夜雨聆风
《管理世界》AI 工作坊
AI赋能社会科学研究实战培训
从Chatbot到AI Agent
前言
为赋能社会科学研究者适配科研范式转型、提升学术能力，《管理世界》经济研究院联合国研网推出“《管理世界》AI 工作坊”系列培训课程，旨在帮助广大科研工作者系统掌握AI辅助科研的前沿工具与实战方法。本次工作坊聚焦从Chatbot到AI Agent，由认知框架到项目实战，提供一套打通“数据分析-文献综述-成果展示”研究全流程的 AI 赋能指南。
（一）
时间与培训形式
时间：
2026年7月3日 （周五）先导课
19:00-20:00
线上实操环境配置与答疑
2026年7月4日 （周六）正式课
9:00-12:00，14:00-17:00
培训形式：全程直播
小鹅通平台，支持 1 个月无限次回放
日程总览：
（二）
课程内容
1、专家介绍
郑思尧，上海交通大学国际与公共事务学院助理教授，上海市浦江学者、晨光学者。清华大学政治学系博士，哈佛大学政府系联合培养，获北京市优秀毕业生、清华大学优秀博士论文北京大学优秀毕业生、王惠岩优秀博士论文提名奖等多项荣誉。
研究方向聚焦信息政治学、计算政治学与 AI4SocialScience 领域，以第一作者在Journal of Contemporary China、《政治学研究》等国内外顶刊发表多篇论文，成果被《中国社会科学文摘》等权威平台收录。长期主讲 AI 赋能社科研究系列课程，发起 “计算政治学 Community”、“政知坊・问计” 等知名学术社群，拥有丰富的一线教学与实战经验。
T
2、培训核心产出
✅ 认知重构：清晰区分“对话式 AI”与“研究 Agent”的本质差异，建立以 Harness（Memory / Skills / MCP / Hooks）为核心的 Agent 使用框架。
✅ 数据分析提效：用自然语言驱动 Agent 完成从原始数据清洗、计量识别（如DID)到结果可视化的完整分析链路，并配套自动核查机制。
✅ 学术写作伙伴搭建：搭建以Zotero文献库为知识底座、以Agent为执行引擎的学术写作全流程智能伙伴，覆盖从文献综述、稿件撰写到审稿回应的端到端辅助。
✅ 展示能力升级：将一套分析结果一键适配为期刊图表、会议Slides与教学讲义等多种展示形态，并保持视觉风格一致。
3、培训须知
本次培训全程包含实操环节，请学员自备电脑。详细的软件安装指南将于开课前发送至报名预留邮箱，请务必准时参加7月3日晚的线上先导课，完成环境配置与基础调试。
（三）
报名缴费
01
收费标准
早鸟价
999 元 / 人
（2026年6月20日前含当日报名缴费）
标准价
1299 元 / 人
（2026年6月21日后含当日报名缴费）
在以上价格的基础上，一次性报名：
3人及以上9折
5人及以上8.5折
10人及以上8折
具体请联系：王老师 13051012239
02
缴费渠道
以下缴费方式，均请备注“AI工作坊+姓名+单位”，并在报名表中准确填写发票抬头、纳税人识别号、电子邮箱和手机号。
1
扫码支付
（支持支付宝扫码缴费）
2
进入《管理世界》大讲堂购买
《管理世界》AI 工作坊||AI赋能社会科学研究实战培训（从Chatbot到AI Agent）
3
对公转账
账户名称：《管理世界》经济研究院有限责任公司
开户行：中国工商银行北京和平里北街支行
银行账户：
0200203009200061444
03
发票事宜
缴费成功且课程结束后10个工作日内，由《管理世界》经济研究院统一开具“培训服务费”电子发票，并发送至报名时预留的电子邮箱，如需开具“会议费”电子发票请提前备注。
04
报名方式
扫描课程专属二维码填写报名表，
完成缴费后即报名成功。
（四）
结业证书
学员按要求完成全部课程学习后，由《管理世界》经济研究院与国研网联合颁发电子版结业证书，证书中注明课程名称及学时，以电子邮箱方式发送。
（五）
联系方式
联系人：
苏老师 17710769698（微信同号）
王老师 13051012239（微信同号）
附件
课程大纲
先导课主要内容
概要 工作坊正式课程将全程使用 AI Agent 工具完成数据处理、计量分析与学术写作的实操演练，希望各位学员能在开课前装好软件、配置好账号。本先导课帮助学员在1小时内完成工具安装、理解 AI Agent 与传统对话式 AI 的差异，并通过几个串联的小演示——读入数据生成描述统计、跑一段固定效应回归、修订一段研究方法描述——直观感受 AI Agent 如何承担「读文件—跑代码—出结果—迭代修订」的完整研究流程，为正式课程从「使用 AI」过渡到「指挥 AI 完成研究」做好铺垫。
主要内容：
第一部分:安装与配置 (25分钟)
AI Agent 命令行工具的定位与选型。
完整工具链：AI 本体 + 编辑器(VS Code) + Python 运行环境(uv) + 版本控制(Git)。
现场演示：从零启动、账号登录、界面介绍、常见报错排查。
配套教程：《工具链安装速查手册》。
第二部分: AI Agent基本功能(30分钟)
启动与基本交互:在项目目录下唤起 AI Agent,使用自然语言下达任务。
文件读写：让 AI 读取本地数据、代码、论文,并直接修改或新建文件。
命令执行：让 AI 在终端中跑 R、Python、Shell,自动获取输出并据此迭代。
Skills 技能调用：加载预制的研究技能(如计量分析、学术写作、文献检索)。
常用 Slash 命令：
/init、/clear、/compact、/agents 等高频操作。
权限与计划模式：在执行高风险操作前先看 AI 的计划,确认后再放行。
现场小演练：用一句话让 AI Agent读入数据并生成描述统计。
第三部分:答疑(5分钟)
集中解决安装与首次使用中遇到的问题。
重点照顾 Windows 用户与不熟悉命令行的学员。
正式课主要内容：
M1
研究范式转变 + Agent
与 Harness 基础（80分钟）
AI 正在改变学术研究的工作方式，但许多研究者仍困惑：跟 ChatGPT 聊天和真正用 Agent 做研究，差距究竟在哪里？同一个底层模型，为什么有的工具用起来像研究助手、有的只是高级搜索框？本模块帮助学员建立清晰的认知框架，理解 Agent 与对话式 AI 的本质区别——前者能自主读取数据、规划步骤、执行代码、读到报错后自我修复；后者只是「你问一句、它答一句」。同时讲清楚 Harness 这一概念——Agent 本体只是推理引擎，真正决定它能不能成为研究助手的是它配套的 Harness：Memory（项目记忆）、Skills（可复用能力）、MCP（外部连接）、Hooks（自动触发）。Harness 是后三节所有应用场景的共同基础，本节用约30分钟过完概念与一次完整演示。
主要内容：
AI 能力的三次跃迁：从「会写文字」到「会推理」再到「会自主执行任务」。
Agent vs 对话式 AI 的本质区别：能读文件、跑代码、自我修复、管理整个研究项目。
Harness 四件套速览：Memory 记住你 / Skills 复用你 / MCP 连接你 / Hooks 守护你——后三节会反复用到的基础概念。
研究者新角色：从写代码到「描述需求、设计核查机制」，核心技能从语法转向任务结构化表达。
如何验证 Agent 输出：什么可以信任，什么必须手工核查——贯穿全天的核心原则。
主流研究 Agent 横向对比：关注各家工具对 Harness 四件套的支持成熟度，讲师将基于此推荐当前最适合实证研究的 Agent。
现场演示：
一次完整的研究小任务：观察 Agent 如何调用 Memory（读项目背景）→ 触发 Skill（计量分析）→ 走 MCP（取数据）→ 触发 Hook（自动核查），把 Harness 四件套在一次任务中协同展示给学员看。
M2
数据与分析：从原始材料到研究证据（80分钟）
实证研究中最耗时但最少被讨论的环节，是从「拿到原始材料」到「形成可用证据」的过程——无论这个材料是 CSMAR 面板、年报文本、企业访谈记录还是政府公告。本模块不限于计量回归，覆盖管理学与经济学常用的多种分析路径：数据清洗与跨库合并、文本分析与主题提取、案例对比研究、计量识别与稳健性检验、结果可视化。重点是让学员看到——同一个 Agent，配置不同的 Skill 与 MCP，就能在不同分析路径上提供差异化的支持。研究者真正要做的，是把研究问题描述清楚，并设计好核查机制。
主要内容：
数据获取与整合：CSMAR/Wind 跨库合并、统计年鉴批量抽取、企业公告与年报结构化。
非结构化文本处理：从访谈记录、政策文本、社交媒体抓取主题与情感，生成结构化变量。
数据清洗：宽长格式转换、变量重命名、缺失值处理、winsorize、模糊匹配——自然语言一句话描述需求。
计量分析路径：OLS / DiD / IV / RD / 合成控制——重点不在方法本身，而在结构化描述研究设计 + 核查清单。
非计量路径：案例对比研究、定性资料编码、扎根理论分析——管理学研究中同样高频的应用。
结果可视化：事件研究图、系数对比图、边际效应图、地图——配色与排版直接达到期刊投稿标准。
核查机制：用 Hooks 把样本量、固定效应、变量编码、标准误范围的核查写成自动校验。
现场演示：
一句话 DID：从描述设定到生成代码、跑出结果、自动核查、输出三联图。
文本分析示例：让 Agent 从年报中提取「数字化转型」相关段落并量化。
M3
文献、写作与学术沟通
（80分钟）
研究流程的另一半同样耗时——读文献、写论文、改论文、回审稿人、写求职信、写基金申报书。本模块演示 Agent 如何成为「学术写作伙伴」：从文献库出发自动梳理研究脉络，按目标期刊风格生成研究综述与理论框架，对自己的稿件做结构化润色与引用核查，按审稿意见逐条生成回应稿，以及辅助学术服务工作（同行评议、推荐信、研究项目协调）。重点是建立一种新的写作工作流——研究者负责判断与立场，Agent 负责文字、结构与核对。
主要内容：
文献综述与跟踪：把 Zotero / 万方 / Google Scholar 通过 MCP 接入 Agent，让它读你的文献库。
从一段研究假设到一份结构化综述：Agent 自动梳理理论脉络、寻找空白、给出引用建议。
稿件润色与结构化重写：按目标期刊风格调整论证密度、术语统一、引文格式。
Response Letter：把审稿意见整理成结构化清单，逐条生成回应初稿。
学术服务辅助：同行评议初评、基金申报书结构搭建、合作研究沟通。
学术写作中的 Guardrails：检测潜在抄袭、引用一致性、术语统一性。
现场演示：
装上 Zotero MCP，让 Agent 自动读取文献库，按一段研究假设生成结构化文献综述初稿。
把一段不太通顺的 Methods 段落，按目标期刊风格重写并核查引用一致性。
M4
学术展示与综合实战 + 答疑
（80分钟）
学术工作的最后一公里是「让别人看见」——同行评议中的图表、学术会议中的 Slides、申报材料中的排版，甚至面向学生的教学讲义与课件，本质上都是同一件事：把研究成果转化为受众可消化的展示形式。本模块演示 Agent 如何把一套分析结果一键转化为多种展示形态：论文级三联图、宽屏会议 Slides、教学讲义、视频脚本等。最后用一次端到端综合实战把全天内容打通，并以 20 分钟答疑讨论收尾。
主要内容 （学术展示）：
论文级可视化迭代：给 Agent描述你的数据，自动生成 + 迭代到满意。
从数据到 Slides：把回归结果、图表、文字结论整合为学术汇报 Slides——reveal.js HTML 或 PPT。
多场景适配：同一套分析结果快速切换为论文多面板组合图、会议宽屏 Slides、申报书表格。
风格一致性：定义一次视觉规范（配色、字体、布局），Agent 后续所有输出自动统一。
综合实战：
端到端演示：Memory 加载项目背景 → MCP 连 Zotero 取文献 → Skill 跑 DID + 文本分析 → Hook 自动核查 → 输出三联图 + 一份会议 Slides 初稿。
开源研究 Agent 框架介绍：海内外学者已开源的实证研究 Agent 框架，可直接 fork 使用。
互动答疑（20分钟）：
研究 Agent 哪些环节真正有价值？哪些输出必须手工核查？
在各自的研究领域，应该最先把 Agent 用在哪个环节？
中国研究情境下的适用边界：数据保密、模型访问、结果可复现性。
