快来培养自己的专业AI员工--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

科研新范式vs旧范式：

旧范式：一个人写→同一个人改→AI只用来润色英文→审稿意见自己消化→上下文断了就重来，整个过程全手动执行。新范式：数据→写作依据文件→ AI生成可追踪初稿→独立AI担任审稿人→逐轮提分→投稿材料包，全程文件可复查、可审计、可复现——科研人员从"写论文的体力劳动者"升级为"科研工作流的设计者与最终责任人"。

从润色段落→审查数据链：

旧范式让AI改英文，结果是漂亮文字掩盖结果不足；新范式先把数据、统计、图表、文献和核心claim整理成可追溯的写作依据文件，再生成论文——从根上避免 Discussion泛泛而谈、引用缺口、数字不齐、claim 越界。

双 AI 分工≠一个写一个润色：Claude Code把分析结果写成可追踪初稿，Codex CLI在独立子进程里独立扮演审稿人——专查overclaim、统计缺口、图表不支撑结论、引用缺失。两者只通过draft.md/review_round_N.md文件交换信息，跨进程独立review打破单AI自查盲区，形成真实的"投稿前测试"。

论文总体结构参考高水平综合期刊（Science / Nature 等）常见叙事结构，具体格式按目标期刊调整：

训练"问题→空白→方法→数据→边界"的科研叙事：Title→Abstract（broad significance第一句）→Intro（知识空白与本文贡献）→Results（每个数字配effect size+95%CI+n+检验+精确p）→ Discussion（机制、对比、局限性）→ Methods→Figures（每图服务一个核心claim）→ References（DOI人工核验，篇数按目标期刊调整）。

科研合规与人工责任边界+跨学科可迁移：AI不替代作者判断、不署名、不自动生成未经核验的引用；全程留下draft/review/revision/score_history/citations_todo/claim校准/prompt日志，构成可审计的科研写作档案。学科迁移按"数据形态"匹配——只要能整理出数据+分析脚本+统计结果 + 图表+核心结论，流程即可迁移。