模块一：阶段⓪范式入门科研新范式：传统写法vsAI时代科研写法

1、传统论文写作逻辑回顾:文字驱动/线性/留不下数据

2、AI时代科研写作新范式:数据驱动/流水线/全程可审计

3、三个本质区别（对照表精讲）

4、角色升级:你不是"被AI替代"，而是"升级为科研工作流的设计者与最终责任人"

5、本节带来的认知锚点:后续每个模块都会回扣这个范式：M2是为这条流水线搭环境，M3是建写作依据文件，M5是把数据写成文字，M7-M9是独立测试，M10是按清单封装。

模块二：阶段⓪投稿定位选择期刊：建立冲刺—匹配—稳妥三级清单

1、读取候选期刊官方材料：Aims & Scope/Article Types/Guide for Authors/近期论文/数据、代码、伦理与AI政策；记录网址和查询日期

2、同一材料交给Claude Code与Codex独立判断：比较适配读者、贡献层级、证据完整性、方法和篇幅要求，并专门列出“不适合投这里”的理由

3、建立“冲刺—匹配—稳妥”三级清单：每级写明候选对象、放弃理由和换刊条件

4、作者最终确认期刊与文章类型：影响因子仅作参考，正式投稿前再次核对当天规则

模块三：阶段⓪研究定位题目确定：从兴趣到可验证研究问题

1、把兴趣拆成研究对象/关键变量/情境/结果，形成2-3个候选研究问题

2、两AI分别扩展关键词、同义词与排除词：所有结论回到题名、摘要、原文和DOI/PMID人工核验

3、比较候选题：缺口是否真实、证据是否充分、数据材料是否可得、方法是否支持、结果能否被反驳、是否合乎伦理

4、将最终题目写成“一句话研究问题+一句话贡献+一组目标读者”，再拟定不夸大结论的暂定论文标题

模块四：阶段①数据生产AI工具底层认知：Agent = Model + Harness科研环境搭建：Claude Code、Codex

1、Model：负责理解、推理与生成；学会识别能力边界、上下文窗口和适用任务。

2、Harness：由系统提示词、CLAUDE.md / Skills / Memory、工具与 MCP、文件系统、权限、日志和执行循环组成，把模型变成可工作的科研系统。

3、Agent：模型在Harness 中围绕目标持续执行“观察→规划→调用工具 →校验→迭代”；同一模型接入不同Harness，能力与结果可能明显不同。

模块五：阶段①数据生产数据获取与自动化分析

1、用Claude Code生成数据下载脚本（API/FTP/Web多种方式）

2、数据清洗：缺失值、异常值、格式转换（CSV / Excel / JSON / Parquet / SQL）

3、自然语言→分析脚本：描述研究假设，Claude Code协作设计分析方案（作者最终决定方法学选型）

4、统计严谨度全套：Bootstrap CI、Cohen's d效应量、多重比较校正、精确p值

模块六：阶段①数据生产科研绘图：图表作为数据结构

1、符合主流期刊投稿格式的图表标准（字体/DPI/配色/error bars/colorblind-safe）

2、常见图表类型实操：scatter、heatmap、bar+CI、时间序列、forest plot

3、多panel组合图：gridspec布局与统一配色

4、每张图↔一个 claim的强绑定（参考顶刊论文图组组织方式）

模块七：阶段②初稿生成论文初稿自动生成

1、论文结构按Title→Abstract（broad significance）→Intro→Results →Discussion→Methods拆解

2、Results：AI读JSON，自动嵌入effect size + 95% CI + n + 检验方法+精确p

3、Discussion：机制解释+文献对比+局限性（不过度解释、不overclaim）

4、Introduction：broad significance+知识空白+本文贡献

模块八：阶段②初稿生成AI合规：贯穿式质控钩子

1、主流期刊AI使用政策（Nature/Science/Elsevier/ACS/AGU最新规定）+各期刊披露模板

2、贯穿式质控钩子：M1留 CLAUDE.md/Memory配置：M2留 analysis_results.json + script_path；M4留 prompt日志；M6/M7留 review_round_N.md + revisions_log；M9留citations_todo.md + DOI核验状态

3、引用核验规则：AI生成的引用一律标记 [CITATION_NEEDED]，DOI / PMID /原文核验状态写入citations_todo.md，签字前100%人工核验

模块九：阶段③压力测试Codex首次独立审稿

1、Codex CLI配置+进程隔离验证（Codex在独立子进程运行，看不到Claude 的system prompt，是真正独立的第二个AI）

2、把draft.md发给Codex：要求打分、列弱点、找overclaim

3、解读首次审稿报告：overclaim / missing citations / statistical gaps /图表不支撑结论

模块十：阶段③压力测试双AI迭代改进

1、Round 1：措辞收敛（proves → is consistent with；rules out → argues against）

2、Round 2：补引用+加统计检验+完善limitations

3、Round 3：针对性修复剩余弱点→进入可继续打磨的内部初稿状态

4、核心能力：

模块十一：阶段③压力测试Claim校准——两个AI交叉质询

1、/claim-check双盲打分流程：Claude和Codex看同一份claims.yaml，各打各的分

2、分歧聚焦：哪些claim双方都打低分？哪些只有一方打低？为什么？

3、调整claim强度落地到正文：从过强/过弱拉回到数据支撑区间

模块十二：阶段④投稿封装审图+投稿材料初版生成（人工核验后定稿）

1、Codex审图：标签、单位、配色、可读性、colorblind-safe

2、修图：去夸张标题、加error bars、统一字体大小

3、Claude Code生成manuscript.docx初版（嵌入图表）——作者最终决定是否定稿

4、引用格式化（按目标期刊：Nature-style/APA/国标）+DOI/PMID人工核验清单

5、Cover Letter初版生成+novelty陈述+推荐审稿人草拟——作者改写定稿

模块十三：阶段④投稿闭环最终投稿、返修与再投

1、最终投稿检查：范围/文章类型/字数/图表/参考文献/数据代码/伦理/作者/预印本/AI政策

2、固定终稿版本，统一正文、图表、补充材料、Cover Letter、Highlights / Graphical Abstract（如需）及系统信息：全体作者核对合并PDF，通讯作者最终提交

3、返修处理：保存原投稿版本，逐条拆解决定信与审稿意见，建立“意见—判断—行动—证据—位置—回复—状态”表

4、AI交叉核对回复中声称的修改是否真实出现在稿件中：作者决定补实验/补分析/说明边界/礼貌不同意/申诉/转投/重做

5、作者与署名边界：任何作者增删、顺序或通讯作者变化须基于真实贡献、全体同意和期刊规定

模块十四：阶段④投稿封装工作流迁移：把双AI流水线落到你自己的研究领域

1、学科映射四件套：把通用流水线翻译成"我的学科版"

2、迁移实操：用自己学科的CLAUDE.md模板搭建my-paper/ +跑通最小闭环

3、迁移难点集中答疑（20 min）

原文：基于Claude Code 、Codex双AI协同高水平论文撰写与质量校准：研究定位→数据分析→论文初稿→交叉审稿→投稿

支持单位：