博士生分享AI协作实战：从日常顾问到科研全流程提效

背景

在人工智能技术迅速迭代的当下，人机协作模式正从“人操作工具”向“人与 AI 同事”转变。作者作为一名人工智能方向的在读博士生，自 ChatGPT 及 GPT-3.5 时代起便重度使用 AI 工具。经过几年的实践，作者发现传统计算机操作往往要求用户将意图拆解为琐碎步骤，本质上是人在给机器当“翻译”。

基于此，作者提出了“当同事，不当工具”的协作理念，并整理出一套名为 ai-collab-playbook 的开源工作流。该工作流旨在通过降低使用摩擦力、固化经验为 Skill（技能/智能体术语）、以及多模型协作，将 AI 深度融入日常咨询、科研文献处理、代码开发及知识管理等环节，实现人机协作的复利效应。

核心内容

1. 日常协作：降低摩擦与可视化智能

• 划词工具栏的应用：作者主要使用豆包的划词工具栏功能，支持全局唤醒和自定义动作（如“概念解释器”）。相比夸克、飞书等通用工具，或 Pot Desktop、Cherry Studio 等支持自定义 API 的进阶方案，豆包方案在易用性上达到了平衡。核心策略是降低使用 AI 的摩擦力，让入口贴近工作流，从而挖掘更大价值。
• IM 软件作为 Agent 入口：通过 cc-connect、happy 等应用，利用 IM 软件远程调用本地 Coding Agent（如 Claude Code, Codex）或成品 Agent（如 OpenClaw, Hermes）。IM 被视为最低摩擦的派活入口，Agent 可执行下载、转写、分析、跑代码等任务。
• 可持续培养性：Agent 能记忆用户偏好、项目结构并沉淀 Skill，逐渐演变为“熟悉我的同事”。作者将其用于咨询推送、生活提醒（如督促写日记、整理知识 Wiki）。
• 视觉智能的崛起（GPT-Image-2）：
  • 价值转变：从单纯的图像生成（Image Generation）迈向视觉智能（Visual Intelligence）。模型需理解上下文、规划版式、保持多图一致性，并将复杂逻辑转化为可视化对象。
  • 信任危机：随着 GPT-Image-2 等模型生成图片达到“以假乱真”水平，进入“有图未必有真相”时代。用户需从肉眼判断转向对细节一致性、逻辑关系、来源链路的严格交叉验证，而非仅凭“看起来像真的”进行判断。

2. 科研全流程：AI 辅助的四个阶段

作者将科研文献阅读分为调研、筛选、精读、整合四个阶段，并强调通过 Agent 的 Skill 打通环节。

• 阶段一：课题调研
  • 使用 OpenAI Deep Research 及 GPT-5.5-Pro 进行可行性分析。
  • 要求 AI 提供最新文献及领域开山之作，并构建个人 Wiki。
• 阶段二：文献网络分析
  • 利用 Paper Connect 等工具可视化引用关系，判断研究热度与技术脉络。
  • 将引用分析固化为 Skill，自动分析引与被引关系，下载相关论文。引用网络庞大意味着方向“卷”，反之可能为蓝海。
• 阶段三：确定精读与逐篇攻克
  • 先与 Agent 讨论研究进度，确定阅读顺序，剔除无关论文。
  • 双模型配合策略：
    • Gemini：负责宏观视角，按“动机→数学建模→实验→结论→评述”五维度分析，便于生成周报。
    • GPT：负责逐句精读。结合 HJFY 等翻译网站及自定义 GPT Skill，对关键句子进行细粒度解释。
• 阶段四：知识整合
  • 将精读后的完整上下文交给 GPT-Image-2 生成信息图（每篇论文一张），通过个人理解与图表交叉验证后存档。

3. 科研绘图与写作策略

• 科研绘图分类：
  • 插图（Illustrations）：阐述核心思想的示意图。
  • Teaser 图：高度浓缩、引人注目的视觉摘要，常用于顶级期刊封面。
  • Poster（海报）：高信息密度、逻辑清晰的会议展示图。
• 绘图策略：
  • 元提示词思维：让 LLM 理解论文内容后，生成用于绘图的详细 Prompt，涵盖内容布局、配色、字体及大风格（如 Nature/Science 风格）。
  • 参考图技巧：提供优秀插图让 AI 分析风格，再基于论文内容生成新图像。
  • 角色定位：AI 主要作为创意激发和草图助手。生成结果（尤其是数据和逻辑部分）必须经过严格人工审核。最终可由 Agent 将草图转化为 Slides 或 HTML，由人工微调。
• 科研写作：
  • AI 审稿：使用 paperreview 和 cspaper 等专业审稿 Agent 多轮迭代，提前解决潜在问题，提高被 AI 审稿人（若存在）接受的概率。
  • 理解优先：确保 AI 对内容的理解正确，避免偏差累积。
  • 领域化 Skill 沉淀：不同领域论文风格差异大（严谨推导 vs 叙事铺垫等）。应通过喂入本领域高质量参考论文，沉淀专属写作 Skill，明确结构、风格及习惯要求。

4. 代码开发（Code Agent）工作流

• 工具演变：从 Cursor 进化至 Claude Code、Codex、Gemini CLI 及 OpenCode。通过 Claude-Code-Bridge (CCB) 串联使用，构思清晰后交由 GPT 模型在 xhigh 模式下严格执行。
• 复杂需求处理流程：
  1. 需求澄清：将模糊想法同时发给多个 AI，让它们整理需求并反向提问（原则：宁可多探索 10 步，也不问用户可自寻的问题）。
  2. 迭代确认：用户回答 AI 提问，AI 输出可视化 ASCII 原型图，不断迭代直至方案无重大问题。
  3. 执行：最终交由 GPT 模型完成代码生成。若模型偷懒，可使用类似 pua 的 Skill 施加压迫感，驱动其穷尽方案。
• 模型特点对比：
  • GPT / Codex：严谨，GPT-5.5 在语言表达上较 GPT-5.4 有改进。
  • Claude (Opus 4.6)：表达能力强，速度快，工具调用优秀，但价格昂贵；Opus 4.7 出现失误。
  • Gemini：前端及发散思维不错，但整体略落后。
  • Grok：搜索能力强，审查宽松，推荐搭配 grok-search MCP。

5. 系统维护：定期复盘与做减法

• Skill 收敛原则：OpenAI 和 Anthropic 均建议工具收敛。过多的 Skill 会导致模型选择犹豫、变慢或上下文被拖垮。
• 定期复盘：检查 Skill 是否带来增量价值。若多个 Skill 功能重叠或长期闲置，应关闭或删除。
• 质量验证：公开 Skill 质量参差不齐，需自行测试“使用前后”的差异。
• 协作本质：与 AI 协作不仅是做加法（安装 Skill），更是做减法（去除噪声）。

关键要点

• 协作范式转变：从“人翻译意图给机器”转变为“人机协作”，AI 应被视为具备记忆和沉淀能力的“同事”。
• 降低摩擦力：通过划词工具栏、IM 远程调用等方式，让 AI 入口尽可能贴近工作流，提升使用频率和价值挖掘。
• 元提示词与 Skill 化：让 AI 生成 Prompt，并将常用工作流固化为 Skill（Agent 术语），实现经验沉淀和效率