claude写论文能直接输出文件吗

一定要快点试试这个 kol 的 战，感受一下 kol 的 强大的代码和写作能力。他真的跟官网一模一样，不是账号迟不会被封号，还不限制托肯。接下来准备给他发一下丸子的别录，我看一下他的文件提取的能力，我看出来他的回答速度还是相当快的，写出来的内容还是比较准确和靠谱的， 比我自己读要快非常多，也没有出现像 cologne 之前常出现的断联的情况。接下来再让他帮我读一下科研图，以前我自己要是读这种英文的科研图，真的是要花很久时间，现在你只需要发给 cologne， 它就瞬间可以把这个科研图的全部的流程以及内容都给我分析清楚， 方便非常多。而且你看他还可以把整个流程都帮我梳理清楚。接下来再让他帮我改一下之前的这种石山的代码，可以看出来他把问题在哪里都指的明明白白的。重新给了我一遍，他修改之后的一个代码，看起来比我写的代码要好太多了，这真的是我目前能够找到最好用的 closed 站了，没有之一。感兴趣大家点点关注。

师们，我用全世界最聪明的 ai 做了一个把公开课的教案直接生成论文的工具， 真的太爽了，赶紧来看一看。因为我们很多老师不是跟我说啊，就是写论文很难吗？觉得是一件特别难的事，然后我用那个 cloud 的 把它变成了一个工具，我们来看看它的效果，目前还是一个半成品。现在呢，很简单，只需要输入你的 教学设计放这就好了，我是粘贴过来的，你也可以输入文档，然后论文自助自己自定义要求，一般比赛的话都是两三千字，我就定一个三千字吧。好，我们现在等待它的结果， 看不到一分钟就写出来了。首先这个标题我就觉得很好，然后摘药，关键词引言，一个个的教学策略的分析。嗯，我觉得都非常的有理有据啊，不是那些空话，然后 以及它的拓展和应用，还有参考文献都是有的。如果你对这个结果不满意呢？你还可以进行一个 补充，你看如果我觉得理论不够的话，我还可以对它进行一个调整，它就会在这一个原有的基础上继续调整了。 是这样的一个小工具，大家觉得对你们的工作有帮助吗？或者说你觉得这个工具还应该需要有哪些功能，可以在评论区留言，我们一起探讨啊。等做出来之后可以邀请一些老师进行测试，我觉得是一个非常省心的小工具，希望能帮到大家。

所有人停止科研，都去用这个 skill。 它以中文论文成稿流水线为输出核心，将项目源码、学校官方模板、网介、优秀样文、参考文献图标截图与 word 成稿过程深度整合，打造出一套可追溯、可续写、可检查的本科论文标准化交付工作台。特别适合有真实软件项目，比如网站、小程序管理系统、 互联网平台等。需要写成毕业设计论文的开发者，需要严格按照学校模板和网件样文风格生成到 case 格式。中稿的学生需要精准控制章节字数，统一管理图标截图， 规范核验参考文献格式的论文写作者。还有收到导师批注后需要系统化修改且想完整保留原有排版格式的同学。不过，它不适合没有真实项目源码或实验数据，指望凭空生成完整论文的用户，也不适用于不需要中文论文格式规范的非中文写作场景。需要的，滴滴我分享给你。

本科论文马上就交了，还没跑实验怎么办？那常见的问题就是环境配不上，代码跑不通，格式也调不对。那今天就专门针对这些破事，用三个工具把壁设里面最后的时间的活全部解决。 首先是 cross go， 这是一个跑在云端沙箱里的 ai agent， 他 接入的是 cross 这种级别的大模型，我就给了他一句话描述我的实验需求，他竟然快速帮我搭建好了环境，生成了基础代码框架，然后也完成数据预处理。 最后直接把代码图表模板和初步的仿真结果给我。不过要注意，深层的代码和结果一定要自己验证和调整。那么它跟普通 ai 最大的区别是什么？普通 ai 给你一段代码，你还要自己配环境及 bug， 但是 closego 是 真的有自己的云端运行环境，要做配车的时候，数据 处理甚至需要仿真实验的工具，它能帮助你省下配环境和跑实验的时间。要想体验的评论区扣一，我发你邀请码。第二个是 doktor， 写论文最烦的就是参考原件， 你前期看了一堆 pdf， 但是引用的时候完全想不起来哪句话或者什么论点来自哪篇文章，合适也要一个问题。那么昨天我就是专门管文件的，你可以把文件、网页、 pdf 全都兑给他， 按照主题分类，还能够一键生成参考文献格式。后面写论文的时候至少不会在文献管理这种重复的活上浪费太多的时间了。第三个是 deep cap， 本科论文其实看的是排版，排版好了就能过关，很多学校其实都有现成的 latex bk 模板， deep cap 上面也能搜到不少 over latex， 也有很多论文模板，一找到学校或者相近格式的 latex 模板之后， 直接上传给 costgo， 让他根据你的任务内容和模板结构做整理，最后翻译出来格式完整的 pdf。 不 用你本机去装复杂的软件或者学习复杂的 type 语法，动动手和嘴巴就能够完成复杂的裁板工作了。

我靠 club 的 用来写论文做深度调研真的太牛了吧，使用到了这个深度思考， 然后呢？谈不清，思考了五分钟，查看了一千多个网页啊，还在自己去进行搜索，帮我们去进行修改论文， 查找更好的数据啊，这还挺不错的，我倒也想使用到 club 的 用来写作科研，做数据分析，写代码等等都可以点击我主页的置顶作品找到我。

呃，最近用 color code 加 d c 加 maclab 附上了一个顶上的论文，就是哎这篇二二年 t a c 上的一个抗扰动墨烯色控制的论文。呃，可以先看看结果，我感觉它做的整体上还是不错的。嗯， 这是图一，然后啊，它对的应该是图三，这是图四的，就是可以看到基本上基本差不多，然后图五的 图六的这个扰动观测器的结果，从地上看就是他做的还不错，但是其实我也是和他叠带了很多人，他才能做成这个样子。比如说就是在和他对话的时候，首先呢，我想最开始就是告诉他 就是按照步骤完成一下任务，然后他就开始做，做完之后做，做的过程中会遇到各种问题，然后就就我就觉得在做的时候自己得懂这个事情。比如说，呃，我当时就发现迷你扰动观测器估计的已经很准了，为什么我就会发现他这个扰动加大了，少成了一个零点一，然后成上之后呢，就会好很多，然后再包括后面的这里。呃， 就是我发现这个就是控制为负，然后说明当前情况下无补无扰动补偿的小车正在倒车追踪轨迹，然后请修复，反正就是跟他经过这些迭代之后。呃，最后就得到了这个结果。 总结一下就是，也许这样的任务让 gpt 或者可拉的 api 来做可能会更好，但是我还是觉得首先我们自己得懂得有最基本的发现问题的能力，这样技能就完成我们的需求，而而且还比他一通瞎搞更节省头啃。我觉得最好的一种就是这个事我只想做，不代表我不会做。然后最后就是我觉得这篇论文不仅访真做的不代表我不会做，然后最后就是我觉得这篇论文不仅访真做的很漂亮，就是做非限性 npc 和抗扰动的同学可以看看。

如果你把 pdf 喂给 ai， 表格错乱，公式丢失，排版全乱， ai 根本读不懂，那这个项目你一定要记住，它是一个专门为 ai 打造的 pdf 解析器，综合准确率百分之九十，表格准确率百分之九十二点八。支持 markdown、 jason、 html 三种输出格式，表格公式、图片、图标都能识别， 扫描版 pdf 也能用，内置 ocr， 支持八十多种语言，还有 ai 安全过滤，自动屏蔽提示输出。把 pdf 喂给 ai 之前，先用它修正一下。

你有没有发现， ai 给你写的报告越长，你越不想看几百行 markdown 看起来很专业，但你打开三秒就关了。我以前也是这样，让 j b t cloud、 jimmy、 nike 帮我写方案，写计划，写 prd， 但是最后这些文档都在那里落灰。后来我看到 torric 还有 carpacy 都在讲一个很小但很有用的技巧，别只让 ai 输出 markdown， 输出文档， 让他直接输出 html。 还说你可以再提问，最后加一句，把你的回答整理成 html， 效果真的很好，甚至还可以让 ai 把结果做成换端篇。 这句话看起来很技术，但其实你不需要懂任何代码。我给你看一个例子，我让 codex 分 析二零二六年普通人可以用 ai 做的十个副业方向。如果我只说帮我生成一个文档，你看他确实写得很完整， 适合人群。启动成本、工具、交付物、获客方式都有，但问题是，它又变成了一份很长的文档，你大概率还是不会认真看完。 最后我只追加一句，把这份内容改成一个 html 页面，要有机会。地图、难度、收益矩阵、卡片分区和筛选标签。 你看，区别出来了，它不再是一篇报告，而是一个可以浏览的副业机会。看版，你可以先看难度和收益，再点开某个方向，看适合谁，要用什么工具，怎么开始，有什么风险。 这就是 atml 比 markdown 厉害的地方，它不是把信息写出来，而是把信息组成一个界面。 html 的 重点不是代码，而是它可以把 ai 的 答案变成一个真正能看的页面。 markdown 只能给你标题、列表、表格，但 html 可以 有导航、有颜色分区，有卡片、有流程图，有对比表， 甚至可以有按钮，有 type 切换，有滑块，还有复制的结果。 同样一份竞品分析， markdown 是 一大坨的文字， html 可以 直接变成一个竞品看板。同样一份学习资料， markdown 是 知识点， html 可以 变成一套可以翻页的课程页面。 所以这件事真正厉害的地方不是 html 更高级，而是 ai 的 输出格式正在从文字变成界面。 人脑处理视觉信息的速度远远快过处理长文本。你不想读 ai 写的长报告？不是你懒，是格式错了。 ai 内容大概正在经历三个阶段，第一阶段，纯文本，密密麻麻，没人想看。第二阶段， markdown 有 标题，有加粗，有表格，这是现在大多数人的默认用法。 第三阶段就是 html 有 布局，有图示，有交互，打开就能看懂。再往后可能就是动画、模拟器、视频，甚至是可以直接操作的动态界面。 所以你现在让 ai 输出 html， 不是 在追新鲜感，而是在提前适应下一代 ai 内容格式。你下次可以直接复制这句话， 帮我整理成一个 atml 文档，要有导航视觉分区、表格、图式，并适合直接在浏览器打开和分享。 如果是方案，就加一句，让它更像一个项目看板。如果是学习资料，就加一句，让它像一个交互式的课程页面。 如果我是竞品分析，那就加一句，让他像一个可浏览的对比仪表盘。试一次，你就会发现，你不是不爱看 ai 写的东西，你只是不爱看一大堆密密麻麻的文字。

今天给大家推荐一套 skill 的， 它打包了市面上常见的格式化的表达，可以一键把你的文章变成 canvas mami 跟 iscaraj。 第一种结构清晰，配色干净，排版漂亮，这是 canvas。 第二种，它把流程节点、箭头的走向以及逻辑链条梳理得让你可以一眼看清，这是 iscaraj。 第三种是手绘的，质感就看起来比较自由随意，像在白板上随意勾的，这是 iscaraj。 同一个内容三种表达只需要十秒。 给大家简单介绍一下这三种矢图它适合在哪些情况下去使用。比如说像 canvas， 它比较适合做知识图谱，项目盖板，或者说文章结构的拆展 分类的话，适合现性逻辑的一些表达，包括流程图，决策数或者时间线。因为我最近在做一款退休相关的一个产品，会涉及到退休年龄的计算，以及退休金的一些计算，它把整个的逻辑都梳理的很清楚，包括说 怎么样去判断一个人的退休类型，它是到了法定年龄去退休，还是在法定年龄之前退休，它的整体的计算的逻辑都会不一样，然后它在这里也展示的很清楚。 export 就 比较简单，它适合那种自由表达，画草图跟圆形，以及非正式的一些思维发散。不过我觉得这个 export 它画的倒是比较简单，就是如果说你要增加一些图，或者说增加一些网页的跳转的话，还是需要你自己去增加的。 而且这个 skill 生成的图，如果说你有一些不满意的话，你是可以点击编辑去修改的，甚至你可以也可以去修改它的底色，比如在这里选择它就会变化，我觉得它就是节省了你从零到一的画图的时间，非常方便。 那接下来来告诉大家怎么样装这个 skill。 主要是三步，第一步就是 obsidian 是 要提前装好 ai agent 的 插件的，我用的是 cloudian， 之前视频有教过怎么安装，这里就不说了。第二步是我们在 github 上搜这个 skill 的 名字，然后就能找到这三个 skill。 这里下面呢，它是有对这个 skill 的 整体的介绍，告诉你整体的安装的方式。我们可以直接复制这个命令，回到 cloudian 的 聊天框，直接发送给 cloudian 即可。 把刚刚的口令发送进来之后它就安装好了。安装完之后呢，它会告诉你对应的 skill 的 用途以及它的触发词是什么。我们平常触发 skill 的 方式是斜杠，然后去掉起选择这个对应的 skill， 比如说萌妹，它就会 加载这个 skill。 这个 skill 还做了一些触发词，就是我不需要去调起了，我直接用自然的语言，比如说我要做一个 make 图，或者我要做一个 canvas 图，它就会自动加载这个 skill。 那 比如说我给他发的是用 make 格式化退休计算的流程，然后呢，他就阅读了这个 skill 的 skill m d。 因为我前面跟他去聊了一些退休计算的流程，然后呢他这里就把整个的计算流程化成了个 blank 图，非常的快。我还让他自动的去帮我保存为 opc 点笔记文件，然后他就可以帮我创建一个新的笔记了。 那今天的分享就到这里啦，以前我们做一张结构图，先理逻辑，再选工具，再调颜色，还有对齐整体的节点以及对拉线，至少半个小时起步，那现在一条指令 十秒三种风格任选，把节省下来的时间更多的放到我们的内容的本身，觉得有用的话点赞、收藏加关注，拜拜。

说真的，你每次用 cloud 写东西，是不是都有一段提示词，要么背下来，要么专门存着什么口语化风格，八百字开头要抓人， 不要那种书面腔等等。他你说的做了，你拿走了，下次打开又得说一遍。其实这件事可以不用这么麻烦。大多数人用 cloud 的 方式就是每次打开之前先教它一遍，但有个功能可以让你只教一次 他。记住，永远记住这个功能叫 skills， 你 可以把它理解成提前给 cloud 装好的一套干活方式。不是每次告诉他怎么做， 是你提前写好，他自己知道。在 cloud skills 文件夹里，一个文件就是一个技能，每个技能文件就写三件事，第一，触发词，什么情况下用这个技能。第二，执行流程，他按什么顺序来。 第三，标准输出结果给你什么格式，就这三件事写一次，以后再也不用重复说了。我举个例子，写完一篇文章，只说一句润色这篇 他不会乱动我的东西，不会把。我当时就愣住了，改成比着深感震惊那种东西。他就按我之前定好的规则走，检查语气，看结构，确认受众，用我自己的腔调给我， 每次都一样。你踩过的每一个坑，摸索出来的每一个习惯，都可以变成一个技能。存进去之后，你只要说做什么就够了，怎么做他自己知道。

以前都说本科论文要搞大几个月，现在我感觉连两张都不要了，因为 ai 发展的确实有点快，像这边两万多字的这个文章，不仅有这个表格，而且整个文章也没有什么乱码的形式，还有这个公式，公式还可以编辑的，他居然只要一下午就能搞完，并且连这个附属的这个代码也给你生成了。 我来给大家展示一下具体是怎么操作的。在 speed 的 ai 告诉他你的学科和题目，然后再说出你这个论文的这个题目，这个普通说明他没有，他就不用写了，字数要求他一定要写到一万字以上，只是我们还要点到芝麻，然后这里全部点上这个 o， 不要点暗的，按照这个主题的话去写上你论文的相关的这个几个主题词就行了。他这个收集的更加广泛， 解锁出来之后尽量是调这个近几年的，最好是近五年的，然后选到十篇文件，全部勾选，然后导出。是一定要点到这个英文查询格式，把我们的所有的参考文件直接一下复制到剪切板，点到这里上传文件，这里点击上传，然后在这个 上传文件里点到从之王导入，然后再把我们的查新的所有文章直接看全进去，然后再把它给解析，他就会给你进行一个详细补充，跟你一下沟通。就比如说这些地方，哪个地方要删掉的地方要不要加，这个时候你就按你的需求来点就行了。 你详细分析完之后，他会把这个大纲给你写出来，但是大纲也可以进行一个直接修改，比如说哪里写的不好，你可以写完，也可以粘贴添加，然后这个总的来说，我建议把这个每个章节的图啊，表格啊， a 啊配图全部填上， 你把它全部点上之后，最后生成文件会更加充实，哪里不用再去删掉，或者可以直接修改，这样的话会让你这个效率高的多。最后你会得到一份有表格有图表，并且格式基本没有错误的出稿，最后再按照你们学校的要求和老师的具体要求进行一个详细的修改，你的论文一定会干出来的。

大家好，今天给大家带来的分享是 markdown 到 html， ai agent 的 输出正在从文本变成界面。这个话题来自 clark code 团队成员 three sheet part 发布的一篇文章，文章标题是 the unreasonable effectiveness of html。 这篇文章讨论了一个很具体的问题，当 ai agent 生成内容时，默认输出格式是否还应该是 markdown， 还是可以转向 html？ 表面上看， 这是一个关于输出格式的讨论，但往深一点看，它反映的是 ai agent 工作方式的变化。过去 ai 更多是在回答问题， 现在它开始生成报告、页面、原型，甚至是可以直接使用的小工具。这场讨论的起点是 zerik 希和帕尔在文章中提出的一个判断，对于很多 agent 输出任务来说， html 可能比 mark 党更合适。它还配套放出了二十个 html 势力， 用来展示 coco 可以 生成什么样的结果。这些事例包括代码审查、研究报告、设计原型、 项目规划和自定义编辑器等。随后， simon wilson 也对这个话题进行了评论，他过去一直倾向于使用 markdown， 但这篇文章让他开始重新思考 agent 的 默认输出策略。同时， 哈克儿 new 社区也围绕这个问题展开了讨论。争论的重点并不是 h t m l。 能不能写文档，而是 ai 输出到底应该是方便编辑的文本，还是方便阅读和使用的界面。 这篇文章最核心的地方不是简单地说 h t m l。 比 mark 导更先进，而是指出 agent 输出的目标已经发生了变化。 markdown 更像是一种文档格式，它适合写说明、做笔记、写莉亚蜜，也适合程序员长期维护。它的优势是清亮、清楚，容易编辑。但 html 不 只是文档， 它更像一个页面，甚至可以是一个小工具。它可以有分栏、有卡片、有颜色、有导航，也可以有图标和交互。当 age 你 输出的是一份很长的计划，一次代码审查、一份实验报告或者一个设计方案时，单纯的 mark 港很容易变成一大段文字， 内容虽然完整，但读起来会比较累。 html 的 意义就在于，它可以把复杂信息重新组织成更容易看的形式。 文章中提到的 html 优势主要体现在复杂信息表达上。比如代码审查，如果用 mark， 通常是一条一条的问题列表。 但如果用 html， 就 可以按照严重程度分区，把高风险问题标红，把文件路径做成导航，把修改建议做成卡片，这样读者可以更快看到重点。 再比如实验分析， mark 可以 写结论，也可以放简单表格，但 h t n l 可以 同时展示数据表、图表，对比卡片和折叠细节。对于需要快速理解结果的人来说，这种方式更直观。还有设计原型， mark 只能描述一个界面大概是什么样子， 而 html 可以 直接生成一个能打开的页面。也就是说， html 不 只是让内容变好看，而是让 html 的 输出更接近一个可以交付、可以使用的结果。 不过，这个话题也不能简单理解成 html 会完全取代。 markdown 仍然有很明确的位置。 它更清亮，写起来简单，人工修改也方便。尤其是在程序员的工作流里， markdown 更适合做版本管理， ddf 也更清楚。所以长期维护文档时， markdown 仍然很有优势。 html 的 问题也比较明显，它生成出来的效果更丰富，但源码会更复杂，如果后续需要人工修改，成本会比 markdown 高。 还有一个很现实的问题是 token 消耗，因为 html 需要标签、结构和样式，同样表达一段内容往往会比 mark 党占用更多 token。 对 于 agent 来说，这意味着生成成本，上下文长度和响应速度都可能受到影响。 所以这场讨论更合理的结论不是 html 替代 mark 党，而是两者分工。 mark 党更适合写和改， html 更适合看和用。 从这篇文章和社区讨论来看，未来更可能出现的是一种分工模式， markdown 写 html 展示。 在前期整理思路、记录内容、多人协助时， markdown 仍然很合适。它足够简单，也方便修改。但当内容需要交给别人阅读、汇报、审查或者决策时， html 会更有优势， 因为它可以把信息变成页面，把长文本变成结构化内容，把静态报告变成可以交互的工具。这也意味着 gigini 的 输出会越来越不像单纯的聊天回答，而更像是临时生成的信息产品。用户提出一个需求， gigini 不 只是给出文字， 而是可能直接生成一个报告页面、一个数据面板，或者一个可点击的分析工具。最后总结一下，这篇文章真正值得关注的地方不只是 h t m l 和 mark 党的选择， 而是 ai agent 输出形态的变化。过去使用 ai 更多关注他能不能回答正确，现在随着 agent 处理的任务越来越复杂，只回答正确还不够，他还需要把复杂信息组织得清楚，让人愿意读、读得懂，并且能够直接拿来使用。 所以这场讨论背后的核心变化是， ai 的 输出正在从答案变成交付物。它不再只是聊天框里的一段文字，而可能是一份报告、一个页面、一个原型，甚至是一个小型工具。因此，真正变化的不是格式本身， 而是 ai 正在参与信息产品的生成。 mark 党仍然适合写作和维护，但 html 可能会在展示、交互和交付场景中变得越来越重要。

如果你是一位正在搞科研的小伙伴，你是否觉得现在 gpt 或者 cloud 的 已经可以替代掉你去做科研了呢？在我心里的答案就是，我认为还不太能行吧， 这个呢，就从我自身来说起，我可能从啊，为什么不能替代，然后如果要替代的话，怎么样替代啊？是什么？为什么怎么样？这三个角度来讲，首先我的话就是一个老科研人，我自己的话在城市待了十年，然后 a c i 的 话是大概一座一座，加上共创的话是有六片， a c i 基本上都是一区的，然后中宿类的话有 啊，两篇以上，然后科研论文类的话有三篇以上这样子。嗯，我想从我自己的角度上去讲啊，二零一九年的时候开始读研，然后那个时候， 是啊，至少那时候不流行，可能 ai 已经有雏形了，那个时候我们做科研论文完全只能手搓，不管是说你写中数还是科研类的论文，那那个时候我们如果说做科研写中数或者做 科研类的文章，就主要就分这两类吗？如果做这两类的话，一般的基基本逻辑就是如果你写中数的话，就是你要看大量的文献，可能近十年的，然后以及说针对你要发的目标，比如说我们之前老师的目标就是最少要一开吗？所以我们老师对我们要求就是最少近十年，然后所有经典的经典的话可以延伸到二十年啊，最近二十年的经典文献，然后加上 近十年的比较权威的一区二区的，然后材料学的，以及说跟材料学交叉的文献全都要看，然后看完以后呢，我们最后就是每一篇文献都要提炼出来一些观点，提炼完了以后就再综合一起去梳理一个思路。比如说我们之前在写一篇啊论文的时候，他现已经发表在 progress in polymer science 这篇综述的刊刊里面。然后当时我们写这个思路的时候，其实就有两个点， 我们第一版想的呢，就是想因为我们这个东西主要主要写就天然多分，然后他怎么去做成高分材料。有时候我们第一版思路呢，老老师是被邀请去写这个论文的，第一版的思路呢，就是按照啊多分的类型去分，然后我们去按照多分的类型去分的时候就发现， 嗯，不太好去，就是我们可能写到一半就发现这个这个中数其实之前的前辈他们也有写过，就相当于我们怎么在前任面去发现我们写不出来我们科技组的特色，然后我们写的跟前任也很像，然后我们可能大概写了两到三个月吧。写完以后， 然后老师觉得，嗯，不太行，如果说我们真的要发在 progress employment science 的 话，这个角度不行，然后我们就推倒重来，然后后面我们就用呃材料的角度去分类，比如说聚氨酯啊、环氧树脂啊等等之类的，这样去分类，分类完以后呢，我们就团队去协助，因为刚好我们团队人的话，我们都是有做不同方向嘛，比如说我是做环氧树脂的，然后另外一个是做聚氨酯的， 然后另外一个人是做啊凝胶，凝胶类的，所以我们就是按照自己对于材料方面比较专业的点，然后再去往下去挖，比如说我对环氧树脂比较懂，我可能就知道，比如说腰果酚呐啊，然后一些绿茶酚呐等等之类的，就是以这个材料为终点，我知道可能成百上千种多酚，然后天然肌的或者合成肌的我就非常了解。那么我们第二版 的话，我们就是完全按照呃材料的类型来分，分完以后我们就是，嗯，最后大概可能就花了呃将近有一到两年的时间吧，最后他最后出来的时候是，呃两年后了，但是我们在洗的时候其实比较快。 呃，中间你你想想，我们还有花了两个月时间去推导我们第一版的一个思路，然后我我该讲就举个例子，我们在做中数类论文时候，他完全就手搓，然后他也会是有个思路，并且有个推导重来的一个过程的，会是会是这样子，然后磕眼泪的话，磕论文基本上也这样，每天来了就每个人必须先看十十篇以上不同的新的文献， 你可以在那个谷歌学术吗？或者说，呃，还有一些专门的网站，比如说 xmore 等等之类的，然后每天看，看完以后你看多了你就有灵感了。所以我们基本上前三个月都是看文献，去帮学长学姐去做实验，然后你一边看一边做，掌握了基础操作以后，你基本上就会有一个自己的 idea 了，然后你就根据你自己的 idea， 然后你就去设计实验，设计完实验以后你就开始做 啊初步的实验，当然基本上你在初步做实验的时候都会失败，所以前三个月你基本上全部都是试错的一个阶段，所以我觉得也是啊，没有问题了。然后你做错以后，你就当你试错了，三个月以后你就完全的领会了怎么去设计一个实验，然后你实验有什么痛点，然后你再去推翻，或者说你再去优化，然后再去做。啊。我跟我 一开始的时候，我是跟我一个同门一起，我们就是做第一篇 a c i 出来的时候，我们大概是七月份到十一月份，反正大概花了五个月的时间吧，就是我们俩完全不是材料学的，就这样跑通了一个最小的实验模型，因为你跑通以后，后面你就是去把它放大放大，然后再去做测试，再去写论文。后面的时间就是看个人，可能是半年，也可能是一年、两年。对，就基本上我前面分享的就是做第一种， 呃，就是综述类的，第二种实验类的，这两种其实都是有他自己的套路的。那，那这个可能就是我以前在读研时候古早的写 s c i 的 一个思路。那到其实二零二四年时候拆开 ppt 出来了，然后二零二五年大家基本上都用挺多了。我，我就是最早使用拆开 ppt 那 波人。那我一开始其实也用拆开 ppt 去写论文， 我在二四年、二五年时候，我觉得他是不可能替代的，因为为什么呢？因为那个时候我我还在搞研发，搞美妆研发，那个时候我最经常干就是我一下子下载出来二十篇、三十篇的论文。我想去找一个观点， 以前的时候大家都要读很多嘛？读很多，读完以后你才会有 idea， 但你有了 idea 以后，你就想偷懒，你就想丢给他，然后让他去挖。然后那个时候可能二五年时候他的他的点就是一，他一次性不能读取太多的文献，他可能 插入文献不能超过二十篇。第二，即便他插入超过二十篇了，他不一定真实的去读取你的文献和论文了。我相信真实去研究过的小伙伴，他是有这个痛点在的。所以基本上如果你一次性，后面我二五年用的时候，我，我非常清楚知道你一次性最多丢给他五到十篇论文，因为那个时候受限于上下文，受限于模型的能力 等等，他可能一次性只能读五到十篇，然后读完以后，并且五到十篇，他还不是说百分之百的读去了。所以基本上你想靠 ai 去跟你对话，得到你想要的 id 啊？我觉得是不可能，二五年时候是不可能，虽然我用二五年时候让 ai 辅助我做了一篇科研论文啊啊，但是我还是我主要是把它用在我做数据分析的阶段，并没有放在找点子的阶段。因为做科研论文最重要就是 找点子，做实验，做数据，写论文这四个阶段，我是把它用在了第三个阶段，所以基本上第一个阶段你就想靠着 ai 去造的话，我觉得不 ok。 然后对，这个是我自己的亲身经历吗？到二六年，当然二六年没过去太久。二六年呢？我，我自己没有在科研的一线，但我听到了我朋友的版本，所以这个时候我就觉得很神，因为我朋友呢是在读的一个博士，他会自己学习，有自己的学弟学妹吗？然后他的学弟学妹们呢？我朋友属于手搓论文版， 他的学弟学妹们属于完全靠尺子 gpt 版，因为我二五年直到完全是跑不通的，因为我当时发那篇核心刊物品那里已经已经已经登刊了，我是把它用在第三阶段做形式分析了， 因为我认为做科研论文它最重要的在前面两个阶段就是找点子和做实验。你做数据分析和写 a、 c i 不是 特别难的事情啊， 不，不是凡尔赛，我自己认为重点在前两个阶段，那么当时我听到我朋友就是我朋友，基本上因为他已经写了很多嘛，他是在食品科学行业的，所以他也发了很多疑刊。然后他的点就完全在于他是手头论文，因为可能就是 你已经见的够多了，想的够多了，做的够多了，所以你写起来的时候就是妙笔生花，就非常的快。但他的学弟学妹们呢？他从一开始就想偷懒。这波人就是 ai 的 原著名嘛，就是 ai 刚出来的时候，他就就刚好用上读研嘛，所以他从一开始就想用 ai 去偷懒。我觉得这个思路非常不对，因为你甚至没有去 系统的训练和培养好你怎么去做科研论文和实践，做科研的一个能力，然后你就想着让 ai 去替代你四个阶段，那基本不可能，你想点子想点子，一定要读。即便是到进 接下来三年，我认为这个 ai 也没有办法太代替。即便现在 cloud 它已经有或 d、 d、 c、 v， 它已经有如此长长的上下文的记忆功能，我仍然认为它替代不了人类自己去读文献识别，我认为它能做。第一阶段就是你读了很多的论文以后，你把它总结出来的观念，可能你读了一百篇文献，你每一篇都做一个 summary， 然后最后再让它去帮你找共识，我认为这个是可以的，但它不能替代掉人去读的这个阶段。然后第二阶段就做线线，线线 a 就 不可能替代啦，对吧？就肯定要。我们以前做材料学的时候，就在实验室，每天一呆就是十个小时以上，就是每天对着鱿鱼锅，然后对着 聚四伏以西等等。这种环境就是每天必须要做实验，做完实验以后去复盘，然后及时去把自己的数据去做处理分析，然后去找他的一些客观规律，然后失败了是什么原因，然后成功的话怎么去进一步往下推进？基本上所以第一阶段找点子他是不可能替代的。然后第二阶段， 对吧？做实验不可能替代，然后第三阶段我认为数据分析也是可以的，但数据分析最重要就是你要知道怎么用数据分析，这个前提点还是在于你要自己去读，因为同样的做数据分析的方式有非常多种，他可能有二十种 以上，就统计学一类的，所以你也要多看，看完以后你自己知道有二十种吗？然后你自己选出来五种，你让 ai 去帮你，比如说我的数据的情况，你认为，呃，哪一到三种是适合我做统计学分析，然后你再去选，选完以后再去做，做完以后最后你再去选你的科研论文，我认为这个是 ok， 然后但写科研论文的话是四个阶段串在一起的，所以说你任何一个环节你全部让 ai 去给你替代了，我认为很难。 如果说现在他能够用 ai 写一一区论文的人，我认为他肯定是以前已经经过系统培训的这一波人。这一波人的话，我，我认为就对你辅佐能力是很大的嘛。但对于原著名就是你刚上大学的，你刚读研的，如果你就想让 ai 去替你把这活干了，我认为是不可能的。所以呢，还是做一个过来人或做一个学姐的一个身份吧。就是。呃，也是从我朋友那里学到的一个点。就是。 嗯，做科研的人呢？还是说花更多时间自己去多读一些东西，然后保留一些手搓的感觉？ ai 只是只能起到一些辅助的功能。然后当然我也希望大家的科研顺利啦，早点毕业啦。因为大家的压力都很大，但是也不用想就说完全让 ai 去让我把所有活都干了，因为这是不可能的。 ok， 拜拜。

哎，给所有正在写论文的同学啊，说个超级重磅的开源神器， github 最近爆火的 a r s 项目，直接拿下了六千四百颗星标，简单说就是一套基于 cloud code 的 完整的论文流水线。 他从研究、写稿、审稿到定稿，一步到位。哎，真的精准拿捏了科研党的所有痛点。说实话，市面上 a r 写论文的工具很多，但大多容易翻车，爱幻觉 这个项目最牛的地方就是专门解决 ai 科研的各种漏洞。哎，他靠四套智能体团队跑通全流程。首先，十三个 aint 做前期研究，帮你调研文献，搭建研究框架，还会逐篇检验文献的真实性，防止假引用。 第二十二个 aint 负责写作大纲正文、双语摘抄格式排版全包，还能适配您的写作风格，不会有那种千篇一律的 ai 味道。更贴心的是啊，还有七个 aint， 模拟真实刊的审稿，量分打分，量化打分，评级，明确的告诉你会录用还是小修，还是大修，还是拒稿，顺带给出详细的修改方案。 最核心的亮点，我真的觉得就是非常良心的地方，他有专属饮用核验，专门排查数据造假、饮用错误这些大问题。最后记住他的核心理念， ai 只是你的科研副驾驶，永远不能代替你。

哈喽，大家好，我刚用 ai 做了个工具，可以把晦涩难懂的这个论文文献用 html 的 方式呈现出来。但如果有写过论文的经历，就会发现这种很很多论文文献真的是非常的晦涩难懂，然后因为格式的原因，它本身的字体也非常小， 再加上作者本身写的可能也非常的深奥，就是不方便阅读，那就会看起来非常的困难，可能你读半天都不知道作者在讲什么，你想搜索一个什么关键词的话，也没法搜索。所以呢，我就用 ai 做了一个这个工具，来用 html 的 方式来呈现这些文献。相比传统的一些论文格式来讲的话， 这个用 html 读论文，我觉得是非常简洁，非常方便。然后大家可以看到就是它这个这个字体你也可以进行自主的调节，你也可以用 ai 来帮助你辅助阅读 啊，进行一些提炼和总结。用 html 这种方式来阅读的话，你就会可以把每个自然段都读的非常的透彻，这样你写起文章来说的话，就是非常的顺手。 你也可以记自己的笔记，然后在阅读的途中把你的这个想法都写下来，哪怕我忘记了刚才读什么，我也可以快快速的回去看一眼我刚才的这个笔记或者说内容。我去用 html 的 好处就是你可以快速理解你的这个文献，所以我推荐大家以后都用 html 的 方式来读你的论文。

大家都知道，论文写完后要导出 pdf 模式，这样论文的格式就不会乱。但是导出为 pdf 前，这几个设置一定要改好，不然格式还是会乱，百分之九十的人都栽在这上面。首先，导出前先把文档里的域给锁死， ctrl 加 a 全选，然后按 ctrl 加 f， 十一一下就把域全冻结了。接下来是字体， 中文一般都是宋体，英文是新罗马，都按照学校要求的设置，不要使用一些小众字体，不然导出后可能会变成乱码。最后，导出为 pdf 时，最好勾选上将标题样式输出为书签，这样你深沉的 pdf 就 会自带目录导航， 左边一点就能跳转，老师看着也省心。当然，如果你的文章参考了 ai， 可以 把论文往这一拖，降 ai 率跟玩似的，它是在保留文章原意的情况下改写，有 ai 风险的，结果过审不是轻轻松松。

科研这件事，最难的往往不是写，而是不知道第一步该怎么走。 academic research skills 这个开源项目，把研究写作、评审、修改、定稿整理成了一整套能直接照着走的流程。 readme 里把文献检索、论文写作、数据处理、学术规范，还有 reviewer 和 picklan 这些关键环节都排进去了。 它最值钱的不是替你省掉思考，而是把科研路径理顺，让新手少走弯路，每一步都更稳。 如果你想把学术研究真正做起来，这个 github 开源项目从入门到落地都值得直接收下。

这次我想搞懂一个我自己也没有完全整明白的东西， ai agent， 但是我自己并没有查任何资料，我让另一个 ai 去替我研究。 你没有这种经历，想搞懂一个新的领域，但是自己却无从下手。上网一搜，全是英文论文，术语一个比一个绕，十几个标签也开着，越看越懵逼，最后从哪开始这一步都不知道了。 这次我没没有翻任何一篇论文，我打开 cloud co work， 跟他说了句大白话，我想搞懂 ai agent 到底是什么，发展到哪了？你自己上网找几篇靠谱的英文资料，读完用大白话告诉我，整理成中文笔记。说完我就往后一靠，我自己就什么都没有做了。 你看他先给我列个计划，然后真的就自己上网，一篇一篇去找去读。这个过程我一根手指头都没有动。 几分钟以后，他把几篇万字的英文论文变成了这个 一份中文笔记，一句话定义核心，三个能力，现在发展到哪了？关键术语都用大白话解释了，还配了出处，能溯源。我五分钟就读完了，而且我真的读懂了。 做完我才明白，想入门一个新领域最难，从来不是学不会，是不知道从哪开始。而现在，这件事情 ai 能替你扛完。我准备把这些 ai 玩法整理成一个系列，想跟他一起玩的先点一个关注，等人多了，我拉一个群，大家一起折腾。