夜雨聆风可以利用目前国际一流实验室（如 Broad Institute、Stanford University、Google DeepMind、Genentech 等）的AI工具组合， 建立一个完整的AI 科研流水线（Research Pipeline），而不是只依赖一个AI。
阶段 | 目标 | 推荐工具 | 最佳用途 |
①文献检索 | 找到最重要论文 | Semantic Scholar、OpenAlex、Google Scholar、Connected Papers | 找核心论文、引用网络、研究热点 |
②阅读理解 | 快速理解论文 | Claude、ChatGPT、NotebookLM、SciSpace | 总结论文、解释方法、回答问题 |
③知识管理 | 建立文献数据库 | Zotero、Obsidian、Notion | 保存PDF、做笔记、建立知识网络 |
④AI 总结 | 找共同规律 | ChatGPT、Claude、NotebookLM | 横向比较几十篇论文 |
⑤绘图 | Nature 风格图 | BioRender、Figma、ChatGPT 图像生成 | 制作科研流程图、机制图 |
⑥写作 | 完成综述 | Claude、ChatGPT | 起草、润色、统一术语 |
⑦引文管理 | 自动引用 | Zotero + Overleaf 或 Microsoft Word | 自动生成参考文献 |
第一部分：文献检索（最重要）
高水平综述通常是建立一个文献网络。
推荐组合：
①Semantic Scholar（★★★★★）
优点：
- AI 推荐相关文章
- Citation Graph（引用网络）
- Highly Influential Papers（高影响论文）
- Authors Network（作者关系）
适合：
找某一领域真正的重要论文。
例如：
Foundation Model Biology
可以很快找到：
- ESM
- AlphaFold
- Evo
- Geneformer
②Connected Papers（★★★★★）
这是最推荐的综述工具之一。
它不会返回普通搜索结果，而是画出：
Paper↓Related Papers↓Shared Citations↓Future Papers
几分钟内就能了解整个研究方向的发展脉络。
非常适合写Review。
③OpenAlex
OpenAlex可以理解为：
下一代开放版Web of Science。
优势：
- API 免费
- 可统计论文数量
- 作者合作网络
- 国家分布
- 热门方向分析
第二部分：AI 阅读论文
Claude
Claude最大优势：
长上下文。
例如：
一次上传：
50篇PDF。
然后问：
这些论文共同认为Foundation Model 最大瓶颈是什么？
Claude非常擅长：
- 阅读
- 总结
- 对比
ChatGPT
ChatGPT更适合：
深度分析。
例如：
请比较：GeneformerscGPTscFoundationEvo分别解决什么问题？
它在：
逻辑组织
归纳
解释
方面表现很好。
NotebookLM
NotebookLM是近两年科研界增长很快的工具。
特点：
可以建立：
Paper↓Notes↓Questions↓Summary↓Podcast
所有回答都基于你上传的论文。
几乎不会引用你没有提供的资料。
适合：写综述。
第三部分：知识管理
真正的大团队都会建立：
知识库。
推荐：
Zotero
负责：
- PDF 引用 标签
例如：
Foundation ModelProteinSingle CellTarget DiscoveryKnowledge Graph
Obsidian
负责：
知识连接。
例如：
Geneformer↓Foundation Model↓Transformer↓Target Discovery
所有知识都会形成网络。
写综述速度会越来越快。
第四部分：AI 总结
假设：
已经读完：
100篇论文。
不要直接写。
而是让AI 做：
例如：
总结：Target Discovery目前有哪些共同观点？有哪些争议？未来趋势是什么？
AI可以帮助发现：
以前没有意识到的规律。
第五部分：Nature 风格绘图
这是很多人忽视的地方。
Nature Review：真正吸引人的：往往不是文字。而是图。
推荐：
BioRender（★★★★★）
全球几乎所有生命科学实验室都在使用。
例如：画：Protein， Cell，Immune System，Drug，Signal Pathway
十分专业。
Figma
负责：
整体排版。
例如：
Nature Review
Cell Review
很多流程图：
其实就是：
Figma + Illustrator。
ChatGPT图像生成
适合：
先生成：
概念图。
例如：
AI for Science WorkflowKnowledge Graph↓Foundation Model↓Agent↓Robot Lab
然后再放到：
Figma
重新美化。
第六部分：AI 写作
目前最推荐的是：
Claude + ChatGPT配合。
例如：
Claude：
负责：
第一版。
ChatGPT：
负责：
- 重构逻辑
- 精简重复
- Nature 风格表达
- 统一术语
很多团队都是：
两个模型互相修改。
第七部分：未来3–5 年最值得投入的科研工具栈
我建议学习下面这一套技术栈，因为它既能支持高质量科研，也能成为未来产品的核心能力：
模块 | 推荐工具 | 为什么值得投入 |
文献数据库 | Semantic Scholar + OpenAlex | 获取全球科研知识 |
AI 阅读 | Claude + ChatGPT + NotebookLM | 快速理解和比较论文 |
知识库 | Zotero + Obsidian | 建立可复用的长期知识资产 |
知识图谱 | Neo4j | 连接论文、基因、蛋白、疾病和药物 |
AI Agent | LangGraph 或 OpenAI Agents SDK | 自动执行文献分析和科研流程 |
写作 | Claude + ChatGPT | 形成接近顶级综述的初稿 |
科研绘图 | BioRender + Figma | 制作出版级图示 |
如果只能推荐一套性价比最高的组合，我会选择：
ChatGPT + Claude + NotebookLM + Zotero + Obsidian + BioRender + Neo4j
这套组合已经覆盖了从文献检索→ 深度阅读→ 知识沉淀→ 知识图谱→ AI 辅助分析→ 论文写作→ 科研绘图的完整科研工作流，也是许多AI for Science 团队正在采用的工作方式。