研究生真正该装的,不是十几个软件,而是一套科研工作流

科研工具不是越多越好。
真正能提高效率的，是把文献、笔记、实验、写作和备份串成一套稳定流程。

先说结论

很多研究生效率低，不是因为 Zotero、Notion、Obsidian、Overleaf、GitHub 这些工具不会用。

而是因为这些工具之间没有关系。

文献进来了，但没有分类。

论文读了，但没有变成笔记。

笔记写了，但没有变成问题。

实验跑了，但结果不能追溯。

论文开始写了，却发现材料、证据和逻辑都散在不同地方。

所以这篇不讲“研究生必装软件清单”。

软件清单太容易变成收藏夹焦虑。

这篇只讲一件事：

怎么搭一套最小可用的科研工作流。

你可以先记住这条线：

文献进入 → 阅读加工 → 笔记沉淀 → 问题池 → 实验追踪 → 写作输出

只要这条线跑起来，你的软件不需要很多。

但你的科研过程会开始变得可复用。

别人说 Notion 模板漂亮，就搬一个模板。

别人说 AI 能读论文，就又开几个网页。

最后软件越来越多，科研反而越来越乱。

因为你不是在搭工作流。

你是在堆工具。

正确顺序应该反过来

先问：

我现在科研流程里缺哪一步？

再问：

这个工具能补哪一步？

最后才决定：

我要不要装它。

一个工具必须对应一个位置

可以这样放：

流程环节	主要任务	可用工具
文献进入	收纳、分类、引用	Zotero / EndNote / Mendeley
阅读加工	高亮、批注、读图表	Zotero PDF / PDF Reader / MarginNote
笔记沉淀	六格笔记、概念链接	Obsidian / Notion / 飞书文档
实验追踪	参数、日志、结果	VS Code / Git / YAML / 表格
写作输出	story line、正文、参考文献	Overleaf / Word / Markdown
备份协作	版本备份、文件共享	GitHub / OneDrive / OSF

这里的重点不是推荐某个软件。

重点是：

每个工具都要有位置。

回答不上来“它进入哪一步流程”，就先别装。

二、第一步：文献进入

目标

让所有文献进入同一个入口。

不要让 PDF 散落在桌面、微信、网盘、浏览器下载目录和师兄发来的压缩包里。

常见混乱

很多人的文献文件夹长这样：

paper.pdf

new.pdf

final.pdf

导师发的.pdf

这个很重要.pdf

综述最新版.pdf

短期看没问题。

三个月后基本全忘。

建议做法

用 Zotero 或同类工具做统一入口。

不管文献来自哪里，都先进入文献库。

进入以后，至少做三件事。

1. 按主题放集合

不要只按“年份”或“老师发的”分类。

建议按研究主题放。

比如：

联邦学习隐私保护

知识图谱补全

医学影像分割

大模型评测

文献计量方法

2. 按角色做二级分类

一篇论文在你课题里的角色，比它发表在哪一年更重要。

可以分成：

必读基础

方法相关

实验基线

数据集来源

写作参考

暂时待定

3. 用标签标状态

比如：

unread：还没读

reading：正在读

read：已读完

important：重点论文

baseline：可做基线

dataset：涉及数据集

question：带来问题

最小产出

每篇进入文献库的论文，至少要有：

主题集合 + 论文角色 + 阅读状态

这一步完成以后，你不一定读懂了论文。

但至少以后能找回来。

三、第二步：阅读加工

目标

不要把每篇论文都当教材从头读到尾。

阅读的目标不是“读完”。

而是判断：

这篇论文和我的课题有什么关系。

四层阅读法

第一层：筛选

只看：

标题

摘要

图表

结论

这一层只回答一个问题：

值不值得继续读？

如果值得，再进入下一层。

第二层：问题

问三个问题：

这篇论文认为前人哪里没做好？

它要解决的核心问题是什么？

这个问题和我的方向有没有关系？

第三层：方法

这时再看：

模型结构

关键变量

算法流程

实验设置

评价指标

不要一开始就陷进公式。

先看问题，再看方法。

第四层：迁移

这是最容易被忽略的一层。

读完以后要问：

它的方法能不能迁移到我的问题？

它的实验设计能不能借鉴？

它的失败点能不能变成我的选题入口？

它能不能成为 baseline、数据来源或写作参考？

最小产出

每篇论文读完后，至少给它一个判断：

继续深读 / 可做 baseline / 可借鉴实验 / 可进 related work / 暂时无关

没有这个判断，读完也很难复用。

四、第三步：笔记沉淀

目标

不要把笔记写成摘抄仓库。

笔记不是把论文重新压缩一遍。

笔记是把论文接入你的问题。

六格论文笔记

每篇重要论文，只写一页。

但这一页要回答六个问题。

1. 研究问题

这篇论文到底想解决什么？

2. 重要性

作者为什么认为这个问题值得做？

3. 核心方法

它用了什么机制、模型、变量或流程？

4. 实验证据

数据集、指标、对比、消融是否支撑结论？

5. 局限风险

假设、场景、数据、泛化哪里可能站不住？

6. 对我有什么用

这篇论文对我的课题有什么价值？

可以是：

baseline

数据源

指标参考

实验设计

related work 表述

反例

新问题入口

最关键的是最后一格

如果一篇论文读完以后，不能说明“对我有什么用”，就先别深挖。

不是什么都值得精读。

研究生时间很贵。

要把精力放在能进入自己问题系统的材料上。

最小产出

每篇重要论文，都留下这一页：

问题 / 重要性 / 方法 / 证据 / 局限 / 对我有什么用

以后写论文、做组会、补 related work，它都能被直接调用。

五、第四步：问题池

目标

把零散想法变成可追踪的问题。

科研不是突然灵感爆发。

更多时候，选题是在反复读、反复做、反复卡住的时候长出来的。

所以你需要一个问题池。

问题池放什么？

可以分成五类。

1. 文献矛盾

两篇论文对同一个现象解释不同。

或者一个方法在某些数据集有效，在另一些数据集失效。

2. 实验缺口

比如很多论文只在公开数据集上测，没有真实场景。

只看平均指标，没有看极端样本。

只比准确率，没有比稳定性和成本。

3. 方法迁移

比如图神经网络里的机制，能不能迁移到知识图谱补全。

医学影像里的弱监督方法，能不能迁移到工业缺陷检测。

4. 资源约束

比如大模型方向算力不足。

那能不能做轻量化、蒸馏、检索增强、数据选择、评测方法？

5. 真实需求

医院、企业、实验室真实遇到的问题，往往和论文里的假设不完全一样。

这些差异，也可能是选题入口。

每条问题只记三行

问题是什么：

已有工作做到哪里：

下一步怎么验证：

最小产出

每周至少沉淀 3 个问题。

不要求马上变成选题。

先让它们进入池子。

一个月以后，你会发现自己不再是凭空想选题。

你是在从问题池里筛选选题。

六、第五步：实验追踪

目标

让每一个实验结果都能追溯。

不要只保存最后一张结果图。

常见问题

很多人做实验时，只保存截图或表格。

等到写论文时才发现：

这个结果是哪天跑的？

用的是哪个数据划分？

随机种子是多少？

参数改了什么？

代码版本是哪一个？

有没有跑三次取平均？

如果这些说不清，结果就很难支撑论文。

每次实验至少保留四类文件

config.yaml 参数、数据划分、随机种子

log.txt 训练过程、报错、运行环境

result.csv 指标、均值、方差、对比结果

note.md 这次实验说明什么，下一步怎么改

给每次实验一个编号

比如：

exp_2026_0625_01

编号不是形式主义。

它能把代码、配置、结果和论文表格连起来。

最小产出

论文里的每一个表格，都应该能找到对应实验编号。

导师问“这个结果从哪来”，你能在 1 分钟内找到。

这就是合格的实验追踪。

七、第六步：写作输出

目标

不要等实验全部做完才开始写。

写作不是排版。

写作是把问题、方法和证据组织起来。

这件事应该从一开始就做。

每个课题维护一个 writing.md

不用正式。

但里面要一直更新五句话。

我们研究的问题是什么？

这个问题为什么重要？

已有方法哪里不够？

我们的核心想法是什么？

目前有什么证据支持？

这五句话会不断变化。

刚开始可以很粗糙。

没关系。

每读一批文献，每做一轮实验，就改一次。

等你真正开始写论文时，你不是从空白页开始。

你已经有了一条问题线。

为什么很多论文像读书笔记？

因为缺少这条线。

它列了很多方法。

放了很多实验。

但读者看不出：

你到底要解决什么问题；

为什么这个问题值得解决；

你的方法为什么自然；

你的实验为什么能证明它。

科研写作不是把材料堆上去。

科研写作是让证据沿着问题线往前走。

最小产出

每周更新一次五句话 story line。

哪怕只改一句，也比最后从空白页开始强。

八、AI 工具放在哪里？

先说边界

AI 可以帮你加速处理材料。

但不能替你建立判断。

你可以让它总结一篇论文的贡献。

但你要自己判断这个贡献是否成立。

你可以让它列 related work 的分类。

但你要自己确认分类是否符合领域脉络。

你可以让它润色论文段落。

但你要自己负责逻辑、证据和引用。

更稳的用法

把 AI 固定放进工作流。

不要让它变成另一个让你分心的软件。

可以这样用：

环节	AI 可以做什么	你必须自己做什么
读文献	提取问题、方法、实验、局限	判断论文是否真的重要
做笔记	把摘抄整理成结构化笔记	判断“对我有什么用”
写作	检查段落是否围绕同一个 claim	决定逻辑和证据链
投稿前	检查术语、跳跃、引用缺口	承担最终学术责任

AI 是处理环节。

不是科研判断本身。

最小可用版本

如果你现在不想搭复杂系统，就先做这个版本。

1. 文献库

所有论文进 Zotero 或同类工具。

每篇至少有主题分类和阅读状态。

2. 论文笔记

重要论文写一页六格笔记。

不要摘抄，围绕问题写。

3. 问题池

读文献、做实验、听组会时冒出来的问题都放进去。

每条问题写“已有工作”和“下一步验证”。

4. 实验记录

每次实验都有编号、配置、日志、结果和一句解释。

不要只存截图。

5. 写作草稿

从第一周就维护五句话 story line。

每周更新一次。

最后：装软件前，先问一个问题

这个工具会进入我的哪一步流程？

如果回答不上来，就先别装。

一个工具如果不能帮你完成文献进入、阅读加工、笔记沉淀、实验追踪或写作输出中的某一步，它大概率只是在制造新鲜感。

研究生真正需要的，不是把自己武装成软件收藏家。

而是建立一套能长期运转的科研系统。

你不需要一开始就很专业。

但你需要让每一篇论文、每一次实验、每一个想法，都有地方可去。

科研最怕的不是慢。

最怕的是忙了很久，却没有留下可复用的东西。

今天就可以先做三件事：

读的第一篇论文，用六个问题写一页笔记；

跑的第一个实验，用一个编号留下配置和结果；

冒出来的第一个想法，放进问题池。

工作流不是一天搭完的。

它是一次次把混乱变成秩序。

有问题，也可以来找我聊

如果你现在正卡在这些问题上：

不知道怎么选导师、选课题组；

不知道自己的方向适不适合读研；

文献读了很多，但不会整理成选题；

想搭科研工作流，但不知道从哪里开始；

论文、代码、实验、工具使用上需要一点技术支持；

想了解联邦学习、知识图谱、大模型等方向怎么入门。

都可以来找我聊。

导师选择、读研规划、论文选题、科研工具、技术支持，都可以。

我会尽量结合你的专业、阶段和目标，给你一些更具体的建议。

资料参考

Zotero 官方网站：文献收集、组织、标注、引用和同步功能说明。

Overleaf 官方网站：在线协作 LaTeX 写作、模板、图表、参考文献和版本功能说明。

ResearchRabbit 官方网站：文献发现、论文关系图谱和 Zotero 工作流集成说明。

OSF 官方网站：科研项目管理、文件共享和开放科学协作平台说明。