▲ 封面｜把文献检索、数据分析、论文写作交给智能体，科研效率翻倍

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。

然而，面对 Codex、Claude Code、WorkBuddy、Deepseek Harness 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。

这不是四个“网红工具”，而是全球开发者正在用真金白银投票的产业级基础设施。先看四组公开数据，理解它们各自的分量：

一句话概括这门课的工具格局：Claude Code 负责深度工程与多文件重构，Codex 负责企业级自动化与并行开发，DeepSeek 提供高性价比的国产模型底座，再用 WorkBuddy 承接日常科研协作——四个工具各司其职，才是一套完整的外脑。

很多人装上工具的第一天就放弃了：命令行报错看不懂、模型 API 不会配、上下文一超就崩、换台电脑环境全丢。问题不在工具不好，而在没人教你怎么把它真正跑起来。这门课要解决的，正是从“会使用”到“能落地”的能力升级。

本期课程由胡老师主讲——AI 公司创始人，10 年人工智能项目开发经验与8 年人工智能行业培训经验，出版人工智能书籍《深度学习从0到1》。先后为上海通用汽车、上海气象局及多所学校、研究所、企业完成图像、NLP、语音、搜索等多类人工智能项目，研发经验丰富。

培训后可获得由中职人才测评中心颁发人才专业能力提升 AIGC《人工智能应用工程师》证书。该证书可用于专业技术培养、职称评定、招投标加分、企业资质认定、工作晋升、人才聘用、岗位准入、教育考核等用途，属职业技术高级测评认证。证书申报资料：2寸电子版标准证件照（蓝底）及身份证（正反面）复印件，详情请咨询报名老师。

三天课程覆盖“工具认知与部署 → 文献与数据工程 → 知识库与教学应用 → 智能体协作 → 科研全流程实战”的完整闭环，下面按八大模块提炼每章核心要点与课堂实操。

先上课程知识地图——26 章、八大模块，一图看清：

▲ 课程知识地图｜26章 · 八大模块完整体系（建议保存收藏）

■Agent 是什么：智能体到底能帮我们做什么——从“对话式问答”到“自主执行”的范式转变，2026 年 Agent 技术最新进展；

■全家桶横评：Claude Code、Codex、WorkBuddy、Deepseek Harness 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；

■大模型类型：向量模型、多模态模型、聊天模型的差异与适用场景；

■技术栈图谱：Skills、Tools、Memory 等智能体技术，以及 Agent、MCP、RAG、知识库等大模型体系技术；

■选型方法：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）、国内模型 vs 海外模型的差异化优势与科研场景适配、模型选型的成本效益分析；

■提示词工程：终极方法论与高级应用技巧。

■底层工具链：命令行 / Shell 的选择，命令行文件与路径管理速成；

■开发环境：配置跨平台集成开发环境（IDE）与终端，安装 AI 编程智能体核心引擎与依赖管理；

■模型接入：接入多模型科研计算后端——API 配置与密钥安全管理；

■模式与参数：Claude Code 不同模式说明，深度配置科研专用参数与交互模式；

■验证与成本：实现首次启动验证与基础功能测试，建立用量监控、成本分析与资源优化策略。

■记忆系统：多层级记忆架构的设计理念与使用策略；

■上下文监控：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；

■上下文策略：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；

■子智能体：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，以及多种使用模式与典型应用场景；

■插件化扩展：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，科研常用 MCP 插件及其安装与配置方法；

■生命周期钩子：Hooks 五大关键节点的自动化控制与应用场景。

■Skills 架构：模块化技能系统的架构设计与渐进式加载原理，标准开发规范、文件结构与配置字段详解；

■设计模式：正确的 Skill 设计模式 vs 常见设计误区，自动化 Skill 创建工具的使用与最佳实践；

■会话管理：历史会话的状态回溯、恢复与对话导出管理；

■模型调度：多模型动态切换策略与任务—模型匹配方法论；

■界面集成：IDE 集成方案与可视化工作界面配置；

■融会贯通：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。

■核心安装：安装 AI 编程智能体核心引擎与依赖管理，完成 Codex 桌面端安装部署；

■模型配置：cc-switch 的下载与安装——ChatGPT 以及国内模型配置，国内模型 API 注册与接入 Agent 演示；

■切换与计费：模型配置切换、连通性测试、官方登录和第三方 API 计费路径；

■模式与安全：Codex 三种不同模式切换和安全等级说明，深度配置科研专用参数与交互模式；

■验证与成本：实现首次启动验证与基础功能测试，建立用量监控、成本分析与资源优化策略。

■记忆架构：多层级记忆架构的设计理念与使用策略；

■上下文监控：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；

■管理策略：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；

■协作模式：子智能体的多种使用模式——常见协作方式与典型应用场景。

■Skills 原理：模块化技能系统的架构设计与渐进式加载原理，标准开发规范、文件结构与配置字段详解；

■标准结构：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；

■设计误区：正确的 Skill 设计模式 vs 常见设计误区；

■会话与调度：历史会话的状态回溯、恢复与对话导出管理，多模型动态切换策略与任务—模型匹配方法论；

■系统整合：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。

■合规先行：科研数据采集的法律合规要点与风险规避策略；

■方案选型：主流采集技术方案的对比分析与选型指南，网页数据结构解析与浏览器开发者工具的实战应用；

■零基础写爬虫：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；

■PubMed 实战：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；

■增量与联动：最新论文的实时追踪与增量采集方案设计，采集数据与大模型 API 联动分析的端到端工作流；

■定时部署：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。

■模型准备：国产模型 API 的申请流程、环境配置与密钥安全管理实践；

■处理流水线：构建批量文献处理流程——论文下载 → 智能分析 → 结构化输出；

■格式转换：基于 AI 分析结果的文件批量转 Markdown 格式；

■信息提取：科研论文关键信息的多维度自动提取技术与实现方法；

■规模化与容错：从单篇到百篇的规模化处理策略与工程化实施方案，API 驱动的结构化分析报告自动生成，以及批量处理中的成本控制、错误处理与容错机制设计。

■格式标准化：仪器数据格式转换与标准化处理的自动化实现方案；

■文件整理：基于外部数据匹配的影像 / 样本文件自动化整理方法；

■质量管控：异常数据的自动检测、标记与质量报告生成机制；

■多源融合：多源异构数据的融合处理与统一管理策略设计；

■公开数据：国家统计局多层级数据的自动化采集与结构化存储；

■全生命周期：科研数据全生命周期管理的标准化工作流设计与实施，大批量科研文件的智能重命名与分类归档体系构建。

■角色转变：AI 时代程序员角色的转变——从单纯写代码到“指挥 AI 开发”；

■架构认知：现代软件架构的核心模块与协作机制（结合类比讲解）；

■前端体系：前端技术体系概览——从基础三件套到现代框架的发展路径；

■后端与数据：主流编程语言对比及科研场景下的选择，两大数据库类型的特点、操作方式与应用场景；

■接口原理：API 接口的基本原理——前后端之间的通信机制，一次完整请求的执行流程；

■一体化开发：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。

■素材准备：把前期下载到数据库的论文作为素材；

■角色编排：构建统一协调 subAgent、后端开发工程师 subAgent、前端架构师 subAgent、测试工程师 subAgent 四类角色；

■协作生成：基于多 Agent 协作架构，生成一个完整的科研论文查询系统；

■质量与验收：让测试工程师检查代码是否有 Bug，并在系统中对论文进行增删改查操作。

■Embedding 基础：Embedding 模型是什么，维度的作用与相似度算法；

■Embedding 选型：常用的 Embedding 对比与不同场景下的模型选择；

■向量数据库：向量数据库介绍与不同场景下的选择策略；

■检索体系：什么是 RAG——向量检索、Reranker 重排序检索、混合检索（Hybrid Search）三者的协同关系与技术选型建议；

■图谱扩展：图数据库、知识图谱和 graphRAG。

■本地部署：本地向量数据库自动安装部署，配置向量模型；

■效果优化：知识库效果优化方法；

■内容入库：把中医药内容写入知识库，把科研论文 PDF 转 Markdown 格式并保存到知识库目录；

■前端与服务：开发智能体前端页面并启动服务，通过知识库对外提供问答服务。

■课程设计：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——教学大纲、章节规划、授课方案和课堂实施脚本；

■资源转化：将教材内容、科研文献和真实案例快速转化为课件、教学讲义、知识图谱、课堂任务和微课内容；

■资源体系：搭建课程智能资源体系——知识库、案例库、概念库和拓展学习资源，支持内容更新与来源管理；

■活动与考核：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，智能生成试题库、综合案例题、实践项目任务、评分规则及标准答案；

■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。

■数据采集：从公开数据集、开放 API、机构平台及本地实验目录批量获取数据；

■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；

■探索性分析：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；

■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；

■模型规范：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；

■协同调试：基于 Python 与 MATLAB 协同开发，实现报错自动解释与程序修复；

■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。

■确定领域：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；

■梳理现状：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；

■发现空白：深入分析每个空白点的研究价值、可行性和创新性，筛选出真正值得投入的课题切入点；

■确定问题：将切入点转化为清晰、具体、可回答的研究问题，同时生成多个备选问题供研究者选择；

■目标与假设：将研究问题拆解为总目标与具体分目标，提出可验证的假设，构建完整的逻辑推导链条；

■方案与评估：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，并从创新性、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；

■形成设计书：将所有内容按开题报告的标准结构整合，生成一份完整、可直接提交或进一步修改的课题设计书。

■环境与权限：了解系统要求和账户权限，完成软件下载、安装及运行环境检查；

■安全来源：注册并登录科研专用账户，核验软件来源，不从非官方渠道下载；

■基础配置：配置必要的浏览器、插件和依赖组件，完成模型、语言和工作界面等基础设置；

■连接与熟悉：连接经授权的文件、文件夹或科研平台，熟悉任务输入、执行记录、文件管理和历史会话入口；

■测试与备份：进行简单测试任务确认软件正常运行，建立数据备份意识，不将敏感科研数据保存在默认位置。

■认知差异：理解 WorkBuddy 与传统聊天工具的区别，掌握“自然语言提需求 → 智能规划 → 执行交付”的工作方式；

■任务表达：学会向 WorkBuddy 提出完整科研任务，掌握 Ask、Plan、Agent 等模式的适用场景；

■文件规范：按课题建立规范的科研文件目录，明确任务所需输入文件、输出形式和验收标准；

■最小授权：只授权当前任务真正需要的文件和数据，遵守科研数据、个人信息和保密管理规定；

■风控习惯：对高风险操作设置人工确认环节，形成“先规划、后执行、再审核”的使用习惯。

■产品定位：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；

■系统兼容：支持 Deepseek Harness 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；

■部署流程：依次执行官方安装器，完成模型下载、环境依赖检查与基础配置；

■模型生态：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；

■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；

■与 WorkBuddy 对比：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；Deepseek Harness 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与配置一键迁移能力；

■进阶路径：在已掌握 WorkBuddy 的基础上聚焦差异化功能进行实操演练，适用于需要高自由度终端控制、跨平台服务编排、Skill 动态演化与多模型混合调度的高级用户与开发者。

■两大方法：提高 AI 生成结果准确性与深度的两种方法——结构化输出与模板化输出；

■提示词套路：提示词结构套路与模板生成套路；

■投喂式写作：指定引用内容的写作；

■模仿式写作：指定范文、给出观点、套用格式；

■数据驱动写作：连接论文数据库进行写作——搜索相关论文并参考其内容。

■精准定位：1 小时锁定与你课题最“对口”的高分范文——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”；

■数据获取：破解数据壁垒，合法获取可复现的研究数据——掌握从补充材料、公开数据库到 GitHub 仓库的“挖矿”技巧；

■论文拆解：像外科医生一样解剖范文，一键提取逻辑骨架、方法论流程图、可视化图表库以及专属写作模板；

■数据武装：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；

■模型复现：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；

■成果转化：套用“万能模板”将你的发现写成一篇标准论文，快速填充内容形成初稿，告别从零开始的恐惧；

■查漏补缺：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。

■【破局】：别再大海捞针——用 AI 理解你的研究方向，推荐结构最匹配、数据最易得的参考论文；

■【基建】：数据是王道——掌握从论文附件、专业社区到学术云盘的数据溯源全流程，拿到能“跑得动”的公开数据集；

■【拆解】：庖丁解牛——把一篇顶会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；

■【组装】：我的数据 + 它的骨架——把自己的数据填入范文“骨架”，用 Codex / Claude Code 自动化处理数据预处理和特征工程；

■【爆肝】：一键 Run Code——用自然语言指挥 AI 编写、调试、运行代码，快速得到初步结果；

■【出片】：格式不重要，内容才关键——不再纠结 LaTeX 或 Word 排版，把图表、结果和讨论无缝嵌入写作模板，瞬间拥有论文雏形；

■【升华】：从“像”到“是”——用 AI 检查创新点是否突出、论证链条是否完整，让论文不仅有“形”，更有“神”。

■从不足到问题：不是简单罗列前人没做什么，而是识别“矛盾点”“空白点”和“延伸点”，提炼有价值且可操作的研究问题，产出一份清晰的研究缺口陈述；

■初始化项目：建立文献综述项目管理表，设计一套“搜得全、筛得准”的检索策略——关键词组合、数据库选择和布尔逻辑，产出检索策略表与项目文件夹结构；

■分组与初筛：按策略分批执行搜索，通过标题和摘要快速初筛并剔除明显不相关文献，产出初步纳入文献列表（含排除原因备注）；

■全文提取：对筛选后的文献精读，提取研究目的、方法、结论、局限性，产出结构化文献信息提取表；

■逐段写作：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，再按逻辑线索逐段展开，产出文献关系图谱与综述初稿；

■统稿定稿：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，产出格式规范的文献综述终稿。

■课程目标：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；

■锁定热点：精准锁定热点——掌握数据检索与证据表构建；

■挖掘空白：从数据、方法、临床三维定位发表级 Gap；

■假说设计：数学化假说设计——构建含交互项的 ΔAUC 可验证预测假设；

■实验工程：极简实验工程——一键生成 Python 全自动化训练与评估代码；

■论文速成：基于实验结果自动生成 Nature 结构化初稿，并模拟 3 位审稿人进行对抗式审稿演练，找出致命统计缺陷；

■决策与解释：DCA 决策分析填补临床落地空白、超越单纯的 AUC 指标；SHAP 可解释性用 TreeExplainer 揭示交互机制；

■专利转化：将预测模型转化为中国发明专利权利要求书；

■成果汇报：Journal Club 神器——自动生成高颜值中文汇报 PPTX 文件。

■体系回顾：回顾三天课程的知识体系与核心要点；

■技能自评：对二十五个模块的关键技能进行总结与自评；

■持续成长：AI 技术持续学习的资源与信息跟进策略；

■后续支持：学员社群建立与后续答疑支持说明。

扫码添加好友，备注“AI智能体研修班”，即可咨询报名。

同系列近期课程，欢迎一并关注：

AI智能体全家桶·Codex·Claude Code· Workbuddy· Deepseek Harness·科研提效

长按 or 扫码关注 · 持续更新

#AI智能体 #Codex #ClaudeCode #DeepseekHarness #WorkBuddy #科研效率 #文献检索 #论文写作 #知识库 #RAG #专利转化

📚 相关阅读

通知｜“AI 赋能生物医学数据分析—从工具使用到论文实践”高级研修班10月末开班

如何让你的人生从此开挂？—国外最强三大AI智能体Codex•Claude Code•Hermes实战研修班

如何使用国内最热门的AI办公智能体——WorkBuddy赋能智能办公与自动化数据分析高级实战研修班（10/17）

要做各省市十五五规划？你可能需要这个——AI在GIS数据处理和分析中应用高级研修班（9月、11 月）

AI 筑基开新境，科研跃迁启未来——中科人才系列 AI4S 课程，助力科学研究

通知｜“科研项目申报实务、评审解析、管理与验收全过程实践赋能”9 月高级研修班

通知｜技术经理人必看——关于举办“概念验证+中试平台建设加速科技成果产业化发展”高级研修班的通知 

AI 办公热火朝天——如何真正学会并用好 WorkBuddy，Codex 这类智能体？ 

企业上 AI 怎么落地？按规模分四档——企业 AI 应用系统建设方案 

实操篇｜AI制药岗位招聘与求职要明白哪些关键问题 

AI制药很火，对业内招聘求职的影响如何？ 

变局｜AI 崛起，颠覆百年"小作坊"式科研（下） 

中美两国同天加注国家级AI4S战略！中科人才AI研修班助力科研工作者使用先进生产工具

支持单位：