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：1.科研写作与论文生产流程
2.实验与科研数据分析
3.文献管理与知识体系构建
4.科研绘图与学术级可视化表达
5.多模型协作的创新型科研思考
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
11.Codex/HyperFrames代码化生成科研视频：自动完成脚本、分镜、字幕、旁白、时间线、排版检查与MP4渲染
12.Codex生成3D科研、教学图片。
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.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《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
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1、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）7.结合Python编程，生成机器学习算法并处理高质量科研数据1）任务：上传一份真实实验数据（CSV/Excel）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）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”第五章、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2、API调用Gemini/Nano Banana3、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。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）
案例7：
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
第八章、多模型圆桌科研系统：用 AI进行真正的科研头脑风暴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8：
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」
第九章、科研自动化与智能化工作流：N8N × LLM 构建高效科研系统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
实战案例
案例9：
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
第十章、Open Claw与Agent Skill进阶——构建自主式写作智能体5、写作指南 (Writing Guide) 建立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。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×Codex/HyperFrames视频生产与科研科普自动化
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Codex/HyperFrames科研视频自动化模板
夜雨聆风
