夜雨聆风读了几十篇文献，收藏了一堆AI工具，真正准备写论文时，脑子还是一片空白。
研究问题怎么收紧？文献怎么整理成证据？数据结果怎么判断能不能写？图怎么画才不是“好看但没法发表”？论文从哪一段开始？
很多人以为自己缺的是新的AI神器。其实更常见的问题是：工具装了很多，但没有一条能落到真实材料上的科研工作流。
Codex的价值，不是让你对着聊天框说“帮我写一篇论文”。它真正适合做的，是进入你授权的项目文件夹，读取论文、表格、代码和实验结果，调用合适的Skill，把任务拆成可执行、可保存、可核验的产物。
所以这次课，我们不做“再教你安装一个AI工具”的内容。
我们要带你把Codex、科研Skill、文献平台、Zotero、真实数据、论文写作和审查串起来，跑出一条可以反复使用的科研流程。
先说报名权益
前20名：免费参加。
后续报名费100元。
两档权益完全一致，不设置缩水版免费席位。
均包含完整Skill安装指南、Skill全景表、提示词卡、演示材料模板、15天GPT体验、7天群内答疑和每人1次配置问题诊断。
GPT体验结束后是否继续充值完全自愿，不影响课程资料和答疑权益。
具体开课安排进群后统一通知。具体可用模型、额度、限速和使用规则，以助教发放的 [GPT体验额度说明] 为准。
想参加，先添加助教，发送关键词：Codex科研Skill。
为什么这门课不是普通“配置课”
配置很重要，但配置只是入口。
真正拉开差距的，是配置之后你能不能让Codex完成具体科研任务：读文献、做证据矩阵、检查数据泄漏、画论文图、审查草稿、追踪新论文。
我们会带你完成第一条闭环：
模糊研究想法→ 拆成可回答的研究问题→ 设计关键词和检索式→ 用文献平台发现候选论文→ 回到DOI、出版社页面和原文核验→ 存入Zotero→ 生成证据矩阵→ 得到可继续写作的研究材料
这条流程跑通以后，Codex就不再只是一个“会回答问题的AI”，而是你科研项目文件夹里的执行助手。
Skill不是越多越好，而是要会选、会调、会核验
很多人第一次接触Skill，会陷入两个极端：
一种是只装两三个常见Skill，以为够用了；另一种是一口气复制上百个目录，结果同名冲突、依赖混乱，自己也不知道Codex到底调用了哪套规则。
这次课会把完整生态讲清楚：我们整理了13个可用科研Skill仓库，对应21个具体Skill。核心会深讲，其他会告诉你适合什么学科、怎么调用、有什么依赖、哪些场景不建议用。
这次会覆盖哪些Skill
通用科研主线：academic-research-suite，适合从研究想法、检索策略、深度调研一路走到论文规划和模拟审稿。
自然科学工具箱：scientific-writing、scientific-visualization、citation-management，用于自然科学写作、科研图和引用核验。
中文科研与Office交付：research-writing-skill、office-academic-skill、scientific-toolkit-skill，适合中文论文、课题汇报、Word/PPT/Excel和科研计算。
文献获取与归档：literature-downloader、sciencedirect-live-session-fetcher。前者用于检索、DOI/PMID、OA全文、BibTeX和Zotero导入；后者只用于你已经合法登录并有权访问的全文保存，不绕过权限。
文献追踪：daily-literature-digest、paper-vault，一个负责发现新论文，一个负责沉淀本地论文卡片库。
自动实验与AI研究：codex-autoresearch、auto-review-loop、mamba、axolotl。我们会重点讲数据泄漏、验证偏差、实验记录和模型框架选择，而不是盲目追求高分。
论文写作、LaTeX与多模型协作：research-paper-writing、arxiv-paper-writer、latex-rhythm-refiner、collaborating-with-claude、collaborating-with-gemini，用于论文结构、自审、投稿检查和交叉复核。
人文社科：social-science-paper-writing，用于选题诊断、理论机制、识别策略、因果主张和投稿前检查。
论文转PPT和展示扩展区，也会介绍 superpowers、frontend-design、ui-ux-pro-max-skill、impeccable、web-design-guidelines、frontend-slides。这些不是论文证据工具，而是帮助你把论文内容重新组织成更适合展示的材料。
网站工具也会讲，但它们不是Codex Skill
科研检索不能靠模型凭记忆报论文。不同平台承担不同任务：
Undermind：适合从陌生研究问题出发做深度探索。
Elicit：适合抽取研究设计、样本、变量和结论，建立证据表。
Consensus：适合快速看一个问题下的论文结论分布。
Connected Papers：适合从种子论文扩展相似论文图谱。
ResearchRabbit：适合沿作者、引用和相似论文持续扩展收藏。
Litmaps：适合构建引文地图并监控新论文。
Zotero：负责正式题录、PDF、标签、笔记、Word引用和参考文献。
我们会讲清楚：这些平台负责发现和管理，Codex负责读取、整理、转换和检查，但最终证据仍要回到DOI、出版社页面、论文原文和可信数据库。
课上不只讲概念，会演示完整工作流
你会学习哪些工作流。
工作流一：从模糊想法到可检索的研究问题
用 academic-research-suite 把宽泛想法拆成研究对象、变量、研究设计、关键词组、检索式、纳入标准和排除标准。重点不是替你拍脑袋定题，而是把一个想法变成能检索、能核验、能继续推进的问题。
工作流二：从候选论文到Zotero证据矩阵
用 literature-downloader、citation-management 和Zotero，把候选论文整理成“研究问题—理论解释—数据与方法—主要结论—局限”的证据矩阵。Codex可以辅助归纳，但题目、作者、年份、期刊、DOI和正文支持关系必须回到原文核验。
工作流三：从结果文件到论文文字和科研图
用 scientific-writing 和 scientific-visualization 读取结果文件，为Results建立提纲，并生成带单位、样本量和不确定性的论文图。这里讲的是核验原则和生成流程，不在公众号里绑定某一个固定数据集或图表。
工作流四：AI/ML结果为什么要先做诚实性检查
用 codex-autoresearch 和 auto-review-loop 演示如何检查数据泄漏、验证方式、基线选择、随机种子、实验记录和指标解释。课程重点是让你知道“高分结果能不能相信”，而不是展示某一个固定项目的分数。
工作流五：社科研究先审计识别策略
用 research-writing-skill 和 social-science-paper-writing，把主题转成处理变量、结果变量、理论机制、混杂因素、处理后变量和可行识别策略。产物是研究问题卡、理论机制图、识别假设和稳健性清单，而不是先让模型编一个显著结果。
工作流六：论文写完以后，先模拟审稿再润色
用 research-paper-writing 和 auto-review-loop，从领域、方法/统计、可复现性和期刊编辑视角检查草稿。输出不是一句“写得不错”，而是阻止投稿的问题、需要补分析的问题、需要收窄结论的问题和表达格式问题。
工作流七：把偶尔搜论文变成长期追踪系统
用 daily-literature-digest 和 paper-vault，明确主题、关键词、来源、数量上限和输出格式，先生成周报预览，再决定是否创建自动任务。自动化只负责发现和整理，研究者仍需人工筛选和核验。
你最后能带走什么
你不会只得到一堆链接。
你会带走一套可运行的Codex科研项目目录，一份Skill安装与调用指南，一张13个仓库/21个Skill全景表，一套提示词卡，演示材料模板，以及按学科选择工具组合的方法。
自然科学方向，会重点带走文献证据矩阵、Results提纲、科研图核验表和数据泄漏检查思路。
AI/机器学习方向，会重点带走诚实基线、数据泄漏审计、实验台账、审稿前自查和模型框架选择方法。
人文社科方向，会重点带走研究问题卡、理论机制、识别策略审计和论文论证检查清单。
更实际的是：课后有7天群内答疑，每人还有1次配置问题诊断。诊断范围包括安装、模型接入、权限、Skill加载和调用报错。我们不代写论文、不代跑完整课题、不承诺发表，但会帮你把工具链和第一条工作流跑起来。
谁适合参加
适合这几类人：
刚接触Codex，不知道配置完成后该做什么。
已经收藏很多AI科研工具，但没有稳定工作流。
需要查文献、做证据矩阵、分析数据、画图或写论文。
想按自己的学科选择Skill，而不是一次安装全部工具。
希望有人帮忙诊断Codex配置、模型接入、Skill加载报错。
不适合期待“一键生成可投稿论文”的人。AI可以辅助检索、整理、执行和检查，但研究问题、方法、数据、引用、伦理和最终学术责任仍由研究者承担。
怎么参加
前20名：0元参加。
后续报名：100元参加。
两档权益一致：直播、完整资料、15天GPT体验、7天群答疑、每人1次配置诊断。
扫码添加助教，发送关键词：Codex科研Skill。
助教会按确认报名顺序登记名额，并在群内通知开课安排、课前准备和GPT体验规则。
真正拉开差距的，不是电脑里装了多少AI工具，而是你能不能把真实文献、真实数据、正确方法和可核验产物连成一条工作流。
这次，我们把这条路一起跑通。