ARTICLE · 1238194
AI 辅助科研:工具、方法与规范
——从大语言模型到自主智能体的实践与思考
这是我 2026 年 10 月做的报告的 PPT，主要讲我在使用 AI 辅助科研过程中的一点心得体会。下面把全部 80 页幻灯片按顺序贴出，文字部分只作引导，细节都在图里。
图 01 · 封面
图 02 · 报告提纲
引言：先交代背景
开场几页是背景。我 2023 年前后开始把 AI 放进日常工作，起初只是查文献、润色句子，后来变成写代码、跑数据、整理综述。真正改变工作方式的不是模型变大，而是 2025 年以后出现的 Agent，它能自己调工具、读文件，把一整套流程跑完。
第 5 页把工具按角色分成三类：助手、导师、合作者。这个分法不严格，但比按功能列清单有用，因为同一个工具在不同任务里会换角色，要紧的是知道自己此刻需要哪一类。
第 8 页那三条原则是全篇的地基。后面八部分都是它的展开，也是它的压力测试。
图 04 · 我何时开始用 AI 做科研
图 05 · AI 辅助科研的三种角色
图 06 · 我的 AI 工具组合总览
图 07 · OpenCode：我短暂使用过的编程 Agent
图 08 · 贯穿始终的一条原则
一、大语言模型的基础应用
所有 Agent 都建在大模型上，所以先讲模型本身。这部分跳过原理，只讲我实际用它做的四件事：课题调研、论文写作、备课，以及撞了墙怎么办。
第 16 页讲局限。知识有截止点、算术不稳、参考文献会编——这些不是偶发故障，是结构性的。知道边界在哪，比知道能力在哪更要紧。
图 10 · 大语言模型是什么
图 11 · XSimple：大语言模型统一接入工具
图 12 · 聊天式沟通：一种新的工作方式
图 13 · AI 辅助课题调研：四个层次
图 14 · AI 辅助论文写作：从「改写」到「合作」
图 15 · 协助备课：用 LaTeX Beamer 做课件
图 16 · 大语言模型的实际局限
二、WorkBuddy + IMA 知识库
通用模型不知道我在做什么。让它给建议，经常是通识课水平。我的办法不是换更贵的模型，而是把资料先沉淀下来：文献、笔记、旧稿子全部进 IMA 知识库，再用 WorkBuddy 的技能系统把它调起来。
第 27 页是一个写公众号的完整实例，从素材到成稿走了四轮。哪一步 AI 帮上忙、哪一步越帮越乱，那一页写得很具体。
图 18 · 从「通用 AI」到「懂你的 AI」
图 19 · IMA 知识库：你的数字大脑
图 20 · IMA 知识库：组织、检索与 Copilot
图 21 · IMA 知识库：收集内容的两种方式
图 22 · WorkBuddy：不只是聊天窗口
图 23 · WorkBuddy 的安装
图 24 · WorkBuddy 专属 Skills 技能系统
图 25 · WorkBuddy + IMA 打通：形成闭环
图 26 · 日常科研中的具体应用
图 27 · 实例：用 WorkBuddy 写公众号文章
图 28 · 使用中的四点感受
三、Hermes 智能体
WorkBuddy 更像随叫随到的助手，用完就关。Hermes 是另一条路：常驻的智能体，有自己的记忆、技能、角色配置和命令系统。
我觉得最值得看的是 SOUL.md 和 Profile 两页。前者决定它怎么说话、怎么判断，后者让同一个 Hermes 在不同项目里换人格。这两件事决定了它到底是「工具」还是「同事」。
图 30 · Hermes 是什么
图 31 · Hermes 安装与配置模型
图 32 · SOUL.md：定义智能体的「灵魂」
图 33 · Skills：让 Hermes 越用越聪明
图 34 · Profile：一个 Hermes，多种角色
图 35 · 命令系统（一）：/goal 持续目标
图 36 · 命令系统（二）：/steer 与 /queue
图 37 · 命令系统（三）：/learn 工作流固化
图 38 · 命令系统（四）：/moa 多模型合议
图 39 · 我的使用习惯：记录 + LaTeX 报告
图 40 · Kanban 看板：多智能体协作
图 41 · Hermes 的核心特点
图 42 · 飞书 / 微信接入：移动办公
图 43 · Hermes 与 WorkBuddy：两种思路
四、DeepSeek Harness
2026 年 8 月开源的框架，9 月底出了桌面版，我用了一个多月，还在摸索过程中，希望后面可以进一步更新使用体会。
图 45 · DeepSeek Harness：我正在使用的新工具
图 46 · 官方入口：从哪里拿（先认准域名）
图 47 · 路线一：命令行与浏览器版（一条命令）
图 48 · 路线一的延伸：源码、SDK 与插件
图 49 · 路线二：桌面版（开箱即用）
图 50 · 桌面版独有的六个行为差异
图 51 · 四种预设模式（Presets）
图 52 · 插件生态：让 Agent 自己写插件
图 53 · 使用实例（一）：生物数学前沿研讨会综述
图 54 · 使用实例（二）：其他典型用法
图 55 · 注意事项与边界
五、三款 Agent 的对比与分工
这部分给两张表对三种Agent进行比较：横向比较和场景矩阵，结论是接力而非替代——同一个任务的不同阶段，适合的工具并不相同。
如果只想选一个，第 62 页有我的建议，先看你的主要任务是写作、是自动化，还是改代码。
图 57 · 三款 Agent 的基本定位
图 58 · 三款工具横向比较
图 59 · 各种场景下的使用比较（一）
图 60 · 各种场景下的使用比较（二）
图 61 · 如何综合使用这三款 Agent
图 62 · 给起步者的建议
六、AI 辅助学术论文审稿
是否可以用 AI 进行论文审稿？适合使用？我做了一些尝试。关键不是能否用，而是如何用。2026 年下半年我做了个实验：让 AI 独立筛查 1000 篇 arXiv 论文，只给摘要，要求分级，然后我把可疑的 191 篇调出全文自己重筛一遍。
结果在第 69 页。摘要层判为 major 的 27 篇里，能取到全文的 23 篇，一篇都没站住。这个结果不是否定 AI——它在筛选上省了我很多时间——而是说明它能分流、不能裁决。第 71 页那三条边界，是这次实验里最实的收获。
图 64 · 让 AI 学会我的学术品味
图 65 · 人在环内：讨论而非代劳
图 66 · AI 起草，我定稿
图 67 · 学术审稿专家
图 68 · 实例：1000 篇 arXiv 论文的独立筛查
图 69 · 1000 篇筛查结果
图 70 · 个案举例
图 71 · 三点必须说清的边界
七、学术规范与边界
期刊政策这两年也在随着 AI 的发展发生变化。Nature、Science 都写明：AI 不能列为作者，使用必须声明；国内多所高校也发了规定，总原则是 AI 可作工具，但不能替代核心判断。这部分把政策、可以做与不可以做的清单、我自己的四条原则放在一起，方便对照着用。
图 73 · 国际学术界的共识
图 74 · 可以做的 / 不可以做的
图 75 · 我的四条原则
八、总结
最后总结：三层工具栈、怎么给任务配模型和 Agent。
图 77 · 总结：我的 AI 辅助科研框架
图 78 · 如何灵活匹配大模型与 AI Agent
图 79 · 工具在变，用好工具的人不变
图 80 · Q & A
写在最后
以上是报告的全部 80 页。幻灯片字比较密，手机上大概需要点开图放大看。
报告用 XeLaTeX + Beamer 写成。文中提到的工具、网址、命令都是 2026 年 10 月的状态。AI 的发展很快，变化也快，建议大家在动手之前先看官网。
2026 年 10 月
