夜雨聆风前两天我简单回顾了一下 AI 辅助研究这个领域到底发展到什么程度了。（见前文：AI 自动化研究，到底已经发展到哪一步了？）
昨天又读到上海财经大学陶学臻老师的报告《AI 时代的研究范式：从模型能力到工作流设计》。读完之后，我的一个感受是：这基本确证了我最近对这个领域前沿的理解——AI 辅助研究的重点，正在从“模型能力”转向“工作流设计”。
也就是说，问题已经不只是“哪个大模型更强”，而是：研究者如何把 AI 放进真实的研究流程里，让它参与文献阅读、想法生成、数据分析、代码执行、结果检查、论文写作与反复迭代。
一、复旦这场工作坊，基本浓缩了当前前沿议题
在写这篇文章之前，我又简单做了一点检索。最值得注意的是，复旦大学管理学院在 2026 年 4 月 28 日举办了一场 “AI 在研究与教学中的应用工作坊”。
这场工作坊很有代表性，因为它不是泛泛而谈“AI 很重要”，而是直接围绕 AI 如何进入研究与教学的真实流程展开。
三位主讲人的报告题目分别是：
《Agent Skills 如何改变知识工作者的工作方式》 《AI 时代的研究范式：从模型能力到工作流设计》 《Human as Context》
这三个题目放在一起看，其实已经比较清楚地勾勒出 AI 时代知识工作的几个核心问题。
第一个议题关注的是 Agent Skills。报告以 AI 在行政、科研与教学中的应用为例，介绍 Claude Code 的入门操作与 Agent Skill 扩展生态，并演示批量处理行政文档、一键生成教学课件、搭建 AI 原生文献知识库与综述系统等场景。
这说明，AI Agent 不是简单的聊天机器人，而是在进入知识工作者的日常任务流。
第二个议题就是陶学臻老师的《AI 时代的研究范式：从模型能力到工作流设计》。这个报告的核心判断很重要：研究产出的质量差异，往往并非源于模型本身，而是取决于工作流的设计。
报告中提到的 APE 全自动论文生产、NBER 文献知识库、Auto_Research 迭代实验等案例，都指向同一个趋势：AI 辅助研究正在从“单次问答”，走向“项目约束、任务拆解、质量门控、人类检查点”等更结构化的工作流设计。
第三个议题是《Human as Context》。这个题目也很有启发。它提醒我们，AI 并不是孤立地完成教学和研究，而是在人的问题意识、知识结构、真实经验和反馈纠偏中工作。尤其在人文社科和管理学研究里，人的语境判断仍然是系统中非常关键的一部分。
这场复旦工作坊真正有意思的地方在于：它把 AI 时代研究者最关心的几个问题同时摆了出来——Agent、工作流、人类上下文、研究生产、教学应用。
此外，类似专题报告也已经出现在 清华大学经管学院、浙江大学、东南大学、北京大学光华管理学院、南开大学经济学院等高校或学院的讲座与研讨活动中。很多报告主题相近，甚至主讲人也有重复，但这本身恰好说明：AI + 研究工作流，已经成为高校研究者正在密集讨论的新议题。
二、真正的变化：从一次对话，到一个可积累的研究系统
普通研究者对 AI 的理解，不能停留在“我问它答”的层面。
一次对话当然有用。让 AI 总结论文、解释概念、润色文字、生成代码，已经可以大幅提升效率。
但一次对话的问题是：它很难沉淀，很难复用，也很难形成稳定质量控制。
而 Agent 的价值在于，它不是一次回答，而是一套流程。
比如一个研究 Agent 可以被设计成：
先读文献； 再提炼 research gap； 再生成候选研究问题； 再检查数据可得性； 再写分析代码； 再生成图表； 再做 robustness check； 最后再生成论文草稿和审稿人式质疑。
这就不是普通 prompt 了，而是把研究过程拆解成一系列可以执行、可以检查、可以回滚、可以迭代的任务链。
所以，未来研究者真正要学的，也许不是更多 prompt技巧，而是学会设计自己的研究工作流。最近 AI coding 圈很火的一个说法是：不再只是写 prompts，而是写 loops。Claude Code 负责人 Boris Cherny 和 Google 的 Addy Osmani 都提到了类似趋势：AI 使用正在从单次提示词，走向可持续运行、反复检查和不断迭代的工作流设计。
三、AI 能做很多执行工作，但最关键的判断仍然属于人
AI 可以极大提高研究执行效率，但它不等于自动替代研究者。
很多重复性、执行性、整理性的工作，AI 当然可以做得越来越好。比如文献检索、初步综述、代码生成、表格整理、格式修改、初稿生成。这些部分也许可以被自动化很多。
但真正决定研究质量的，往往是另一部分：问题值不值得研究？ 这个现象有没有理论意义？ 数据是否真的支持这个论点？ 因果解释是否站得住？ 反事实是否合理？ 这个研究对真实世界有什么贡献？
这些判断不是简单生成文本就能解决的。尤其在人文社科研究里，问题意识、制度理解、语境判断、理论品味和现实敏感性，仍然非常重要。陶老师认为，AI能自动化研究中那80%的机械执行部分，但是最关键的20%人类判断其实还完全不能自动化。
所以我并不认为未来是“AI 自动写论文，人类失业”。更准确地说，未来更可能是：优秀研究者会变成更强的研究流程设计者。
四、清华沈阳教授的启发：AI 正在从工具走向系统
最近我还看到一篇关于清华大学沈阳教授的采访，标题很抓人：《清华教授沈阳把 AI 逼成了会自己进化的“新物种”》。
沈阳教授本身也很值得关注。他是清华大学新闻学院、人工智能学院双聘教授，研究方向涉及 AI 大模型理论与应用、新媒体、大数据、网络舆论等。
那篇采访里有很多宏大判断，但我最关注的是一个具体变化：AI 正在从“被动回答问题的工具”，变成“能够执行任务、调用工具、生成代码、改进流程，甚至参与迭代的系统”。
这和 AI Agent 辅助研究其实是同一个趋势。当 AI 只是聊天机器人时，它是研究者的助手。 当 AI 能够拆任务、写代码、跑实验、检查结果、生成报告时，它开始变成研究流程的一部分。 当这些流程可以保存、复用、持续迭代时，AI 就不只是工具，而是研究基础设施。
五、普通研究者可以先关注哪些工具和项目？
如果你也对这个方向感兴趣，可以先从几个层次入手。
1. 文献发现与综述工具
Elicit：适合做文献检索、论文总结、信息抽取和证据整理。
Semantic Scholar：AI 驱动的学术搜索工具，适合找论文、看引用网络和相关研究。
ResearchRabbit：适合做文献网络探索、发现相关论文和追踪研究趋势。
Connected Papers：适合从一篇核心论文出发，查看相关论文图谱。
Zotero：经典文献管理工具，可以和各种 AI 插件、浏览器插件结合使用。
2. 大模型与知识库工具
ChatGPT：适合做论文解释、概念追问、写作讨论、代码生成和多轮研究对话。
Claude：长文档理解和写作体验较好，适合读论文、改文章、处理复杂材料。
Gemini：多模态能力较强，适合结合图片、PDF、网页和长上下文材料。
NotebookLM：适合把一批文档变成可问答的知识库，做资料整理和阅读辅助。
3. 代码与 Agent 工作流工具
Claude Code：Anthropic 推出的 agentic coding 工具，适合让 AI 理解项目、编辑文件、运行命令。
Cursor：AI 代码编辑器，适合把代码、文档、项目文件放在同一个开发环境里处理。
OpenAI Codex / Codex CLI：适合用命令行方式让 AI 参与代码生成、修改和项目执行。
LangGraph：适合构建带状态、可循环、可控制的 Agent 工作流。
AutoGen：微软开源的多智能体框架，适合探索多个 Agent 协作完成任务。
CrewAI：适合构建 role-based 多智能体协作流程。
Taich：一个面向 AI Agent 的 Workflow Designer，可以用来设计和展示结构化工作流，适合帮助理解“从单次 prompt 到 workflow / loop”的变化。
4. 自动化研究项目
The AI Scientist：Sakana AI 推出的自动化科学发现项目，目标是让 AI 生成研究想法、写代码、跑实验、写论文并进行模拟评审。
Agent Laboratory：一个端到端的研究辅助框架，把研究流程拆成文献综述、实验和报告写作三个阶段。
AutoResearchClaw：一个面向自动化研究的多智能体 pipeline，强调人机协作、自我修复执行、结果校验和跨轮次经验积累。
Claw AI Lab：进一步把自动化研究系统做成更接近“AI 实验室”的形态，强调多角色协作、实时监控、artifact 检查、回滚和恢复。
这些项目未必都能直接用于普通人文社科研究，但它们很适合用来理解前沿趋势：AI 辅助研究正在从“帮我写一段话”，走向“帮我组织一套研究流程”。
六、几个阶段性判断
第一，AI 辅助研究已经从工具使用问题，变成了工作流设计问题。
第二，单次对话很重要，但真正可积累的是项目结构、任务拆解、版本管理、质量门控和反复迭代。
第三，Agent 不等于自动化一切。越是高价值研究，越需要人类在关键节点做判断、选择和校正。
第四，人文社科研究者尤其需要关注这件事。因为很多人文社科研究并不是缺少文本生成能力，而是缺少把问题、材料、理论、数据和写作组织成稳定流程的能力。
第五，未来几年，研究者之间的差距，可能不只是“谁更会用大模型”，而是“谁更会设计自己的 AI 原生研究工作流”。
七、结语
AI 时代的研究范式变化才刚刚开始。
真正值得关注的，不只是模型越来越强，而是研究者如何重新设计自己的工作方式。
从模型能力到工作流设计，这可能是接下来几年 AI 辅助研究最重要的一条主线。
感谢您的阅读。我是@知识重构者，全网同名，主要在知乎与公众号写作。长期关注AI时代的认知重构、知识工作方式变迁、个人创作系统，以及新的就业与创业机会。欢迎关注，一起理解变化，寻找属于自己的路径。
