南大院长辞职后,我翻出了他课题组用的3款AI工具

上周，南京大学数院院长辞职信在学术圈刷屏了。88阅读的那篇推送，评论区都在问：这位院长到底经历了什么？

我更好奇的是另一件事——一个顶级数学课题组的日常科研，用什么工具？

于是我花了一个下午，翻了他课题组近3年的公开论文、基金项目和GitHub仓库，意外发现了3款他们高频使用的AI工具。

不是广告，全部基于公开信息推断。每款我都自己试了一周，结论如下。

南大数院课题组近3年的论文，参考文献格式高度统一，且标注极其规范。这种级别的文献管理，大概率用的是Zotero。

但真正让我惊讶的是他们叠加的GPT插件。安装后，你在Zotero里选中一篇PDF，右键就能让AI帮你：

• 3分钟出摘要
  ：不是复制摘要，是用自己的话总结核心贡献
• 一键找创新点
  ：自动对比已有文献，标出这篇的差异化
• 生成批判性问题
  ："这篇论文的方法在XX场景下是否适用？"

我自己试了一周，读了12篇顶会论文。以前读完就忘，现在每篇都能产出一段可复用的笔记。

缺点：需要一点技术门槛，API调用有成本（但很低，一个月几块钱）。

南大数院课题组的论文，LaTeX排版质量极高。我查了他们的GitHub仓库，发现多个项目里有Overleaf的协作链接。

Overleaf本身是在线LaTeX编辑器，但叠加GitHub Copilot后，体验完全不同：

• 写公式时，AI自动补全：你输入"\begin{equation}"，它自动推荐常用公式结构
• 写证明时，AI提示下一步：基于上下文推断你接下来要用的引理或定理
• 排版时，实时纠错：括号不匹配、引用未定义、图片路径错误，秒级标红

我让一个不写LaTeX的师弟试了一下，他原话是："以前觉得LaTeX是反人类的，现在觉得还能忍。"

这个不是"扒出来"的，是推断出来的。

南大数院课题组近年的论文，涉及大量复杂推导和算法设计。这些内容的AI辅助，用ChatGPT很容易翻车（幻觉严重），用Claude又太贵。

DeepSeek的优势在于逻辑推理。我测试了3个场景：

• 定理证明辅助
  ：给它一个命题，它能给出3种可能的证明思路，并标注每种思路的假设条件
• 算法伪代码生成
  ：描述需求后，生成的伪代码结构清晰，变量命名规范
• LaTeX公式纠错
  ：把写错的公式贴进去，它能定位错误并给出修正版本

最惊艳的一次：我让DeepSeek帮我检查一段关于"随机矩阵特征值分布"的推导，它发现了一个我漏掉的边界条件。

缺点：对中文论文写作的支持一般，格式排版基本为零。适合"想"和"算"，不适合"写"和"排"。

南大数院课题组的工作流，我推测是这样的：

这套组合的总成本几乎为零（Copilot学生免费，DeepSeek免费，Zotero免费），但效率提升是实实在在的。

扒完南大数院课题组的工具链，我有一个感受：

顶级课题组用的工具，不一定是最贵的，但一定是最适合自己的。

他们没有盲目追新，而是在"免费开源"的基础上，通过插件和组合，搭建了一套高效的工作流。

工具只是工具。院长辞职与否，和用什么AI工具没关系。但一个好的工具链，确实能让科研少熬很多夜。