/tag/博士生

我是一名普普通通的生物信息学博士生， 现在AI太顶了。我现在写代码完全不用自己写了。全交给codex。 想问下大家如果要做AI4S,有什么新奇的想法吗！ 11 个帖子 - 9 位参与者 阅读完整话题

作为一名在读博士生，我在日常是如何与 AI 协作的？——ai-collab-playbook > 公开版本 / Public edition: 2026-06-08 cnfjlhj/ai-collab-playbook github版本~ -— 前言 我是一名人工智能方向的在读博士生，大概在 ChatGPT 出来以后还是 GPT-3.5 的时候就比较重度使用 AI 以及 AI 工具了。几年下来，AI 已经渗透到我工作和学习很多环节，有一些心得想分享一下~ 当同事，不当工具（我认为至少未来几年，应该是人机协作的时代） 现在回头看，我觉得过去很多所谓“会用电脑”，其实有相当一部分是在给机器当翻译。人脑子里明明只有一个目标，落到电脑上，却总要拆成一堆很零碎的动作。很多时候事情本身并没有多么复杂，感觉复杂是因为旧系统根本听不懂你的意图，只能逼着你先把目标嚼碎，再翻译成它能执行的步骤。 比如做 SQL 查询，你脑子里明明只是想看一个简单的业务趋势，但因为系统听不懂，你不得不花一个小时去嵌套三层 LEFT JOIN、对齐 GROUP BY 的聚合字段，小心翼翼地用机器听得懂的语法去和数据库交互。 这也是为什么我现在越来越自然地把 AI 当同事，而不只是当工具。 > 本文的主线很简单：AI 入口要贴近任务，Agent 流程要能被复盘，人仍然掌握问题表述与验收标准。 贯穿全文的几个方法论 - 元提示词思维：让 AI 写操纵 AI 的 Prompt，人做微调 - 苏格拉底追问：让 AI 从多角度逼问自己，把模糊的想法变清晰 - 多模型协作：不同任务用不同模型，也可以让不同模型协作完成复杂任务（后文会在各个场景展开） - 经验沉淀：把流程固化为 `Skill`（Code Agent 中的术语），越用越好，越用越快 -— 一、日常使用：AI 作为随身顾问 ### 让 AI 入口离任务更近 我最近很久没有认真使用网页端 ChatGPT 了，重新打开以后发现，各家模型的网页端和应用端其实都变化挺大。在 API/token 变得紧张以后，我反而重新意识到：并不是所有任务都值得拉起本地 Agent、走 API、配一套完整工作流。很多轻量、一次性的小活，比如临时总结、改写、问一个不需要项目上下文的问题，直接交给网页端 ChatGPT 的 Agent 模式就够了。它不一定是最“工程化”的方案，但对这类任务来说，入口短、成本低、上下文负担小，反而是更合适的选择。 应用侧也是类似的逻辑。我现在还会用 `豆包` 的划词工具栏功能，它能在电脑全局划词唤醒。最方便的是可以自定义划词动作，比如我写了一个“概念解释器”，划词后直接给出学术概念的通俗解释，省掉了打开浏览器、复制、粘贴、重新描述问题这一整串动作。 另外，`豆包浏览器` 的网页翻译、页面总结、针对当前网页提问这些功能也挺实用。它的价值不一定在于模型能力一定最强，而在于它离当前网页足够近：我不用把内容搬到另一个窗口，也不用重新组织上下文，直接在当前页面处理就行。 所以我现在会更刻意地按任务重量选择 AI 入口：轻量任务交给网页端或应用端，项目级任务再交给本地 Agent。日常使用 AI 时，最重要的不是把每件事都接入最强模型，而是尽量降低使用 AI 的摩擦力。入口越贴近工作流，越容易形成高频使用；用得越自然，AI 的价值才越容易被挖出来。（大家如果有更好用的应用侧工具，也可以留言推荐~） 通过 IM 软件远程调用 Agent 可以通过类似 `cc-connect`、`happy` 这样的应用远程调用现有的本地 Coding Agent（Claude Code、Codex），也可以直接使用类似 `OpenClaw`、`Hermes`、`cowork` 的成品。 我认为 IM 是最低摩擦的派活入口，可以随时把任务抛出去；远端机器是 Agent 的工作台，它可以下载、转写、分析、跑代码、生成 PDF、发回结果。 但最吸引我的还是可持续培养性：让 Agent 记得你的偏好、知道你的项目结构、沉淀 `skill/workflow`，逐渐变成“熟悉我的同事”。 最近我主要是拿他们当咨询类的推送助手，以及提醒我吃饭、睡觉、写日记之类的 chatbot。我会给它我的日记访问权限，让它每天去读我近期的日记，以及往年当天的日记，用来督促我继续写日记。和我一起聊我的零散碎碎念，帮我整理我的知识wiki… -— 二、科研 这里给大家安利一下我现在比较稳定的一条科研工作流：调研 → 筛选 → 精读 → 整合，核心目标不是让 AI 替我读完，而是让它帮我把文献网络、论文细节和个人理解接起来。 科研文献阅读 我把文献阅读分成四个阶段：调研→筛选→精读→整合。 阶段一：课题调研 我主要用 OpenAI 的 Deep Research 以及 GPT-Pro 做课题调研和可行性分析。我会要求 AI 不仅提供最新文献，还必须包含该领域的开山之作，之后再让 Agent 按照个人偏好去构建 `wiki`。 阶段二：文献网络分析（Literature Network Analysis） 找到几篇感兴趣的论文以后（也就是先找到锚点论文），借助 Paper Connect 等工具，可视化文献间的引用关系，快速判断研究热度与技术脉络。（这些数据也应该同步导出给 Agent） 与 Agent 沟通调研结果，搞清楚这些文献之间的逻辑关系，最终自动下载感兴趣的相关论文以供后续引用或精读。 > 如果某篇论文的引用网络图非常庞大，说明这个方向已经很"卷"了。反之，可能还是蓝海。 阶段三：确定精读 → 逐篇攻克 下载论文到相关文件夹以后，我会先和 Agent 讨论一下当下研究已经推进到了什么地步，再确定阅读顺序，去除无关或暂时不感兴趣的论文。整个过程要逐步扩充整理 `wiki`。 精读环节，我会用两个模型配合： - Gemini 负责宏观视角：从动机 → 数学建模 → 实验 → 结论 → 评述五个角度分析一篇论文，生成 HTML 文件（这个格式也方便写周报，比较美观，可以截图放进去）。最近我发现我的gemini变傻到极致，突然这个任务也做不好了。如果大家用gemini也有这样的感觉的话，我觉得可以在粗读的时候看alpharxiv的blog模式。 - GPT 负责更细致的补充：在 Gemini 打好的 HTML 基础上继续修改和补充细节，亦或者直接让 GPT 根据模板生成 HTML 文件，同时对照原文分屏快速阅读。具体样子可以参考我的博客：[FormalEvolve Cheat-Sheet]( FormalEvolve 论文精读 )。 > 这个流程对应的 `paper2html` Skill 我也放进了这个仓库的公开 skill 包里，适合把论文 PDF / arXiv / OpenReview / LaTeX source 转成中文 HTML 精读页。 阶段四：知识整合 精读讨论清楚了以后，带着完整上下文让 Codex 调用 GPT-Image-2 生成信息图（一般一篇论文一张足矣），再带着个人理解与这张图做交叉验证，最终存档。 在执行这些过程时，通过 Agent 的 `Skill` 打通各个环节，提升速度，带来复利。 -— 关于科研绘图 科研绘图的三个类别 科研绘图分为三类。明白这些术语，可以更好地操纵模型绘图： - 插图（Illustrations）：阐述论文核心思想的示意图 - Teaser 图：在学术界，通常指为一篇论文制作的高度浓缩、引人注目的视觉摘要，常见于顶级期刊的封面（Cover）或亮点介绍（Highlight） - Poster（海报）：学术海报，用于在会议上展示研究成果，要求信息密度高、逻辑清晰且视觉吸引力强 策略：让 AI 写操纵 AI 的 Prompt 我发现让模型去生成 Prompt 的水平远超我自己，尤其是科研绘图方面。让我自己描述，我几乎完全描述不清楚。 我会先让大语言模型理解我的论文内容，然后由它来创造和优化用于生成图像的详细 Prompt。具体来说： 1. 把论文/想法丢给 AI，先问它在内容布局、配色、字体三个维度上如何规划 2. 可以主动指定大风格，比如 Nature / Science 风格 3. 一个很有效的技巧是使用参考图：把日常积累的优秀插图丢给 AI，让它分析风格，再基于你的论文内容生成新图像。 目前我还是把 AI 作为草图助手。出了草图以后，我会尽可能让 Agent 帮我做成 slides 或 HTML，再由我自己微调。AI 绘图需要大量迭代和多次尝试。目前 AI 最适合的角色，还是创意激发和草图设计助手；所有生成结果，尤其是涉及数据和逻辑的部分，依然必须经过严格的人工审核与修正。（严肃！） 谈谈最近的 GPT-Image-2 文字回答可以解释概念，但图像可以把层级、关系、流程、对比、因果、空间结构一次性摊开。GPT-Image-2 这类模型的价值，不只是“画得像”，而是能把前面讨论出来的上下文转成可检查、可讨论、可迭代的视觉对象。 与此前的 `nanobanana` 类似，当前 image model 正在从 image generation 迈向 visual intelligence：模型不仅仅根据提示生成图片，还需要理解上下文、规划版式、保持多图一致性、执行对话式修改，并将丰富上下文转成可视化产物。 GPT-Image-2 生成图片的“自然感”能够达到“以假乱真”的水平，这也要求我们提高评价标准，从更细致的内容层面进行检查。（如根据上下文生成科研绘图，应根据自身理解与其进行交叉验证比较）我们已经正式迈入了“有图未必有真相”、“图片内容不再可靠”的时代。未来我们很难通过肉眼以极短的时间判断出来一张高真实度的图片是否可信，可能需要仔细检查细节一致性、逻辑关系、来源链路与发布主体，而不是只看“看起来像真的”。 最近我真的在看到可能任何一张社交媒体传播的图片，我都会怀疑是不是 AI 生成的（特别是在这样一个魔幻的时代，看到很多很多可能不太符合正常逻辑的事情发生） -— 关于科研写作 让 AI 多审几遍 现在 AI 审稿越来越严重，尤其是在 AI 领域。论文构思好以后，起稿阶段就可以先用相关的论文润色 Skill 辅助打稿。有了相对完整的草稿以后，建议多用专业的审稿 Agent 来审。我目前主要用 `paperreview` 和 `cspaper` 这两个网站，前者好像可以无限用，后者每个月有免费次数；另外我也做了一个可以给 Code Agent 调用的 `paperreview` Skill，放在 GitHub 仓库里了。拿到审稿意见以后，再和 AI 讨论哪里需要修改。在给导师看论文之前，先多迭代几轮，把一些潜在的小问题尽量提前解决掉。 另外，其实这样写出来的论文也更容易被 AI 认可；如果审稿人本身也在用 AI 审稿，可能会更容易给不错的分数。 和 AI 一起写，可以，但前提是它真的理解对了 一定一定一定要确保 AI 对内容的理解是正确的。一旦理解错了，后面越写越多，越写越偏，非常危险！ 沉淀不同领域的写作 Skill 不同领域的论文，写作风格是不太一样的。 有的领域注重严谨推导；有的领域看重叙事铺垫；有的领域对实验细节特别敏感。 所以与其每次都去重新教 AI “这类论文应该怎么写”，不如先拿通用的科研写作 Skill 作为底子，然后喂本领域你认可的参考论文，慢慢沉淀出一个更适合你自己领域的写作 Skill。 这个 Skill 不需要多复杂，但它最好是： - 知道你这个领域常见的论文结构 - 知道你偏好的写作风格 - 知道哪些地方要展开，哪些地方不能废话 - 知道你对实验、图表、相关工作、贡献总结的习惯要求 如果看到读起来特别舒服的高质量论文，也记得让 Code Agent 去学习一下。 三、Code Agent 使用指南 工具演变 我最先接触 Code Agent 的是 Cursor，后面逐步进化到 Claude Code 与 Codex 这些。现在构思的时候是 Claude Code、Codex、Gemini CLI 以及 OpenCode 四个一起用，通过 Claude-Code-Bridge（也就是常说的 CCB）。构思清楚以后交给 GPT 模型开 `xhigh` 模式，一步一步严格执行。通常就是睡一觉的功夫问题就解决好了。 心流状态：人和 Agent 都要减少摩擦 频繁使用 Coding Agent 以后，我反而发现自己有时候更难进入所谓的“心流状态”。原因不是 Agent 不够强，而是 Agent 介入以后，人的工作方式会被改变。GUI 来回点、鼠标切窗口、到处 `cd`、临时查命令、等 ChatGPT 解释一大段过程，这些动作单独看都不大，但叠在一起就会不断打断注意力。最后表面上是在高效使用 AI，实际上人一直在被迫切换上下文，给人带来一层“上下文税”。 人和 Agent 最好是能待在一个连续的操作回路里：搜索、打开、查看、处理、验证，尽量不要中途跳出当前现场。对人来说，CLI、快捷键和模糊搜索很重要。比如用 `fzf` 快速找历史命令或文件，用 `yazi` 在终端里浏览目录，在 macOS 上用 `open -a Preview` 直接打开 PDF 或图片。它们解决的不是“炫技”的问题，而是减少从思考到操作之间的阻力。少一次鼠标切换，少一次窗口跳转，人就更容易保持连续性。 对 Agent 也是一样。Agent 的能力不只取决于模型本身，也取决于它会不会选对工具。搜索代码时应该优先用 `rg` 或 `rg --files`，处理结构化数据时应该用 `jq`，临时 Python 依赖可以用 `uv run --with`，音视频处理应该想到 `ffmpeg`，图片处理应该想到 `magick`，PDF/LaTeX 相关任务应该知道 `poppler`、`xelatex` 这些工具。工具选错了，模型再聪明也会慢、会错、会做出很笨的方案。 所以我现在会特别注意 review Agent 的过程。重点看它用了什么工具，有没有过早退而求其次，有没有忽略 GPU、远程机器或专用工具，有没有明明存在更快路径却用慢方案硬跑。比如做 Whisper 转录时，如果本来可以走 Apple Silicon / Metal / MLX 加速，却退回 CPU 跑半小时，这就不是“慢一点而已”，而是工作流规则没有写清楚，模型也没有 get 到。我们遇到这种情况，比如一次发现 `rg` 比普通搜索更适合项目级代码检索，就不只是自己记住，而是写进 `AGENTS.md` 或 Skill。一次发现 `uv run --with` 很适合临时 Python 依赖，也写进规则。这样下次 Agent 不需要重新“猜”，而是默认走更合理的路径。 我觉得有两件事特别重要： 1. 先走最佳实践，不要一开始就退而求其次。 如果正确路径连续尝试几次仍然不可行，再有意识地 fallback，并说明为什么 fallback。 2. 人必须理解基本概念和原理，才有能力 review Agent 的自动过程。 不懂工具链、不懂任务本身的约束，就很难看出来 Agent 是真的做对了，还是只是把话说圆了。 所以 Code Agent 的“心流状态”，不是完全放手让它自己跑。更准确地说，是人把任务意图、工具选择和验收标准都约束清楚，人减少无意义操作，Agent 减少无效试错。让 Agent 在正确的轨道里高速推进。 复杂需求的处理流程 简单需求就不展开了。说说复杂需求怎么做（参考刘小排的经验）： 把模糊的想法逐渐写清楚 事实上我的很多个想法都是极其模糊的，可能我想的一两句话背后有十几个决策点需要关注。具体做法是：我会先把一开始的需求同时发给四个 AI，让它们用自己的话术整理需求，然后向我提问；这里推荐一个不错的 skill，叫做 `grill-me`。接着我不断回答各个 AI 提出的问题，AI 继续追问。这个过程要让 AI 多输出可视化的 ASCII 原型图，加深自己的理解。不断让 Claude 模型去整理各个会话的内容（Claude 的模型说得容易懂），迭代直到所有 AI 都认为当前的方案已经没有问题，或者问题可以忽略不计，最终交给 GPT 模型通过 `/goal` 模式完成即可。 各个模型特点 - GPT / Codex：比较严谨。GPT-5.5 相比 GPT-5.4 有了很大的改进，特别是在语言表达上（少了很多口癖，说话没那么令人反感了 hhh，但是貌似没有找回以前第一次用 GPT-5.2 那种感觉）。 - Claude（Opus 4.8）：表达能力强，速度快，工具调用各个能力都很优秀，但价格比较贵，不能随心所欲地用。虽然大家感觉都不如 Opus 4.6，但是至少相对 Opus 4.7 来说还是有进步的。 - Gemini：前端能力很不错，很适合用来发散思维，有很丰富的世界知识，有时候聊方案的时候会有意想不到的效果。 - Grok：搜索能力很优秀，在审查上应该也是最松的，还有 NSFW 模式。推荐 `grok-search` 这个 MCP 搭配其他 Code Agent 使用。 推荐的使用方法论 1. 多使用元 Prompt 或 Skill——比如造 Skill 的 Skill，把常用的工作流模板化。 2. 不会的多问 Agent——很多东西 Agent 可以给你讲懂，并且最终落实做出来可以用。就不断迭代积累经验。 3. 多向社区学习——参考他人的经验，不断完善自己的工作流，让自己的 AI 越用越方便，让自己更擅长与 AI 协作。 -— 四、多回顾，最好定期复盘 Skill 不是越多越好 Skill / MCP 不是见一个就安一个。 我原先就是这样，遇到一个看起来不错的 Skill，就想让我的 Code Agent 给装上。最近回头复盘才发现，自己这里已经堆了很多做同一件事的 Skill。给同样的输入，有时候模型选 A，有时候选 B，有时候选 C，结果并不稳定。毕竟模型在选 Skill 的时候，很多时候只能先看 `description`。 OpenAI 和 Anthropic 都在官方文档里提到过，相关工具最好尽量收敛一些。当工具数量太多、同类能力重叠、边界又写得不清楚时，模型更容易选错、犹豫、变慢，甚至被长输出拖垮上下文。 所以我现在会定期回头复盘自己的 Skill 和 MCP，看它们到底有没有真正给我带来增量，我到底有没有长期用到它们。如果一个 Skill 只是“当时看起来很厉害”，但后来几乎不用，或者和别的 Skill 做的是同一件事，那我就倾向于把它关掉，甚至直接删掉。相反，如果我发现一个东西自己反复在用，而且确实好用，我就会继续往里看，搞清楚它到底为什么好用，再决定要不要把它沉淀成自己更稳定的一套东西。 另外，其实现在很多网上公开的 Skill，都是遇到需求以后直接让模型写出来的，而不是“尝试 → 错误 → 修改 → 沉淀”的产物，质量未必足够好。装好以后最好自己测一下，看看“用这个 Skill”和“不用这个 Skill”之间到底有没有差别；这件事也可以交给 Code Agent 自己做。 这只是其中一个例子。和 AI 协作不是不断往系统里加东西，有时候做减法更有用：留下有用的，去掉噪声。 警惕“效率幻觉” 不知道大家有没有这种感觉：每天用 AI 写代码的时候，产出看起来很多，推进也很快，但等真正沉下心回顾时，却很难说清楚自己到底做了什么，甚至有时候连当时为什么要那样做都不一定想得起来。 某种程度上，AI 把“做”的门槛压得很低，于是人很容易在需求还没想清楚的时候就先开做。想着“这个功能先 vibe 一下再说”，结果写着写着，需求开始漂，方向盘也交了出去。你没有想清楚，它也不会替你想清楚，它只会更快地把一个模糊的东西做出来。 如果只是一味把 AI 当替身，让它一路写、一路改、一路带着你走，那本来应该由自己完成的理解、判断和取舍，也会一起被外包出去。最后得到的，可能不是更强的能力，而是一种“虚假生产力”。 对我来说，一个很重要的边界就是：我是否还能清晰地主导“问题表述”和“验收标准”。如果这两样开始模糊，那就很危险了。如果你自己都还不知道想要什么，就先别急着干。否则可能后面看起来还在推进，但推进的东西到底对不对，自己其实已经没那么确定了。 我对抗“效率幻觉”大概有两步。 第一步，是把决策可视化。 我会尽量把自己思考的东西打出来，输入到幕布里，再转成思维导图去看。这里最关键的不是工具，而是要自己动手，尽量不要复制粘贴。AI 可以辅助，但这一步我更希望是我自己在输入、在整理、在重新组织。因为只有这样，我才能确认这些内容真的是我自己想清楚的，而不是只是看 AI 说得很顺，就默认它是对的。 某种意义上，这一步对我来说是 100% 的“人在回路”。它会在物理层面强制我把思考重新接回来，同时也能保证持续专注，因为这件事没法并行，也没法偷懒。 第二步，是主动抽离。 抽离对我来说，不只是休息一下，而是一个避免局部最优、避免反刍、恢复元认知的过程。 因为和 AI 协作久了以后，很容易出现一种情况：对话越来越顺，内容越来越连贯，于是人会慢慢产生一种“我们正在前进”的感觉。问题在于，这种流畅感本身就会削弱人的警惕性。清醒的时候，你还会不断追问：这一步的依据是什么？风险在哪里？但到了后期，尤其是累的时候，人更容易接受那些“语言上讲得通”的东西，于是决策权就会默默让渡出去。 而且这种让渡通常不是一下子发生的，它更像是一个渐变的滑坡。 所以我的做法会更偏物理一些。比如我坐在电脑前工作一段时间以后，会刻意离开电脑，站起来走一走，喝点水，强制把自己从当前状态里抽出来。我的大脑并没有停止，只是像经历了一次重启。然后我再回来重新看：我们现在到底进展到了什么地步？如果我要给别人汇报进展，我会怎么汇报？我们现在做的这件事，真的是对的吗？ 对我来说，这一步很重要。因为很多时候，所谓“效率幻觉”不是你做得不够多，而是你已经做了很多，但你开始说不清自己到底为什么这么做了。 -— ## 五、AI时代生存（学习）指南 学会主动降噪 这是一个什么时代呢？因为我有每天听播客、看最新动态的习惯，很容易会有一些错觉：好像每天都有新模型、新工具、新 Agent 发布，感觉世界每天都在被重写。 变化当然是真的，焦虑也不是空穴来风，很多岗位裁员是真的，岗位收缩是真的，很多公司也确实把 AI、效率、组织重构这些话术和 headcount 变化绑在一起。但越是在这个时候，越不能被噪声牵着走，把所有信息都理解成“全完了，过一阵子就全部都失业了”。 同时，要明白很多信息本身也带着浮夸、博眼球的成分。不要失真地理解现实，不要被节奏带跑，焦虑地过日子，焦虑既不解决问题，也伤身。 主变量是人 目前，AI 可以辅助探索、生成、执行。但是不能替代你对问题表述、验收标准、必要取舍和决策的主导权。这应该要成为共识。 变化是真的，所以不能躺平；起码在现在这个阶段，大家能用到的 AI，无论是 GPT、Claude、Gemini，还是国内的 GLM、DeepSeek、Kimi、MiniMax 等等，差距没有大到离谱的程度。（当然，能用最好的还是用最好的） 更大的区别还是在于用 AI 的人。同样的一个模型，不同的人用出来的效果是不一样的。小学生和数学家用同一个 AI 去做数学，最后发挥出来的力量肯定是不一样的。所以说，这个时代，要学习。 如果把“人是主变量”这件事再画得更直接一点，大概就是下面这个样子。 不能只会用 AI 如果你完全不懂你现在让 AI 做的事情，那你几乎是无法判断和分辨好坏的，也是无法做到经验累积的，你只能做一个搬运工。而这样长期下去，过度依赖 AI 而不学习会导致能力萎缩，最终个人能力可能逐渐倒退至完全被 AI 的能力所 cover，这是很可怕的一件事情。 如果你发现 AI 在跑，你只是盯着控制台发呆，刷手机，最后再把结果原样拿来用，或许该警惕了。 学什么，怎么学 学什么呢？去学概念、原理、表达、审美、判断。 决定能不能进入一个领域的概念与原理的知识是不会太多的。抓住这些主干，你就能够更快进入这个领域的 space，知道它的大致边界、结构和内在关系。 所以不要碎片化地去追热点，什么火去学什么，可能这样学到的只是表象。应该要去学概念，学原理。建立起自己的地图，知道自己在哪，知道哪些概念是主干，哪些是枝叶。然后让 AI 帮你逐步展开、解释、练习。 这是一个非常适合学习的时代。我个人深切感受到了，很多过去晦涩难懂的知识，现在都可以让 AI 用你能理解的话解释；也可以扮演导师的角色拷打你，可以用苏格拉底式的问答逼你去把问题想得更深一点。 人机关系 有关人机关系，我想到的最差的关系是：自己不思考，只会搬运 AI 的答案。 最理想的路线是：自己有知识基础，有判断力，知道什么是好的，知道自己想要什么，然后让 AI 去帮你探索、生成、执行。 推荐的一些材料 如果你暂时找不到意义，不知道这样飞速发展的时代应该做什么，感到焦虑和迷茫，那么去学习吧。如果暂时不知道学什么，或者想从 coding agent 这条线入门，我推荐几个对我来说帮助比较大的材料： - Learn ClaudeCode / `shareAI-lab/learn-claude-code` 适合从 0 到 1 理解 agent harness。 - Auto-claude-code-research-in-sleep / ARIS 的 skills 适合做学术研究，尤其是如果将 coding agent 与学术研究结合。 - `obra/superpowers` 适合看一套完整的 agentic skills framework 和软件工程方法论。 -— 六、对于我来说，不得不思考的一些问题 当未来 AI 产品与我们生活方方面面紧密结合时，会发生什么？ 我现在也会警惕另一件事：人和 AI 协作久了以后，不一定只是效率更高了，也可能是在慢慢学会用 AI 听得懂的方式去表达自己。目标可能会变得更结构化，更 AI friendly，原本那些模糊、犹豫的东西是不是会慢慢变少？短期看，是沟通成本变低，执行变快，效率变高了；但反过来看，是不是也意味着我们也正在一点点变成一个更容易被系统理解、也更容易被系统预测的人呢？ 另外，这种变化不是单向的，AI 会通过我的历史行为学习我，而我也会通过和 AI 协作的反馈学会怎么更快地得到结果。久而久之，就可能形成一种闭环：我越来越习惯某种提问方式、某种表达风格，而 AI 也会越来越顺着我。可这就是问题，它这样做太容易让人觉得“这就是我的想法”了，实际上可能是一种坍缩。看似是 AI 和人共同进化，实际上有可能只是你变简单了。 4 个帖子 - 4 位参与者 阅读完整话题

昨天发布完之后有不少佬友关注了，后续可能按周记录吧。先贴一下这周的情况： 今天的大盘大盘小低开符合预期，但是很快就开始向上拉升，尤其是手上的沃格光电，竞价诱空直接跳空，开盘后疯狂向上，同时京东方、彩虹股份走强，因此选择格局，高点再出。但是冲到八九个点之后就有一点不想封板的感觉，这个时候我发现我昨天买入拿来对冲科技的消费龙头步步高秒板了，且昨日秒板的茂业商业二连板，就估计又是一波冲高坑人的一天。。。因此选择挂单133出掉了盈利非常多的沃格光电，同时在四个点左右出掉了昨日的步步高(没想到会涨停，因此卖飞)，最后沃格光电也成功上板，但我认为这是一个不强的板，因此在下午开板后也没有任何接回的想法，后续再给深水可能会进。 再出掉手上的票之后开始寻找对冲防守的板块，如昨日的帖子一样，主要看消费、电力和机器人，消费龙头已经卖飞，机器人我水下割掉的一支埃斯顿，因为到了我-3%的止损位，我认为在昨日浙江荣泰那么强的情况下，埃斯顿不主动走强就是弱势的表现。因此选择进入电力深水的华电能源抄底选择对冲。但是这个时候其实忽略了板块，只看了华电辽能略微冲高，实际上隔壁豫能已经俯冲了，所以做的不好。下午大盘泥沙俱下的时候还指望着奇迹发生，补了点，可惜还是没有，最后还跌停了，不过也没啥事，会有机会的。 最后就是在大盘水下-0.4%的时候选择买入通富微电和盛新锂能，博弈下周的反弹行情，没想到抄早了，现在被套中。因此今天的收益从+3%回撤到了只有0.9%左右，仓位为61%，对自己的操作很不满意，步步高和机器人拿任何一只都是对冲成功，可能是因为在华电能源吃过十几个点有感情了吧，股市还是要理性为主不能太主观。 操作讲完，分析一下这一周的情况吧。这一周有两天都是很多股票红着，但是大盘很绿，另外三天就是CPO/存储芯片/PCB等大科技为主的主线爆红，但是4000+个股下跌，大盘甚至能红。这说明了一个情况，机构甚至主力这两天拉其他票但是疯狂回落，就是在传达一个信号，散户呆在老登股，我拉老登股给你们看看，老登股不能成为主线，它不能让大盘走强，这是明显的逼空，所有散户都得给我进CPO给我进半导体来接盘，现在就是这样一个魔幻的行情，那谁会接这最后一棒呢，不得而知。 如昨天的帖子说的，今天还是一个回踩需求，但是下周开始我认为是一个反弹的B浪，这一浪还是以光和存储为主，这也是我买入通富微电的原因了，在放量下跌的大盘下，存储很多都是缩量跌，说明还没出货，还有最后一波疯狂，我选择拿个先手验证一下。大盘在未来可能能奔向4200点，但是这是筑平台行情中的反弹浪，它不是主升，因此你看4200，那你就最多只能做到4150，提前离场才能保住自己的利润与本金，A股最重要的是活下去。逼空行情袭来，希望大家都能长虹。 交易有风险，入市需谨慎 7 个帖子 - 4 位参与者 阅读完整话题

如题。我是博士生，之前一直想着都快30了，得自力更生，不能找父母要钱，然后省吃俭用。 结果这两天和父母打了个电话，父母一下给转过来的够我省一年攒的了，直接笑嘻了。 突然觉得再啃老到毕业也挺香的 33 个帖子 - 16 位参与者 阅读完整话题

辽宁籍博士生吴天禹还记得 2019 年那个下午。他刚买了一台 MacBook，打开 Xcode，敲下人生中第一行 Swift 代码。“那时候连 UI 怎么布局都搞不清楚，但就觉得，这东西真酷。”五年后，他开发的一个在 iPad 上控制机械臂的机器人教学游戏“MagiBotics”，获得了 2026 年 Apple Swift Student Challenge 奖项，这是他第二次获奖。 像吴天禹这样的故事正在中国越来越多的学生中发生。他们并非都是计算机科班出身，有的原本学物理，有的从公共管理转专业，有的还在读高中。但他们有一个共同点：通过 Apple 提供的免费工具和资源，从零开始学会了为全球数十亿用户创造应用。 在 Apple，我们对于 App 开发的理念是人人能编程，并且 App 应当能被所有人使用。我们在开发者旅程的每个阶段都为他们提供支持。 Apple 开发者关系国际业务负责人谢恩伟这样解释这家科技巨头的教育哲学。多年来，Apple 通过 Swift Playgrounds、官方教程、Swift Coding Club、WWDC 以及 Swift Student Challenge 等一系列工具和项目，构建了一条从兴趣启蒙到专业开发者的完整路径。 IT之家采访了六位 2026 年 Swift Student Challenge 的中国获奖者，记录他们学习 Swift 的故事，以及 Apple 的“人人能编程”理念如何在真实个体身上落地。 一、从零到一：六种不同的起点 吴天禹：一台 MacBook 和一行代码 2019 年，吴天禹还是南京航空航天大学的一名本科生。他从小就是 Apple 产品的用户 ——2012 年第一台 iPad 让他迷上了 App Store 里那些有趣的应用。“我当时就想，如果有一天我也能做出这样的东西就好了。”他说。上大学后，他用积攒的钱买了一台 MacBook，然后下载了 Xcode。那是他第一次接触编程。“其实挺懵的，不知道从哪里开始。”他先在网上找教程，看 Apple 官方的文档，一行一行地跟着敲。第一个能跑起来的“Hello World”界面，他盯着看了很久。 吴天禹的学习路径很典型：Swift 语法 -> SwiftUI 布局 -> 逐步加入动画、网络请求、数据库。他没有上过专门的编程课，全靠自学。“Apple 官方的 Swift Playgrounds 我玩过，里面那些闯关游戏很有意思，让你一边玩一边学语法。”他说。到了 2022 年，他独立开发的第一款应用 Daily Penny 上线 App Store—— 一个帮助用户养成每日绘画习惯的工具。 如今他是南方科技大学智能制造与机器人专业的博士生，研究如何用 iPhone 驱动人形机器人。他的获奖作品 MagiBotics 正是这个方向的产物：用 iPad 模拟机械臂控制，让普通人也能像玩游戏一样学习机器人学。“Apple 的工具让我能把复杂的算法包装成直观的交互，”他说，“没有 Xcode 和 ARKit，这个项目不可能在几个月内完成。” 付佳鹭：从物理学到 Swift Playgrounds 付佳鹭的故事更跨界一些。她是苏州大学物理学专业的大四学生，辅修计算机。“物理学的代码主要是做计算、跑模拟，和创意关系不大。”她说。真正让她对应用开发产生兴趣的，是 Swift Playgrounds。 “我当时在网上看到 Swift Playgrounds 的演示，那种可交互的教学方式特别吸引我 —— 你在左边敲代码，右边画布实时显示界面变化，像玩游戏一样。”她开始利用课余时间自学，从最基本的语法到 UIKit、Core Data。“Apple 的官方教程非常清晰，而且免费。”她说。 付佳鹭的作品“Maestro”是一款音乐指挥游戏：用户通过手势和面部表情指挥四只虚拟动物乐队演奏。这个项目融合了手势识别、音频合成和动画 —— 所有技术都来自 Apple 的框架。“我特别感谢 Apple 提供了 Vision 和 AVFoundation 这些工具，让我一个物理系学生也能做出有交互深度的应用。”她说。 严禹：短视频激发的好奇心 东南大学人工智能学院的严禹，是被一条短视频“推”进 Swift 世界的。“我看到 Apple 开发者分享用 Xcode 敲代码的片段，左边写代码右边实时预览，那个效率感太震撼了。”他说。 他马上在自己的 Mac 上装了 Xcode，然后开启了两条学习线：一边在B站看教学视频，一边刷 Swift Playgrounds 的闯关。“学校的专业课也帮了大忙，数据结构、算法这些基础让我上手很快。”严禹说。 他的作品“Pixel Beader”是一个虚拟拼豆创作工具。灵感来自一次失败的手工经历 —— 拼豆洒了一地，熨烫时的气味让他担忧健康风险。他用 SwiftUI 构建界面，用 Metal 框架的着色器模拟拼豆受热融化的质感。“Metal 的文档很厚，但 Apple 提供了完整的示例代码和 WWDC 视频，我就是跟着那些视频一点点学会的。”他说。 赵经纬：为了朋友，也为了自己 赵经纬是六人中唯一转专业的学生。她本科在湖南农业大学读公共管理，大二时决定转到计算机。“我想做更多有意义的事情，把人文社科的思维和技术结合起来。”她说。 她的转折点来自一个很具体的需求：一位女性朋友需要记录经期前后的情绪和身体症状给医生看，但 Apple Health 的数据零散在各处，无法形成清晰的视图。“我当时就想，为什么不能做一个把它们全部放在同一时间线上的工具？” 于是她开始学 Swift。她先过了一遍 Apple 官方教程，然后直接上手做项目。“遇到问题就查文档、看 WWDC Session、读开源代码，后来也问 AI。”她说。从零到上线第一个版本，她用了三个月。 今年的参赛作品“ PMS.aid ”不仅整合了 HealthKit，还内置了医学文献的科普卡片。她说：“Apple HealthKit 让我能安全地读取用户的健康数据，这在其他平台上可能要花很大精力。” 沈宸颉：高中信息队里的一扇窗 南京外国语学校高二学生沈宸颉，是在学校信息队的宣传中第一次听说 Swift Student Challenge 的。“Apple 官网那句‘把创意变成现实’的标语击中了我。”他说。 他之前学过 C++，参加过算法竞赛，但 Swift 是全新的语言。他的学习方法分三步：先看 Apple 官方指南熟悉语法，再用 SwiftUI 学界面搭建，最后通过实际项目练手。“B站上有不少零基础入门的公开课，Stack Overflow 上几乎能搜到所有 bug 的解决方案。”他说。 沈宸颉的获奖作品“Help the Bajau”源自一次志愿活动。今年 2 月，他去了马来西亚仙本那的巴瑶族社区，看到海洋污染对这支“海上吉普赛人”的影响。回国后，他用 SwiftUI 做了这款环保公益游戏。“Apple 的 Core Graphics 让我能把实地照片转化成卡通风格，更好地融入游戏。”他说。一个 17 岁高中生，用几个月时间，完成了一个从田野调查到代码实现的全流程。 赵芯澄：父辈的示范效应 上海包玉刚实验学校高二学生赵芯澄，接触 Swift 的契机有点意外。“我爸爸之前没开发过 App，但用了 Swift 之后，居然给我弟弟做了几个很有趣的小应用，还上架了。”他说，“我当时就觉得，这个门槛好像没那么高。” 他自己从小就是 Apple 生态的爱好者，体验过各种 iOS 应用。他看到爸爸的成功后，决定也试一试。上手之后发现 SwiftUI 确实简单高效，“比以前想象的要顺利很多”。 赵芯澄的作品“Orat”是一个演讲训练工具，能实时识别手势和姿态，给出评分和建议。灵感来自一次课堂 Presentation—— 同学因为焦虑忘词，全场沉默。“我当时想，需要一个工具来帮大家练习。”他说。他深度调用了 Speech 和 Vision 框架，尤其是 AV Foundation，这完全就是 Orat 的灵魂。靠着这些技术，他实现了让用户在各种主题场景里进行沉浸式练习的功能，系统还能根据用户的表现给出实时的反馈。“Apple 的框架封装得很好，我只需要调用 API，不用从头写算法。” 二、Apple 的“人人能编程”：工具、社区与路径 这六个故事看似各异，背后却有一条清晰的主线：Apple 为每一个想学习编程的人提供了从零到一的完整支持。 入门阶段：Swift Playgrounds 用游戏化方式教授语法，无需任何基础即可上手。付佳鹭和吴天禹都提到了它的价值 ——“像玩游戏一样学编程”。 进阶阶段：Apple 官方提供免费的教程、WWDC Session 视频、开发者文档。严禹的 Metal 着色器、赵经纬的 HealthKit 集成，都是通过这些资源学会的。“WWDC 的视频我反复看了好几遍。”严禹说。 实践阶段：Xcode 免费提供全功能开发环境，包括模拟器、调试工具、性能分析器。学生无需购买苹果设备就能在 Mac 上完成开发和测试。赵芯澄提到：“Xcode 的实时预览太强了，改一行代码立马能看到界面变化。” 社区与赛事：Swift Coding Club 在全球数千所学校落地，中文套件也在国内推广。Swift Student Challenge 不设门槛，只看创意和完成度。今年有 37 个国家和地区的 350 名学生获奖。“参加比赛最大的收获不是奖项，而是逼自己完成一个完整项目。”吴天禹说。 发布与分发：通过 Apple Developer Program，学生可以免费（或通过教育机构费用减免）获得将应用上架 App Store 的权限。“看到自己的应用在商店里能被下载，那种成就感很真实。”赵经纬说。 上升通道：每年 WWDC，Apple 邀请 50 名杰出获奖者前往 Apple Park，与工程师面对面交流。“去年在 Apple Park，我跟几个工程师聊了 ARKit 的底层实现，回来后解决了好几个困扰已久的问题。”吴天禹说。 谢恩伟在谈到这一体系时表示： 我们从不说‘你要先学会 A 才能做 B’。我们希望学生直接动手，用创意驱动学习。Apple 的工具和资源，就是让他们在每个阶段都能找到支撑。 三、AI 来了：工具升级，理念不变 2024 年以来，AI 编程辅助工具的能力经历了爆发式增长。Vibe Coding 理念风靡全球。这六位学生几乎都在使用 AI 辅助开发 —— 从代码补全到调试建议，从文档查询到架构讨论。但当记者问“AI 会不会让学习编程变得不再重要”时，他们的回答出奇一致。 “AI 是杠杆，不是拐杖。”吴天禹说，“你不懂逻辑，连提示词都写不好。”他现在的开发模式是用自然语言写出详细需求，AI 负责生成代码框架。“但性能优化、架构设计、用户体验 —— 这些还得靠人。” 赵经纬提到：“AI 可以帮我写 HealthKit 的调用代码，但‘为什么要追踪黄体晚期’这个问题，是我自己读文献读出来的。”她认为编程的本质是“用逻辑解决问题”，AI 只是加速了实现过程。 沈宸颉和赵芯澄作为高中生，对 AI 的依赖更多一些。“AI 帮我搭了基础架构，但到了算法优化和复杂 bug 调试，它就不行了。”沈宸颉说。赵芯澄则用 AI 做了图片风格转换等辅助任务，“但交互设计上的问题，AI 帮不了我”。 谢恩伟对 AI 的态度是拥抱但不盲从。“我们欢迎学生使用 AI 来学习、调试、探索新想法，”他说，“但最终作品必须体现自身的批判性思维和创造力。”他还强调，编程在 AI 时代反而更有意义 —— 因为 AI 打开了更多创意的可能性，而把这些想法变成现实，仍然需要编程这一“解决问题的语言”。 Apple 的应对策略是：不禁止 AI，而是要求学生在文档中披露如何使用 AI 工具。这种开放而审慎的立场，既顺应了技术趋势，又守住了“人人能编程”的核心 —— 编程教育的终极目的不是培养代码工人，而是培养能用逻辑表达创意、用技术回应现实的人。 四、他们的下一步 采访结束时，同学们也分享了接下来的计划：吴天禹将继续他的机器人研究，“我的目标是让普通人用 iPhone 就能控制人形机器人”，今年六月他将再次前往 Apple Park 参加 WWDC26；付佳鹭即将毕业，打算攻读人机交互方向的研究生，“我想把物理学的思维和交互设计结合起来”；严禹计划进一步完善 Pixel Beader 并上架 App Store，“虚拟拼豆这个方向有很多可做的，比如社交分享、3D 打印导出”；赵经纬已被一所大学的人机交互硕士项目录取，明年春季入学，“我想继续做女性健康方向， PMS.aid 这个领域还有很多需要探索的”；而 17 岁的沈宸颉和赵芯澄明年将申请大学，计算机是共同的首选专业，正如赵芯澄所说：“我想去学人机交互，做更有社会价值的应用。” 五、总结 “人人能编程”从来不是一句空话 —— 它是一个 17 岁高中生能凭借兴趣和免费工具做出公益游戏的真实图景；是一个物理系女生能跨界成为应用开发者的可能性；是一个博士生能把前沿机器人研究装进 iPad 的创造力。

从 【开源推广】作为一名在读博士生，我在日常是如何与 AI 协作的？——ai-collab-playbook 继续讨论： 最近导师让写一份关于本方向的研究进展，想用AI搭起来一个框架，但在填充框架内容的时候感觉割裂感很大，再加上导师的框架建议就更乱了，看有没有佬友有更合理的写作建议，还有就是文献看的确实不多。 1 个帖子 - 1 位参与者 阅读完整话题

各位佬友好，我目前是博士生在读，平时使用github copilot和opencode，主要是白嫖些免费渠道，但是感觉越来越不好用，而且平时搞科研需要问ai一些复杂问题，国产模型能力确实不太够。在二手平台搞了个gemini pro，但是感觉不太好用，很馋gpt的思考模型。想请教下大家，有没有比较稳妥的个人账户订阅gpt plus的方式，我在国内，没有境外的visa卡等支付方式，也没有苹果手机，感觉apple store的方式也难搞。 另外有同学在国外读书，让他们帮我支付合适吗？是不是目前只剩这一种方法。 14 个帖子 - 9 位参与者 阅读完整话题

作为一名在读博士生，我在日常是如何与 AI 协作的？——ai-collab-playbook 公开版本 / Public edition: 2026-04-26 前言：当同事，不当工具 我是一名人工智能方向的在读博士生，大概在 ChatGPT 出来以后还是 GPT-3.5 的时候就比较重度使用 AI 以及 AI 工具了。几年下来，AI 已经渗透到我工作和学习很多环节，有一些心得想分享一下~ 当同事，不当工具 （我认为至少未来几年，应该是人机协作的时代） 现在回头看，我觉得过去很多所谓“会用电脑”，其实有相当一部分是在给机器当翻译。人脑子里明明只有一个目标，落到电脑上，却总要拆成一堆很零碎的动作。很多时候不是事情本身真有那么复杂，而是旧系统根本听不懂你的意图，只能逼着你先把目标嚼碎，再翻译成它能执行的步骤。这也是为什么我现在越来越自然地把 AI 当同事，而不只是当工具。 几个方法论，贯穿后文的所有场景： 元提示词思维 ：让 AI 写操纵 AI 的 Prompt，人做微调 苏格拉底追问 ：让 AI 从多角度逼问自己，把模糊的想法变清晰 多模型协作 ：不同任务用不同模型（后文会在各个场景展开） 经验沉淀 ：把流程固化为 Skill（Agent 中的术语）越用越好，越用越快 一、日常使用：AI 作为随身顾问 划词工具栏 我现在主要用的是 豆包的划词工具栏功能 ，它能在电脑全局实现划词唤醒。最方便的是支持自定义划词动作——比如我写了一个"概念解释器"，划词后直接给出学术概念的通俗解释，省去了每次都要打开浏览器搜索的麻烦。市面上类似的工具还有夸克、飞书等提供的划词工具栏。更进阶的方案比如 Pot Desktop、Cherry Studio 支持自定义 API（可以接入更强的模型），但目前豆包对我来说够用了。 划词功能，我一般拿来做日常问答以及基本的搜索，翻译这些比较简单的事情。大家在日常使用 AI 的时候可以刻意 降低使用 AI 的摩擦力 ，让 AI 的入口尽可能贴近你的工作流。摩擦力越低，越愿意用，AI 能被挖掘出来的价值就容易越大。 通过IM软件远程调用Agent 可以通过类似cc-connect，happy这样的应用可以实现用IM软件远程调用现有的本地Coding Agent（ClaudeCode，Codex）也可以直接使用类似OpenClaw，Hermes的成品。 我认为IM是最低摩擦的派活的一个入口，可以随时把任务抛出去，远端机器是Agent的工作台，它可以下载、转写、分析、跑代码、生成 PDF、发回结果。 但最吸引我的还是可持续培养性，让Agent 记得你的偏好、知道你的项目结构、沉淀 skill/workflow，逐渐变成“熟悉我的同事”。 最近我主要是拿他们当咨询类的推送助手，以及提醒我吃饭、睡觉、写日记之类的 chatbot。我会给它我的日记访问权限，让它每天去读我近期的日记，以及往年当天的日记，用来督促我继续写日记。和我一起聊我的零散碎碎念，帮我整理我的知识wiki… 谈谈最近的GPT-Image-2 文字回答可以解释概念，但图像可以把层级、关系、流程、对比、因果、空间结构一次性摊开。GPT-Image-2 这类模型的价值，不只是“画得像”，而是能把前面讨论出来的上下文转成可检查、可讨论、可迭代的视觉对象。 与此前的nanobanana类似，当前image model从image generation迈向visual intelligence的模式，模型不仅仅根据提示生成图片，还需要理解上下文、规划版式、保持多图一致性、执行对话式修改，并将丰富上下文转成可视化产物。 GPT-Image-2生成图片的"自然感"能够达到“以假乱真”的水平，这也要求我们提高评价标准，从更细致的内容层面进行检查。（如根据上下文生成科研绘图，应根据自身理解与其进行交叉验证比较）我们已经正式迈入了“有图未必有真相”，“图片内容不再可靠”的时代，未来我们很难通过肉眼以极短的时间判断出来一张高真实度的图片是否可信，可能需要仔细检查细节一致性，逻辑关系，来源链路与发布主体。而不是“看起来像真的”。 最近我真的在看到可能任何一张社交媒体传播的图片，我都会怀疑是不是AI生成的（特别是在这样一个魔幻的时代，看到很多很多可能不太符合正常逻辑的事情发生） 二、科研 科研文献阅读 我把文献阅读分成四个阶段： 调研→筛选→精读→整合 。 阶段一：课题调研 我主要用 OpenAI 的 Deep Research 以及 GPT-5.5-Pro 做课题调研以及可行性分析，我会要求 AI 不仅提供最新文献，还必须包含该领域的开山之作，之后将这些内容让agent按照个人偏好去构建wiki。 阶段二：文献网络分析（Literature Network Analysis） 找到几篇感兴趣的论文以后（找到锚点），借助 Paper Connect 等工具，可视化文献间的引用关系，快速判断研究热度与技术脉络。（这些数据应该也同步给Agent） 做成适合 Agent 用的 Skill，调研的时候自动分析好文章的引与被引关系，和我交流这些文献，搞清楚这些文献之间的逻辑关系，最终自动下载相关论文以供后续引用或精读。 如果某篇论文的引用网络图非常庞大，说明这个方向已经很"卷"了。反之，可能还是蓝海。 阶段三：确定精读 → 逐篇攻克 下载论文到相关文件夹以后，我会先和 Agent 讨论一下当下研究已经推进到了什么地步，再确定阅读顺序，去除无关或暂时不感兴趣的论文。这里常用的就是 Codex、Claude Code这些Cli。（整个过程要逐步扩充整理wiki） 精读环节，我会用 两个模型 配合： Gemini 负责宏观视角 ：从 动机→数学建模→实验→结论→评述 五个角度分析一篇论文（这个格式也方便写周报，直接截图就行） GPT 负责逐句精读 ：最近我也发现了 HJFY（ https://hjfy.top/） 这样的网站，可以先辅助做论文翻译；另外我会结合自己做的 GPT 精读 Skill / GPTs，对关键句子做更细的解释。 阶段四：知识整合 精读讨论清楚了以后，带着完整上下文直接交给gpt-image-2生成信息图（一般一篇论文一张足矣），带着个人的理解与这张图交叉验证，最终存档。 在执行这些过程通过 Agent 的 Skill 打通各个环节，提升速度，带来复利。（等我一阵子开源~最近事情比较多+心情很down） 关于科研绘图 科研绘图的三个类别 科研绘图分为三类。明白这些术语可以更好地操纵模型绘图： 插图（Illustrations） ：阐述论文核心思想的示意图 Teaser 图 ：在学术界，通常指为一篇论文制作的高度浓缩、引人注目的视觉摘要，常见于顶级期刊的封面（Cover）或亮点介绍（Highlight） Poster（海报） ：学术海报，用于在会议上展示研究成果，要求信息密度高、逻辑清晰且视觉吸引力强 策略：让 AI 写操纵 AI 的 Prompt 我发现让模型去生成 Prompt 的水平远超我自己，尤其是科研绘图方面——让我自己描述，我几乎完全描述不清楚。 我会先让大语言模型理解我的论文内容，然后由它来创造和优化用于生成图像的详细 Prompt。具体来说： 把论文/想法丢给 AI，先问它在 内容布局、配色、字体 三个维度上如何规划 可以主动指定大风格，比如 “Nature/Science 风格” 一个很有效的技巧是 使用参考图 ：把日常积累的优秀插图丢给 AI，让它分析风格，再基于你的论文内容生成新图像。 目前我还是把 AI 作为草图助手。出了草图以后，我会尽可能让 Agent 帮我做成 slides 或 HTML，再由我自己微调。AI 绘图需要大量迭代和多次尝试。目前 AI 最适合的角色，还是创意激发和草图设计助手；所有生成结果，尤其是涉及数据和逻辑的部分，依然必须经过严格的人工审核与修正。（严肃！） 关于科研写作 让 AI 多审几遍 现在 AI 审稿越来越严重，尤其是在 AI 领域。论文构思好以后，起稿阶段就可以先用相关的论文润色 Skill 辅助打稿。有了相对完整的草稿以后，建议多用专业的审稿 Agent 来审。我目前主要用 paperreview 和 cspaper 这两个网站，前者好像可以无限用，后者每个月有免费次数；另外我也做了一个可以给 Code Agent 调用的 paperreview Skill，放在 GitHub 仓库里了。拿到审稿意见以后，再和 AI 讨论哪里需要修改。在给导师看论文之前，先多迭代几轮，把一些潜在的小问题尽量提前解决掉。 另外，其实这样写出来的论文也更容易被 AI 认可；如果审稿人本身也在用 AI 审稿，可能会更容易给 accept 。 和 AI 一起写，可以，但前提是它真的理解对了 一定一定一定要确保 AI 对内容的理解是正确的，一旦理解错了，后面越写越多，越写越偏，非常危险！ 沉淀不同领域的写作 Skill 我现在越来越强烈的感受是：不同领域的论文，写作风格真的不太一样。 有的领域注重严谨推导；有的领域看重叙事铺垫；有的领域对实验细节特别敏感。 所以与其每次都去重新教 AI “这类论文应该怎么写”，不如直接拿本领域你认可的参考论文去喂，慢慢沉淀出一个更适合你自己的写作 Skill。（可以先拿通用的科研写作 Skill 作为底子） 这个 Skill 不一定要多复杂，但它最好是： 知道你这个领域常见的论文结构 知道你偏好的写作风格 知道哪些地方要展开，哪些地方不能废话 知道你对实验、图表、相关工作、贡献总结的习惯要求 如果看到读起来特别舒服的高质量论文，也记得让 Code Agent 去学一下。 三、Code Agent 工具演变 我最先接触 Code Agent 的是 Cursor ，后面逐步进化到 Claude Code 与 Codex 这些。现在构思的时候是 Claude Code、Codex、Gemini CLI 以及 OpenCode 四个一起用，通过 Claude-Code-Bridge （也就是常说的 CCB）。构思清楚以后交给 GPT 模型开 xhigh 模式，一步一步严格执行。通常就是睡一觉的功夫问题就解决好了。 复杂需求的处理流程 简单需求就不展开了。说说复杂需求怎么做（参考刘小排的经验）： 1. 先花数小时时间与多个模型讨论需求细节 把模糊的想法逐渐写清楚，能够落地。事实上我的很多个想法都是极其模糊的，可能我想的一两句话背后有十几个决策点需要关注。具体做法，我会先把一开始的需求同时发给四个 AI，让他们用自己的话术整理需求，然后向我提问，他们有一个共同的原则：宁可多探索 10 步，也不要问用户自己原本就可以找到的东西。 2. 我不断回答各个 AI 提出的问题，AI 继续追问 这个过程要让 AI 多输出可视化的 ASCII 原型图，加深自己的理解。不断让 Claude 模型去整理各个会话的内容（Claude 的模型说的容易懂），不断迭代直到所有 AI 都认为当前的方案已经没有问题或者说问题可以忽略不计，最终交给 GPT 模型完成即可。 如果遇到模型容易偷懒、过早停下来的情况，可以用类似 pua 这样的 Skill，适合拿来逼它继续发散。它本质上是用一套更强压迫感的话术，驱动 AI 在放弃前先把方案尽量穷尽。 各个模型特点 GPT / Codex ：比较严谨。GPT-5.5 相比 GPT-5.4 有了很大的改进，特别是在语言表达上（少了很多口癖，说话没那么令人反感了hhh，但是貌似没有找回以前第一次用gpt-5.2那种感觉） Claude（Opus 4.6） ：表达能力强，速度快，工具调用各个能力都很优秀，但价格比较贵，不能随心所欲的用。貌似Opus 4.7闹出了很多笑话，看来现在GPT-5.5才是那个帕累托最优的模型。 Gemini ：前端能力很不错，然后发散思维不错，有时候聊方案的时候会有意想不到的效果。但是跟前两家比明显落后。 Grok ：搜索能力很优秀，在审查上应该也是最松的，还有 NSFW 模式。推荐 grok-search 这个 MCP。 我最推荐的做法 多使用元 Prompt 或 Skill ——比如造 Skill 的 Skill，把常用的工作流模板化 不会的多问 Agent ——很多东西 Agent 可以给你讲懂，并且最终落实做出来可以用的东西。就不断迭代积累经验 多向社区学习 ——参考他人的经验，不断完善自己的工作流，让自己的 AI 越用越方便，让自己更擅长与 AI 协作 四、多回顾，最好定期复盘 Skill 不是越多越好 Skill / MCP 不是见一个就安一个。我原先就是这样，遇到一个看起来不错的 Skill，就想让我的 Code Agent 给装上。最近回头复盘才发现，自己这里已经堆了很多做同一件事的 Skill。给同样的输入，有时候模型选 A，有时候选 B，有时候选 C，结果并不稳定。毕竟模型在选 Skill 的时候，很多时候只能先看 description。 OpenAI 和 Anthropic 都在官方文档里提到过，相关工具最好尽量收敛一些。当工具数量太多、同类能力重叠、边界又写得不清楚时，模型更容易选错、犹豫、变慢，甚至被长输出拖垮上下文。 所以我现在会定期回头复盘自己的 Skill 和 MCP，看它们到底有没有真正给我带来增量，我到底有没有长期用到它们。如果一个 Skill 只是“当时看起来很厉害”，但后来几乎不用，或者和别的 Skill 做的是同一件事，那我就倾向于把它关掉，甚至直接删掉。相反，如果我发现一个东西自己反复在用，而且确实好用，我就会继续往里看，搞清楚它到底为什么好用，再决定要不要把它沉淀成自己更稳定的一套东西。 另外，其实现在很多网上公开的 Skill，都是遇到需求以后直接让模型写出来的，而不是“尝试 → 错误 → 修改 → 沉淀”的产物，质量未必足够好。装好以后最好自己测一下，看看“用这个 Skill”和“不用这个 Skill”之间到底有没有差别；这件事也可以交给 Code Agent 自己做。 这只是其中一个例子。和 AI 协作不是不断往系统里加东西，也得经常做减法：把真正有用的留下，把制造噪声的去掉。 （但是，我确实逐渐积累了很多很多不愿意删除的skill，所以可以搭建一个skill编排层，我这里比较推荐这个： GitHub - foryourhealth111-pixel/Vibe-Skills: Vibe-Skills is an all-in-one AI skills package. It seamlessly integrates expert-level capabilities and context management into a general-purpose skills package， enabling any AI agent to instantly upgrade its functionality—eliminating the friction of fragmented tools and complex harnesses. · GitHub ，可以自由添加skill并入编排层） 警惕“效率幻觉” 不知道大家有没有这种感觉：每天用 AI 写代码的时候，产出看起来很多，推进也很快，但等真正沉下心回顾时，却很难说清楚自己到底做了什么，甚至有时候连当时为什么要那样做都不一定想得起来。 某种程度上，AI 把“做”的门槛压得很低，于是人很容易在需求还没想清楚的时候就先开做。想着“这个功能先 vibe 一下再说”，结果写着写着，需求开始漂，方向盘也慢慢交了出去。以前人还可以靠不断操作、不断切软件、不断改细节，制造一种“我在推进”的感觉；现在 AI 会把执行这件事压得更便宜，这层缓冲反而越来越薄。你没有想清楚，它不会替你想清楚，它只会更快地把一个模糊的东西做出来。 如果只是一味把 AI 当替身，让它一路写、一路改、一路带着你走，那本来应该由自己完成的理解、判断和取舍，也会一起被外包出去。最后得到的，可能不是更强的能力，而是一种更流畅的“虚假生产力”。 对我来说，一个很重要的边界就是：我是否还能清晰地主导“问题表述”和“验收标准”。如果这两样开始模糊，那就很危险了。这也是为什么我现在越来越觉得，如果我自己都还不知道想要什么，就先别急着干。后面虽然看起来还在推进，但推进的东西到底对不对，自己其实已经没那么确定了。 我的做法大概有两步。 第一步，是把决策可视化。 我会尽量把自己思考的东西打出来，输入到幕布里，再转成思维导图去看。这里最关键的不是工具，而是要自己动手，尽量不要复制粘贴。AI 可以辅助，但这一步我更希望是我自己在输入、在整理、在重新组织。因为只有这样，我才能确认这些内容真的是我自己想清楚的，而不是只是看 AI 说得很顺，就默认它是对的。 某种意义上，这一步对我来说是 100% 的“人在回路”。它会在物理层面强制我把思考重新接回来，同时也能保证持续专注，因为这件事没法并行，也没法偷懒。 第二步，是主动抽离。 抽离对我来说，不只是休息一下，而是一个避免局部最优、避免反刍、恢复元认知的过程。 因为和 AI 协作久了以后，很容易出现一种情况：对话越来越顺，内容越来越连贯，于是人会慢慢产生一种“我们正在前进”的感觉。问题在于，这种流畅感本身就会削弱人的警惕性。清醒的时候，你还会不断追问：这一步的依据是什么？风险在哪里？但到了后期，尤其是累的时候，人更容易接受那些“语言上讲得通”的东西，于是决策权就会默默让渡出去。 而且这种让渡通常不是一下子发生的，它更像是一个渐变的滑坡。 所以我的做法会更偏物理一些。比如我坐在电脑前工作一段时间以后，会刻意离开电脑，站起来走一走，喝点水，强制把自己从当前状态里抽出来。我的大脑并没有停止，只是像经历了一次重启。然后我再回来重新看：我们现在到底进展到了什么地步？如果我要给别人汇报进展，我会怎么汇报？我们现在做的这件事，真的是对的吗？ 对我来说，这一步很重要。因为很多时候，所谓“效率幻觉”不是你做得不够多，而是你已经做了很多，但你开始说不清自己到底为什么这么做了。 五、AI时代生存（学习）指南 学会主动降噪 这是一个什么时代呢？因为我有每天听播客，看最新的动态的习惯，很容易会有一些错觉：好像每天都有新模型、新工具、新Agent发布，感觉世界每天都在被重写。 变化当然是真的，焦虑也不是空穴来风，很多岗位裁员是真的，岗位收缩是真的，很多公司也确实把 AI、效率、组织重构这些话术和 headcount 变化绑在一起。但越是在这个时候，越不能被噪声牵着走，把所有信息都理解成“全完了，过一阵子就全部都失业了”。 同时，要明白很多信息本身也带着浮夸、博眼球的成分。不要失真地理解现实，不要被节奏带跑，焦虑地过日子，焦虑既不解决问题，也伤身。 主变量是人 目前，AI 可以辅助探索、生成、执行。但是不能替代你对【问题表述】【验收标准】【必要取舍】和【决策】的主导权。这应该要成为共识。 变化是真的，所以不能躺平；起码在现在这个阶段，大家能用到的 AI，无论是 GPT、Claude、Gemini，还是国内的 GLM、DeepSeek、Kimi、MiniMax 等等，差距没有大到离谱的程度。（当然，能用最好的还是用最好的） 更大的区别还是在于用 AI 的人。同样的一个模型，不同的人用出来的效果是不一样的。小学生和数学家用同一个 AI 去做数学，最后发挥出来的力量肯定是不一样的。所以说，这个时代，要学习。 如果把“人是主变量”这件事再画得更直接一点，大概就是下面这个样子。 不能只会用AI 如果你完全不懂你现在让 AI 做的事情，那你几乎是无法判断和分辨好坏的，也是无法做到经验累积的，你只能做一个搬运工。而这样长期下去，过度依赖 AI 而不学习会导致能力萎缩，最终个人能力可能逐渐倒退至完全被 AI 的能力所 cover，这是很可怕的一件事情。 如果你发现 AI 在跑，你只是盯着控制台发呆，刷手机，最后再把结果原样拿来用，或许该警惕了。 学什么，怎么学 学什么呢？去学概念，去学原理，去学表达，去学审美，去学判断。 决定能不能进入一个领域的概念与原理的知识是不会太多的，抓住这些主干，你就能够更快进入这个领域的 space，知道它的大致边界、结构和内在关系。 所以不要碎片化地去追热点，什么火去学什么，可能这样学到的只是表象。应该要去学概念，学原理。建立起自己的 landscape，知道自己在哪，知道哪些概念是主干，哪些是枝叶。然后让 AI 帮你逐步展开、解释、练习。 这是一个非常适合学习的时代。我个人深切感受到了，很多过去晦涩难懂的知识，现在都可以让 AI 用你能理解的话解释；也可以扮演导师的角色拷打你，可以用苏格拉底式的问答逼你去把问题想得更深一点。 再往前走一步，问题就不是“要不要学”了，而是“具体学什么，顺序怎么排”。对我来说，更重要的是先建立 landscape，再沿着概念、原理、表达、审美、判断这几条主线慢慢展开。 人机关系 最差的路线是：自己不思考，只会搬运 AI 的答案。 最理想的路线是：自己有知识基础，有判断力，知道什么是好的，知道自己想要什么，然后让 AI 去帮你探索、生成、执行。 推荐的一些材料 如果你暂时找不到意义，不知道这样飞速发展的时代应该做什么，感到焦虑和迷茫，那么去学习吧。如果暂时不知道学什么，或者想从 coding agent 这条线入门，我推荐几个对我来说帮助比较大的材料： Learn ClaudeCode / shareAI-lab/learn-claude-code 适合从 0 到 1 理解 agent harness。 Auto-claude-code-research-in-sleep / ARIS 的 skills 适合做学术研究，尤其是如果将 coding agent 与学术研究结合。 obra/superpowers 适合看一套完整的 agentic skills framework 和软件工程方法论。 六、对于我来说，不得不思考的一些问题 当未来 AI 产品与我们生活方方面面紧密结合时，会发生什么？ 我现在也会警惕另一件事：人和 AI 协作久了以后，不一定只是效率更高了，也可能是在慢慢学会用 AI 听得懂的方式去表达自己。目标可能会变得更结构化，更 AI friendly，原本那些模糊、犹豫的东西是不是会慢慢变少，短期看，是沟通成本变低，执行变快，效率变高了，但反过来看，是不是也意味着我们也正在一点点变成一个更容易被系统理解、也更容易被系统预测的人呢？ 另外，这种变化不是单向的， AI 会通过我的历史行为学习我，而我也会通过的和 AI 协作的反馈学会怎么更快地得到结果。久而久之，就可能形成一种闭环：我越来越习惯某种提问方式、某种表达风格，而 AI 也会越来越顺着我，可这就是问题，它这样做太容易让人觉得“这就是我的想法”了，实际上可能是一种坍缩，看似是 AI 和人共同进化，实际上有可能只是 你变简单了 9 个帖子 - 8 位参与者 阅读完整话题

导师是国家级青年人才，现还有1个2026年9月入学博士生名额，申请日期4月27日截止。 课题组希望招收一名对程序开发、计算方法或交叉研究感兴趣的学生，参与相关科研与程序开发工作。 欢迎具有以下背景或兴趣的同学私信详细了解： 物理、化学、材料、计算科学、人工智能等相关专业； 对科研中的程序开发、算法实现、数据处理有兴趣； 具有一定编程基础者优先。 课题组氛围很好，经费、硬件设施充足，可提供良好的科研训练环境，鼓励学生在科研过程中加强计算能力与程序开发能力，开展交叉创新研究。 3 个帖子 - 3 位参与者 阅读完整话题

普林斯顿博士生 Yifan Zhang 透露，中国 AI 公司 DeepSeek（深度求索）的下一代旗舰 V4 将在下周发布；他在跟帖里列出三项架构组件：稀疏 MQA（Sparse Multi-Query Attention）、融合 MoE 大核（Fused MoE Mega Kernel）、Hyper-Connections。 Zhang 本科北大元培、硕士清华姚班 现为普林斯顿 AI Lab Fellow 曾在字节跳动 Seed 基础模型团队任研究实习生 目前不在 DeepSeek 任职，DeepSeek 官方也未就发布时间表作出确认。 三项组件各对应 LLM 优化里的一条独立方向。稀疏 MQA 是在多查询注意力基础上引入稀疏性，用于在长上下文场景进一步压低推理算力和显存占用；融合 MoE 大核把 MoE 的路由判断与专家矩阵乘法编进同一个 GPU kernel，砍掉推理阶段大量 kernel 启动和显存搬运开销；Hyper-Connections 是对残差连接的泛化，用多条可学习加权通路替代单一残差加法。 25 个帖子 - 19 位参与者 阅读完整话题

IT之家 4 月 14 日消息，据第一财经 4 月 13 日报道，多所高校近期相继启动“博士 + 硕士”双学位项目， 鼓励博士生再攻读一个人工智能等相关专业的硕士学位 。 这些高校包括北京理工大学、哈尔滨工业大学、西北工业大学、北京交通大学、南京大学、山东大学。 IT之家查询山东大学官网发现，山东大学今年首次开设“博士 + 硕士”双学位项目，将从学科交叉中心的 140 名博士研究生中进行遴选。对学有余力、创新能力强的学生， 每年遴选约 10 名学生参加双学位项目 ，让其在攻读博士学位的同时，再获得一个其他学科的硕士学位。 对于这些优中选优的复合型人才，山东大学也配备了高标准的教学团队。 每年遴选约 40 个交叉导师团队 ，每个交叉团队由 3-4 名来自不同学科的导师组成，瞄准关键跨学科跨领域的科学问题。 另据科技日报 4 月 10 日报道，北京理工大学研究生院常务副院长、人工智能学院常务副院长邓方表示， 当前人工智能、量子科技、新材料等前沿领域的创新突破高度依赖跨学科融合 。传统单一学科培养模式难以支撑“卡脖子”技术攻关与复杂系统问题解决。 传统研究生教育中，博士生“深而专”但跨学科能力不足，硕士生“宽而浅”但缺乏深度。在北京理工大学， 双学位项目通过制度化的“博士主导、AI 赋能”模式 ，打通了跨学科培养的体制机制障碍。这一双学位项目，也推动人才培养从“学科中心”转向“问题导向”，服务于自主知识体系构建与新质生产力发展。 据IT之家此前报道，国务院学位委员会 2025 年底印发了《 “博士 + 硕士”双学位项目试点设置管理办法 》（以下简称《办法》）。 “博士 + 硕士”双学位项目由试点高校自主设置，围绕科技发展、产业变革、自主知识体系构建等重大需求，依托具有显著优势的学科专业和学科交叉平台，组织多学科交叉融合、协同育人， 支持项目学生在攻读博士学位期间同时攻读另一个学科专业的硕士学位 ，培养高层次复合型人才。 《办法》指出，“博士 + 硕士”双学位项目试点设置工作坚持“少而精”： 一是试点高校由国务院学位委员会办公室根据学科交叉平台建设情况、人才培养质量等因素在博士学位授予资格自主审核单位范围内遴选确定。 二是有关高校依托学科交叉平台、跨学科创新研究团队、科研项目等情况有组织地论证并试点设置少量项目。 三是项目的培养对象应是少数有能力在完成博士学业同时可以攻读相关硕士学位的博士研究生，项目学生应分别达到学位授予单位对于两个学位的要求，方可申请相应学位。