代码库上下文中完成多文件任务

4. Claude Code：通过终端和项目文件执行科研编程与文档任务

5. OpenClaw：个人AI助手、多步骤任务编排与多通道使用

6. Hermes：面向研究、写作和项目任务的记忆、工具与技能复用

7. 五类Agent的适用场景、协作方式与选型策略

8. 权限最小化、密钥保护、操作审批、日志与可回滚

案例5：

1）使用同一科研任务对比五类Agent的入口、执行能力与交付物。

2）结课成果：

一份《科研Agent工具选型矩阵》

一套适合个人研究方向的Agent工具栈方案

第六章  Agent执行底座：Skills、MCP与CLI的使用

把一次性提示词升级为可复用技能，把外部数据与工具稳定接入Agent。

核心内容：

1. Agent Skills：将科研SOP、写作指南与审稿清单封装为可复用能力

2. Skill的输入、步骤、约束、输出与验收标准

3. MCP基础：Client、Server、Tools、Resources与Prompts

4. 通过MCP连接资料库、代码仓库、数据库与其他外部系统

5. CLI基础：路径、文件、参数、环境变量、标准输入/输出与退出码

6. 使用命令行、JSON和批处理构建可复现科研流程

7. Skills、MCP与CLI协同：定义方法、连接工具、稳定执行与结果验证

8. 凭据隔离、最小权限、危险操作审批与常见错误排查

案例6：

1）将“论文方法复核”封装为Skill，并接入一个MCP/CLI工具完成执行。

2）结课成果：

一个可复用的科研Agent Skill

一份MCP配置示例与CLI执行排错清单

第七章  Codex × 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

让会写代码的人，用Codex进入10×效率区间

核心内容：

1.Python是科研的“发动机”，LLM是科研的“驾驶系统”

你只负责：提出研究问题，判断结果是否合理

AI负责：写代码，改代码，查Bug，重构流程，核心内容

2.科研人员应该如何“正确使用Python”

3.为什么Excel只能解决30%的科研数据问题

4.哪些科研任务必须用Python

大规模数据

重复实验分析

复杂统计与建模（如何使用机器学习方法处理数据，包括分类和回归方向）

5.Python在科研中的真实定位：

不是“编程语言”，而是科研流程自动化工具

6.LLM自动生成科研级Python代码

7.结合Python编程，生成机器学习算法并处理高质量科研数据

包括：

1）用科研语言描述问题→自动生成：

数据读取、清洗、统计分析、可视化

从「实验设计描述」直接生成Python分析脚本

2）自动补全：

pandas

numpy

scipy

statsmodels

matplotlib/seaborn

案例7：

1）任务：上传一份真实实验数据（CSV/Excel）

2）系统自动完成：

LLM生成 Python分析脚本

自动完成统计分析

自动生成科研级图表

自动输出Results段落初稿

3）结课成果：

一个可复现Python脚本

一段可直接写进论文的结果描述

一张可直接用于论文的图（结合LLM生成可用于全球统计分布结果图）

把论文写作变成“流程”

核心内容：

1.Latex语言的应用

2.Overleaf科研写作规范

3.Prism生成论文结构

4.分章节生成论文初稿

5.Open AI Prism如何助力科研写作

案例8：

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。

第九章  Image2.0，Nano Banana从论文示意图到学术汇报 图

不会画图，也能做 Nature和Science级科研表达

核心内容：

1.科研图像的设计逻辑

2.API调用Gemini/Nano Banana/Image2.0

3.如何通过Gemini/Nano Banana/Image2.0和NotebookLM生成系列的PPT和信息概念图，科研机制图。

4.如何通过Google Slide结合Nano banana处理AI生成科研图细节错误

5.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）

6.利用NotebookLM生成学术汇报级Video和音频文件

7.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

案例9：

1）Codex生成3D科研、教学图片

输入论文方法描述→自动生成：

通过Prompt提示词优化Nature和Science原图

批量生产高质量科研示意图

汇报用动画视频

2）结课成果：

一套论文插图+汇报Video

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）

第十章  Seedance 2.0×Image2.0/HyperFrames/Remotion视频生产与科研科普自动化

科研科普视频的“内容结构模板”

核心内容：

1.Seedance 2.0的“科研视频可控生成”关键概念

2.用 Seedance 2.0自动化生成科研科普视频：标准工作流

案例10-1：

1）输入：一篇论文（PDF）或一段科研报告

2）输出：一个60–90秒的竖屏科普视频（9:16），包含：

讲解员（可选）、机制动画

结果对比图、字幕 + 配音

3）实操流程：

资料准备：论文PDF+你自己写的5行要点（可选）

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）

Codex/HyperFrames代码化生成科研视频：标准工作流

Codex：根据论文内容自动生成脚本、分镜、字幕、旁白稿和素材清单

HyperFrames：将分镜写成HTML/GSAP时间线，自动完成排版检查、关键帧抽检与MP4渲染

Seedance + Codex/HyperFrames双路径：Seedance负责视觉镜头生成，Codex/HyperFrames负责可控剪辑、字幕、配音、转场与工程化复用

案例10-2：

1）输入论文PDF或项目汇报材料→自动生成60–90秒科研科普视频源工程和MP4成片

2）结课成果：

Codex/HyperFrames科研视频自动化模板

第十一章  Odysseus + Ollama：本地部署LLM与私有科研Agent，构建专属智能助手

保护科研IDEA，构建专属AI助手

核心内容：

1.Ollama部署LLAMA/DeepSeek

2.本地模型性能优化

3.RAG构建个人知识库

4.微调vs RAG的选择策略

5.Open WenUI本地部署，

6.如何结合Zotero和Open WenUI搭建本地知识系统

7.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）

8.Odysseus本地ChatGPT工作台安装与配置：账号、模型端点、默认模型与浏览器访问

9.如何结合Zotero、PDF文献和Odysseus搭建本地知识系统

案例11：

1）本地部署DeepSeek→构建：

专属科研问答系统

私有文献分析Agent

2）结课成果：

一个私有科研AI Agent

第十二章  多模型圆桌科研系统：用 AI进行真正的科研头脑风暴

用AI进行真正的科研头脑风暴

核心内容：

1.多LLM分工机制

2.批判型/创新型Agent设计

3.自动迭代研究方案

4.模型的能力越强，Idea的创意更好

案例12：

1）ChatGPT+Claude→自动进行多轮讨论，生成创新研究方向。

2）结课成果：

一份「可投稿级研究IDEA说明书」

第十三章  科研自动化与智能化工作流：N8N × DeepSeek 构建高效科研系统

实现“科研自动化”

核心内容：

1.N8N基础与部署

2.多软件自动联动

3.多模型优势整合

4.全流程科研自动化设计

5.整合Google工作系统流

案例13：

1）构建一个完整系统：

2）通过DeepSeek创建全自动科研文献搜索总结系统

3）结课成果：

一套可长期使用的科研文献搜索总结自动化系统

第十四章  Codex与Claude code Agent Skill进阶——构建自主式写作智能体

实现自助式写作智能体

核心内容：

1.Codex核心机制

2.Claude Code的使用

3.Agent Skill技能封装

4.本地化环境搭建

5.写作指南 (Writing Guide) 建立

案例14：

1）构建自助式写作智能体 

2）任务描述：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。

3）结课成果：

自动化流水线：无需人工干预，系统自动运行。

高价值摘要：可结合知识库一起使用

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。

会员专享

如何成为会员：

1.凡参加Ai尚研修收费课程即为会员；2.充值5000元即可成为会员(费用直接使用)。

会员特权：

1.参加直播、视频课程费用累积进行折扣，享8.5折-7.5折   (一阶会员8.5折，高阶会员8折，尊享会员7.5折)；2.参与课程组织与报名，推荐者可获得课程5%推荐现金；3.免费享受Ai尚研修会议平台中“会员免费”视频教程；4.长期免费参与针对各领域简学实用公开课（无门槛）；5.免费参与开设的导师面对面线上答疑交流；6.Ai尚研修资源站分享中数据免费下载。