当前，以大语言模型为核心的人工智能技术正在快速进入智能体（AI Agent）时代。AI已不再局限于简单问答，而是逐步具备自主规划、工具调用、任务执行、结果反馈与持续优化能力，正在重塑科研创新、教育教学和日常办公的新模式。
AI Agent可以帮助科研人员完成文献检索、论文精读、数据分析、科研绘图、论文写作与项目申报；帮助教师提升课程设计、教学评价效率；帮助企事业单位人员实现文档处理、数据分析、会议管理和流程自动化。然而，面对Claude Code、Codex、OpenClaw、Hermes等快速发展的智能体工具，如何选择适合自己的工具，如何完成部署配置，如何构建安全、高效、可持续运行的智能工作流，成为当前AI应用落地的重要挑战。
为帮助广大科研人员、高校教师、硕博士及技术人员系统掌握AI Agent技术体系，实现人工智能从“会使用”到“能落地”的能力升级，特举办：“AI智能体驱动的科研自动化：Claude Code、Codex、OpenClaw、Hermes多智能体实战研修班”。本次课程将围绕Claude Code、Codex、OpenClaw、Hermes四大主流AI Agent工具展开，从安装部署、模型接入、权限配置、记忆管理、Skills开发、工具调用，到科研、教学和办公场景应用，进行系统讲解与实战训练。
课程前1.5天聚焦四大AI Agent工具的部署配置与基础应用，通过统一基准任务开展实操训练，直观比较不同工具在任务理解能力、执行效率、运行稳定性、安全性及成果交付质量等方面的表现；后1.5天围绕真实应用场景展开，以科研需求为核心，系统讲解AI Agent在文献检索与批量精读、研究综述、创新选题、数据处理、统计分析、机器学习建模、科研绘图、论文写作、投稿返修、项目申请及发明专利等环节中的应用方法等全流程科研场景。
本次课程采用“系统讲解、案例拆解、直播演示、同步实操、工具对比与成果交付”相结合的教学模式。通过三天集中训练，学员可结合自身研究方向、项目材料、实验数据、课程资料或实际办公任务开展学习，在真实场景中掌握AI Agent选择方法、任务流程设计、权限管理与人工审核机制配置，并进一步将高频工作封装为可复用Skills和自动化工作流。培训结束后，学员将形成个人AI Agent选型矩阵、配置方案及面向科研、教学或办公场景的智能化工作流程体系，推动AI工具从“会使用”进一步升级为“能应用、可复用、可持续优化”的智能生产力平台。
01 课程特色
1.四大AI Agent全面覆盖，建立智能体应用体系：系统覆盖OpenClaw、Codex、Hermes与Claude Code四大主流AI Agent工具，帮助学员全面理解不同智能体的定位、特点和适用场景，避免碎片化学习。
2.从零开始教学，掌握完整部署流程：从环境准备、模型接入、API配置、权限设置到常见故障排查，系统讲解AI Agent安装部署全过程，降低技术门槛。
3.工具对比实战，学会科学选型：通过统一基准任务，让四大Agent完成相同工作，对比其任务理解、执行效率、稳定性、安全性和成果交付质量，帮助学员选择最适合自身需求的工具。
4.聚焦科研场景，覆盖科研全流程：围绕科研人员实际需求，覆盖文献检索、论文精读、创新选题、数据分析、科研绘图、论文写作、投稿返修、项目申请和专利撰写等关键环节。
5.兼顾教学办公，实现日常工作智能化：针对教师和办公人员，系统讲解作业评价、Word、Excel、PPT等高频任务自动化。
6.强调Skills与工作流建设，打造个人AI助手：不仅学习工具调用，更进一步掌握Skills安装、评估、开发与优化方法，将重复任务封装为可复用的智能工作流程。
7.理论结合实操，直接解决真实问题：采用“系统讲解+案例拆解+直播演示+同步实操+工具对比+成果交付”的教学模式，支持学员携带自身科研、教学或办公任务进入课堂实践。
8.强化安全规范，掌握可靠AI使用方法：课程重点讲解最小权限管理、数据保护、提示词注入防范、引用核验及AIGC学术规范，提升AI使用安全性。
9.打造可持续迭代的智能化工作体系：通过培训，学员可形成个人AI Agent选型矩阵、配置清单和面向科研、教学或办公场景的智能化工作流方案，实现AI能力长期升级。
10.面向未来工作模式，提升AI时代核心竞争力：课程帮助学员从“会使用AI工具”升级到“能够设计、管理和优化AI工作流”，推动人工智能真正融入科研创新、教育教学和组织管理。
11.答疑回放与免费复训：课程不仅关注当堂习得，更注重长期落地，相同课程本人可终身免费重复参加，每次复训都有新收获；我们提供完整的培训视频回放供反复研习，并建立课后答疑群提供长期技术支持。限报40人，前20人报名可获取往期的培训视频资料，方便提前预习。
02 课程收获
1.掌握AI Agent核心原理与发展趋势：理解AI Agent从智能问答向自主规划、工具调用、任务执行和持续迭代的发展方向，建立智能体应用基础认知。
2.独立完成四大AI Agent工具部署：掌握OpenClaw、Codex、Hermes与Claude Code的安装、配置和基础使用方法，具备独立搭建智能体环境的能力。
3.掌握大语言模型接入与配置方法：能够接入不同大语言模型及OpenAI兼容API服务，根据任务需求选择合适模型方案。
4.构建个人AI助手工作体系：掌握身份配置、记忆管理、上下文维护和任务规划方法，让AI更好理解个人工作习惯与专业需求。
5.掌握AI Agent工具选型方法：理解不同AI Agent在功能特点、使用方式、扩展能力和适用场景上的差异，根据任务需求选择最优工具组合。
6.搭建科研文献智能处理流程：利用AI Agent完成文献检索、批量精读、研究综述整理和创新选题分析，提高科研信息获取效率。
7.提升科研数据处理与分析能力：掌握利用AI辅助完成数据清洗、统计分析、机器学习建模和科研绘图的方法，提高科研数据处理效率。
8.提升论文写作与科研成果产出效率：利用AI Agent辅助完成论文撰写、语言优化、投稿返修及科研成果整理，提高科研产出质量。
9.掌握项目申请与专利材料辅助方法：学习利用AI梳理研究思路、优化项目申请文本，并辅助完成专利相关材料准备。
10.建立智能化教学工作流程：掌握利用AI辅助完成课程设计、课件制作、教学评价等任务。
11.实现日常办公自动化：能够利用AI Agent提升Word、Excel、PPT、邮件处理、会议管理和资料整理等办公任务效率。
12.掌握Skills开发与个性化扩展能力：学习安装、评估和开发符合个人专业需求的Skills，将高频任务转化为可复用智能模块。
13.构建自动化任务执行流程：掌握工具调用、插件连接、消息平台接入和自动化工作流设计，实现任务自动执行与结果反馈。
14.实现科研数据管理自动化：格式转换、批量整理、异常检测，告别重复性数据处理。
15.掌握Nature-skills智能体系统科研插件，完成完整科研论文项目全流程技能：从选题构思→文献综述→研究方法设计→实验/数据分析→论文撰写→投稿与返修，全程借助AI智能体辅助完成。你将学会如何用Claude Code、Codex、OpenClaw等工具构建一条从想法到发表的自动化流水线，大幅缩短论文产出周期，同时提升研究质量。
03 上课时间及方式
2026年9月4日—9月6日 上海市+线上直播（9月3日报到，培训3天）
注：现场及线上直播同步进行，不方便到现场的学员，可线上参加，限报40人。
04 课程大纲
| 课程章节 | 主要内容 |
|---|
| 第一章 | 1. Agent智能体是什么，到底能帮我们做什么2. 2026年Agent智能体技术最新进展介绍3.Claude Code、Codex、OpenClaw、Hermes Agent全方位对比：产品形态、模型生态、工具扩展、记忆、自动化、权限安全与典型场景。4.不同类型大模型介绍：向量模型、多模态模型、聊天模型5.Agent智能体相关技术介绍Skills、Tools、Memory等等6.大模型体系技术介绍Agent、MCP、RAG、知识库等等技术介绍7.关键性能指标对比：上下文容量、输出能力、文件处理、多模态识别8.国内模型 vs 海外模型的差异化优势与科研场景适配9.模型选型的成本效益分析10.提示词工程的终极方法论与高级应用技巧11.（课堂实操）几个可以免费使用Token的模型申请 |
| 第二章科研智能体的工程化起点：Claude Code 环境搭建与基础研究范本构建 | 1.底层工具链：命令行/Shell选择2.（课堂实操）掌握核心操作：命令行文件与路径管理速成3.（课堂实操）配置跨平台集成开发环境（IDE）与终端4.（课堂实操）安装AI编程智能体核心引擎与依赖管理5.（课堂实操）接入多模型科研计算后端：API配置与密钥安全管理6.（课堂实操）Claude code不同模式7.（课堂实操）实现首次启动验证与基础功能测试8.（课堂实操）深度配置科研专用参数与交互模式9.（课堂实操）建立用量监控、成本分析与资源优化策略 |
| 第三章Claude Code 智能体高级架构设计—记忆、子智能体与插件生态 | 1.记忆管理系统详解：多层级记忆架构的设计理念与使用策略2.上下文容量监控与资源分配：上下文使用情况的可视化分析方法3.上下文管理三大核心策略：不同策略的特点与最佳使用时机4.SubAgent 子智能体系统：并行任务分配、独立上下文与动态调度机制5.子智能体的多种使用模式：常见协作方式与典型应用场景6.MCP 模型上下文协议：实现智能体“插件化扩展”的标准接口机制7.MCP 插件生态概览：科研常用插件及其安装与配置方法8.Hooks 生命周期钩子机制：五大关键节点的自动化控制与应用场景9.（课堂实操）管理与优化智能体上下文使用10.（课堂实操）体验子智能体并行协作的任务流程11.（课堂实操）安装核心 MCP 插件并进行功能验证 |
| 第四章Claude Code工作流工程化实践—Skills系统、流程编排与效率优化 | 1.Skills模块化技能系统的架构设计与渐进式加载原理2.Skills的标准开发规范、文件结构与配置字段详解3.正确的Skill设计模式 vs 常见设计误区4.自动化Skill创建工具的使用与最佳实践5.史会话的状态回溯、恢复与对话导出管理6.多模型动态切换策略与任务-模型匹配方法论7.IDE集成方案与可视化工作界面配置8.组合运用全部高级功能构建个人专属高效工作流的系统化方法9.（课堂实操）如何将记忆+子智能体+插件+技能+钩子五大功能融为一体10.（课堂实操）创建自定义的科研论文选题评分skills11.（课堂实操）将一套撰写文献综述论文的工作流封装成skills |
| 第五章 | 1.（课堂实操）安装AI编程智能体核心引擎与依赖管理2.（课堂实操）cc-switch的下载与安装：chatgpt以及国内模型配置3.（课堂实操）国内模型api注册以及接入agent演示4.（课堂实操）模型配置切换、连通性测试、官方登录和第三方API计费路径5.（课堂实操）Codex桌面端安装部署6.（课堂实操）实现首次启动验证与基础功能测试7.（课堂实操）Codex三种不同模式切换和安全等级说明8.（课堂实操）深度配置科研专用参数与交互模式9.（课堂实操）建立用量监控、成本分析与资源优化策略 |
| 第六章 | 1.记忆管理系统详解：多层级记忆架构的设计理念与使用策略2.上下文容量监控与资源分配：上下文使用情况的可视化分析方法3.上下文管理三大核心策略：不同策略的特点与最佳使用时机4.子智能体的多种使用模式：常见协作方式与典型应用场景5.（课堂实操）管理与优化智能体上下文使用6.（课堂实操）体验子智能体并行协作的任务流程 |
| 第七章Codex工作流工程化实践—Skills系统、流程编排与效率优化 | 1.Skills模块化技能系统的架构设计与渐进式加载原理2.Skills的标准开发规范、文件结构与配置字段详解3.正确的Skill设计模式 vs 常见设计误区4.自定义Skill的标准结构：文件夹内包含 SKILL.md、scripts、references、assets；必须明确定义触发条件、执行步骤、验证标准和边界范围。5.史会话的状态回溯、恢复与对话导出管理6.多模型动态切换策略与任务-模型匹配方法论7.组合运用全部高级功能构建个人专属高效工作流的系统化方法8.（课堂实操）如何将记忆+子智能体+插件+技能+钩子五大功能融为一体9.（课堂实操）设计并开发一个符合规范的自定义Skill10.（课堂实操）配置多模型切换策略并测试任务分配效果11.（课堂实操）构建一个完整的科研工作流（整合记忆、子智能体、插件与Skills） |
| 第八章Claude Code、codex等智能体科研论文批量下载 | 1.科研数据采集的法律合规要点与风险规避策略2.主流采集技术方案的对比分析与选型指南3.（课堂实操）网页数据结构解析与浏览器开发者工具的实战应用4.（课堂实操）AI赋能智能体爬虫开发：无需编程基础，通过自然语言描述需求即可快速构建采集程序5.（课堂实操）基于PubMed的医学论文定向采集：按关键词、时间范围、期刊等条件自动获取目标文献数据6.（课堂实操）PubMed最新论文的实时追踪与增量采集方案设计7.（课堂实操）PubMed论文采集数据与大模型API联动分析的端到端工作流8.（课堂实操）定时自动化任务的设计与系统级部署：让采集系统每天自动运行 |
| 第九章Claude Code、Codex等智能体批量化科研论文处理 | 1.国产模型API的申请流程、环境配置与密钥安全管理实践2.（课堂实操）构建批量文献处理流程：论文下载→智能分析→结构化输出3.（课堂实操）基于AI分析结果的文件批量转markdown格式4.（课堂实操）科研论文关键信息的多维度自动提取技术与实现方法5.（课堂实操）从单篇到百篇的规模化处理策略与工程化实施方案6.（课堂实操）API驱动的结构化分析报告自动生成系统7.（课堂实操）批量处理中的成本控制、错误处理与容错机制设计8.（课堂实操）构建一套完整的科研文献批量智能处理系统 |
| 第十章 | 1.仪器数据格式转换与标准化处理的自动化实现方案2.基于外部数据匹配的影像/样本文件自动化整理方法3.异常数据的自动检测、标记与质量报告生成机制4.（课堂实操）多源异构数据的融合处理与统一管理策略设计5.（课堂实操）国家统计局多层级数据的自动化采集与结构化存储6.（课堂实操）科研数据全生命周期管理的标准化工作流设计与实施7.（课堂实操）大批量科研文件的智能重命名与分类归档体系构建8.（课堂实操）构建一套科研数据自动化管理系统 |
| 第十一章 | 1.AI时代程序员角色的转变：从单纯写代码到“指挥AI开发”2.现代软件架构的核心模块与协作机制（结合类比讲解）3.前端技术体系概览：从基础三件套到现代框架的发展路径4.后端技术要点：主流编程语言对比及科研场景下的选择5.数据库基础：两大数据库类型的特点、操作方式与应用场景6.API接口的基本原理：前后端之间的通信机制解析7.一次完整请求的执行流程：从用户操作到数据返回的全过程8.AI编程智能体如何整合前端 + 后端 + 数据库 + API，实现一体化开发 |
| 第十二章 | 1.（课堂实操）把前期下载到db的论文作为素材2.（课堂实操）构建统一协调subAgent角色3.（课堂实操）构建后端开发工程师subAgent角色4.（课堂实操）构建前端架构师subAgent角色5.（课堂实操）构建测试工程师subAgent角色6.（课堂实操）请基于多Agent 协作架构，生成一个完整的科研论文查询系统7.（课堂实操）让建测试工程师测试代码是否有bug8.（课堂实操）在系统里面对论文增删改查操作 |
| 第十三章 | 1.Embedding 模型是什么 2.Embedding 维度的作用3.Embedding相识度算法 4.常用的Embedding对比5.不同场景Embedding模型选择 6.向量数据库介绍7.不同场景向量数据库的选择 8.什么是RAG9.向量检索 10.Reranker检索（重排序）11.混合检索（Hybrid Search）12.三者的协同关系13.技术选型建议14.图数据库、知识图谱和graphRag |
| 第十四章Claude Code、Codex构建基于知识库的科研问答智能体 | 1.（课堂实操）本地向量数据库自动安装部署2.（课堂实操）配置向量模型3.（课堂实操）知识库效果优化4.（课堂实操）把中医药内容写入知识库5.（课堂实操）把科研论文pdf转md格式，保存到知识库目录6.（课堂实操）开发智能体前端页面，并启动服务7.（课堂实操）通过知识库对外提供问答服务 |
| 第十五章 | 1.（课堂实操）本地电脑搭建原生OpenClow2.（课堂实操）OpenClow云端一键部署3.（课堂实操）OpenClaw安全配置4.OpenClaw基本参数配置详解和优化5.OpenClaw记忆系统介绍6.（课堂实操）OpenClaw在学术场景的人设分析7.（课堂实操）OpenClaw学术工作流初步设定8.（课堂实操）OpenClaw 使用技巧系列：降低 Token 消耗，立竿见影9.短期记忆：对话上下文与即时任务理解10.中期记忆：会话级信息与阶段性任务缓存11.长期记忆：越用越聪明 |
| 第十六章 | 1.（课堂实操）创建一个新的Agent2.（课堂实操）SOUL.md-核心人格，决定“聪明程度”的关键3.（课堂实操）IDENTITY.md-快速参考名片，4.（课堂实操）USER.md —— 智能体需要了解的"甲方画像"5.（课堂实操）AGENTS.md —— 行为手册6.（课堂实操）TOOLS.md —— 能力清单7.（课堂实操）Cron —— 定时调度8.（课堂实操）HEARTBEAT.md —— 自愈机制9.（课堂实操）做一个专业文献检索的Agent |
| 第十七章 | 1.（课堂实操）基于智能体的学术文献元数据自动解析与结构化抽取2.（课堂实操）OpenClow驱动的学术知识图谱构建与研究主题关联发现3.（课堂实操）基于智能体的文献结构化摘要生成与核心知识自动归纳4.（课堂实操）OpenClow科研情报监测与热点文献自动推送系统5.（课堂实操）基于智能体的多源学术数据库自动检索与文献发现6.（课堂实操）科研文献库智能分类、标签化管理与自动归档系统7.（课堂实操）跨文献研究主题关联分析与学术趋势自动识别 |
| 第十八章 | 1.Hermes Agent 定位:通用型个人智能体，具备持续自主学习能力，能够自主创建并迭代改进 Skills，实现任务自动化与个性化扩展。2.系统兼容性:支持 Hermes Desktop 桌面端，覆盖 Windows 与 macOS 操作系统，确保主流开发环境下的稳定运行。3.初始化部署流程依次执行官方安装器、hermes setup、hermes model、hermes doctor 命令，完成模型下载、环境依赖检查与基础配置。4. 模型生态接入原生支持 OpenAI、Anthropic、Gemini 等国际主流模型，同时兼容国内模型接口，满足多样化推理需求。5.操作与配置体系涵盖 CLI 命令行交互、会话断点恢复机制、多用户 Profiles、配置文件管理、.env 密钥存储以及高频常用命令速查。6. 与 OpenClaw 共性特征两者均为开源项目，支持模型热切换、消息平台集成、Skills 扩展、持久化记忆、自动化工作流，定位于长期陪伴式智能助手。7.核心差异化特性Hermes 突出终端/TUI 沉浸体验、跨平台 Gateway 统一入口、Skills 自我改进机制、多后端沙箱隔离环境、配置一键迁移能力。8.进阶学习路径建议在已掌握 OpenClaw 的基础上，聚焦上述差异化功能进行实操演练，避免重复已有认知，快速构建对 Hermes 的独立理解。典型应用场景适用于需要高自由度终端控制、跨平台服务编排、Skill 动态演化、多模型混合调度的高级用户与开发者。 |
| 第十九章 | 1.（课堂实操）数据预处理：完成去重、异常值与缺失值处理、编码统一、格式转换、特征工程及数据字典构建。2.（课堂实操）探索性数据分析 (EDA)：开展描述性统计、分布与相关性分析、组间比较，并输出数据质量报告。3.（课堂实操）建模任务：覆盖分类、回归、聚类及时序预测等典型机器学习与深度学习任务。4.（课堂实操）模型开发规范：执行标准化数据划分、交叉验证、超参数搜索与多维度评价；重点识别并规避数据泄露、过拟合及类别不平衡问题。5.（课堂实操）协同编程与调试：基于Python与MATLAB协同开发，实现报错自动解释与程序修复。6.（课堂实操）科研可视化：绘制折线图、柱状图、箱线图、热力图、森林图、相关矩阵及多面板组合图。 |
| 第二十章 | 1.（课堂实操）确定研究领域：帮助研究者从宏观学科领域逐步聚焦到具体、可操作的研究子方向2.（课堂实操）梳理研究现状：梳理所选子方向的核心研究现状，同时强制AI在梳理过程中主动标识出一份“初步研究空白清单”，为下一步深度挖掘提供直接锚点。3.（课堂实操）发现研究空白：深入分析每个空白点的研究价值、可行性和创新性，帮助研究者筛选出真正值得投入的课题切入点。4.（课堂实操）确定研究问题:将从空白挖掘中选中的切入点，转化为清晰、具体、可回答的研究问题。同时可能生成多个备选问题，供研究者选择。5.（课堂实操）确定研究目标与假设:将研究问题进一步拆解为总目标、具体分目标，并提出可验证的假设，构建完整的逻辑推导链条6.（课堂实操）设计研究方案:详细设计研究方法、数据来源、样本量估计、技术路线图和实验计划，确保研究可执行7.（课堂实操）创新性与可行性评估:从创新性、数据可行性、技术可行性、时间资源和伦理合规性五个维度评估方案，识别潜在风险 |
| 第二十一章 | 1.基于培养方案、课程目标和学生特点，智能生成课程设计方案，包括教学大纲、章节规划、授课方案和课堂实施脚本。2.将教材内容、科研文献和真实案例快速转化为多形式教学资源，如课件、教学讲义、知识图谱、课堂任务和微课内容。3.搭建课程智能资源体系，构建知识库、案例库、概念库和拓展学习资源，并支持内容更新与来源管理。4.辅助教学活动设计，生成课堂讨论、实践任务、案例分析、项目作业及配套评价标准，提高课堂互动性。5.智能生成课程考核内容，包括试题库、综合案例题、实践项目任务、评分规则及标准答案。6.辅助开展教学评价，对学生作业和考试结果进行分析，形成个性化反馈、学习问题诊断和教学改进建议。7. 教学应用实践：基于一份课程资料，自动构建覆盖“教学设计—课件制作—课堂活动—考核评价—教学分析”的完整课程资源包。 |
| 第二十二章 | 1.提高AI生成结果的准确性与深度的两种方法2.结构化输出3.模板化输出4.（课堂实操）提示词结构套路5.（课堂实操）模板生成套路6.（课堂实操）投喂式写作（指定引用内容的写作）7.（课堂实操）模仿式写作（指定范文，给出观点，套用格式）8.（课堂动手练习）连接论文数据数据库进行写作（搜索相关论文，参考相关论文内容） |
| 第二十三章Claude code、Codex辅助论文复现，7步搞定你的SCI\SSCI论文 | 1.精准定位：1小时锁定与你课题最“对口”的高分范文（课堂实操）如何利用AI语义搜索，在海量文献中秒级找到结构、方法、数据均可复用的“黄金模板”。2.数据获取：破解数据壁垒，合法获取可复现的研究数据（课堂实操）掌握从补充材料、公开数据库到GitHub仓库的“挖矿”技巧，确保后续分析有米下锅。3.论文拆解：像外科医生一样解剖范文，提炼“万能公式”（课堂实操）一键提取论文的逻辑骨架、方法论流程图、可视化图表库以及专属写作模板。4.数据武装：为自己的课题配齐“弹药”，完成数据准备（课堂实操）基于上一步的分析需求，系统性地收集、清洗、整理你自己的研究数据。5.模型复现：让AI替你跑通第一个基准模型，建立信心（课堂实操）使用Codex/Claude Code等工具，将范文中的核心算法或分析流程，在你的数据上快速跑通。6.成果转化：套用“万能模板”，将你的发现写成一篇标准论文（课堂实操）结合范文结构和AI辅助写作，快速填充内容，形成初稿，告别从零开始的恐惧。7.查漏补缺：AI辅助下的逻辑校验与格式美化8.教你如何用AI检查论文的逻辑一致性、参考文献格式，并进行初步润色。 |
| 第二十四章Claude code、Codex构建从0到1，全流程托管式论文生产 | 1.【破局】别再大海捞针：如何用AI找到那篇“命中注定”的参考论文？（课堂实操）告别手动筛选，学习用AI理解你的研究方向，并推荐结构最匹配、数据最易得的范文。2.【基建】数据是王道：手把手教你拿到能“跑得动”的公开数据集（课堂实操）解决“没数据”的困境，掌握从论文附件、专业社区到学术云盘的数据溯源全流程。3.【拆解】庖丁解牛：把一篇顶会论文变成你的“乐高积木盒”（课堂实操）学习如何用AI工具将论文自动分解为：写作框架、模型架构图、数据分析流水线、图表配色方案。4.【组装】我的数据 + 它的骨架：快速搭建属于你的实验环境（课堂实操）将你自己的数据，填入从范文拆解出的“骨架”中，并用Codex/Claude Code自动化处理数据预处理和特征工程。5.【爆肝】一键Run Code：让AI帮你完成最枯燥的模型训练与调参（课堂实操）体验用自然语言指挥AI编写、调试、运行代码的快感，快速得到初步结果。6.【出片】格式不重要，内容才关键：用模板把你的结果“装裱”成论文（课堂实操）不再纠结于LaTeX或Word排版，聚焦于如何将你的图表、结果和讨论，无缝嵌入从范文提取的写作模板中，瞬间拥有论文雏形。7.【升华】从“像”到“是”：AI助你进行最后的逻辑闭环与亮点提炼（课堂实操）教你如何利用AI检查论文的创新点是否突出、论证链条是否完整，让你的论文不仅有“形”，更有“神”。 |
| 第二十五章 | 1.从研究不足到研究问题（课堂实操）不是简单罗列前人没做什么，而是学会识别“矛盾点”“空白点”和“延伸点”，最终提炼出一个有价值且可操作的研究问题。产出：一个清晰的研究缺口陈述 + 一个精准的研究问题2.初始化项目与设计搜索策略（课堂实操）建立你的文献综述项目管理表，并设计一套“搜得全、筛得准”的检索策略，包括关键词组合、数据库选择和布尔逻辑。产出：一张检索策略表 + 一个项目文件夹结构3.分组搜索与标题摘要筛选（课堂实操）按照设计好的策略分批执行搜索，然后快速通过标题和摘要进行“初筛”，剔除明显不相关的文献。产出：一个初步纳入文献列表（含排除原因备注）4.全文评估与信息提取（课堂实操）对筛选后的文献进行精读，提取关键信息（研究目的、方法、结论、局限性），并记录在你的提取表中。产出：一张结构化文献信息提取表5.写作准备与逐段写作（课堂实操）先绘制文献关系图或概念框架，理清不同研究之间的脉络与争议，然后按照逻辑线索逐段展开论述。产出：一张文献关系图谱 + 一段连贯的文献综述初稿6.统稿定稿与格式检查（课堂实操）检查全文逻辑流畅性、段落过渡自然度、引用的准确性和格式的一致性，最终定稿。产出：一份格式规范的文献综述终稿 |
| 第二十六章Claude code从数据检索到论文发表 & 专利转化工作流 | 目标：基于Nature-skills 从数据检索到论文发表 & 专利转化，一站式掌握可复现、可发表的科研方法。1.（课堂实操）精准锁定热点：掌握数据检索与证据表构建。2.（课堂实操）挖掘科研空白：从数据、方法、临床三维定位发表级Gap。3.（课堂实操）数学化假说设计：构建含交互项的ΔAUC可验证预测假设。4.（课堂实操）极简实验工程：一键生成Python全自动化训练与评估代码。5.（课堂实操）顶刊论文速成：基于实验结果自动生成Nature结构化初稿。6.（课堂实操）对抗式审稿演练：模拟3位审稿人找出致命统计缺陷。7.（课堂实操）DCA决策分析：填补临床落地空白，超越单纯的AUC指标。8.（课堂实操）SHAP可解释性：用TreeExplainer揭示腰围-血糖的交互机制。9.（课堂实操）专利转化实操：将预测模型转化为中国发明专利权利要求书。10.（课堂实操）Journal Club神器：自动生成高颜值中文汇报PPTX文件。 |
| 第二十七章 | 1.回顾三天课程的知识体系与核心要点2.对二十六个模块的关键技能进行总结与自评3.优秀方案分享与跨学科交流讨论4.AI技术持续学习的资源与信息跟进策略5.学员社群建立与后续答疑支持说明 |
05 收费及证书
A类：收费3900元/人（含培训费、资料费、A类证书费、发票费等）
证书：中科软研（北京）科学技术中心颁发的课程结业证书；
B类：收费4800元/人（含培训费、资料费、B类证书费、发票费等）
证书：可获得中促中心颁发的《生成式人工智能(AIGC)工程师》职业技能培训证书，证书信息录入发证单位人才数据库，可在发证单位官方平台查验。
C类：收费5800元/人（含培训费、资料费、B类+C类证书费、发票费等）
证书：可获得中国通信工业协会颁发的高级《人工智能应用工程师》职业技术水平证书，该证书为行业专业能力水平证明，可作为从业人员人工智能应用专业能力考核佐证材料，可供用人单位人才选拔、岗位参考。
D类：收费7800元/人（含培训费、资料费、B类+C类+D类证书费、发票费等）
证书：通过培训考核合格，可获得工业和信息化部教育与考试中心（工信部直属正局级单位）颁发的《AI智能体应用工程师》高级职业技术证书，证明学员达到相关岗位培训标准的技术技能水平。
注：ABCD四类套餐主要区别为配套获取的证书组合不同。
可以选择提前开具发票，随后进行公对公转账。发票可涵盖培训费、会议费、会议注册费、资料费、技术服务费、检测费等多种费用类别，线下参加培训，差旅费和食宿费自理。
06 报名方式
请识别下方二维码在线报名。报名成功后，我们会为您发送培训通知，并电话确认。
优惠政策：
1.学生凭学生证优惠300元；
2.两人以上(含)团体报名每人可减200元；
3.三人以上(含)团体报名每人可减300元；
4.四人以上(含)团体报名每人可减400元；
5.五人以上(含)团体报名，另外赠送一个名额；
6.以上优惠政策不能同时享受，只能享受其中一种。
夜雨聆风