连续讲义

单元 1 / 6 · 120 分钟

AI 发展史与能力地图

从专家系统到智能体，理解技术范式如何变化，并用生成、检索、推理、行动四类能力判断科研任务需要什么。

01 · 本单元解决什么问题

科研人员第一次接触 AI，最容易被产品名称淹没：模型、聊天机器人、搜索助手、智能体、插件似乎都在做同一件事。它们其实位于不同层次。只记产品按钮，会在界面改版后重新迷路；理解能力边界，才能判断某个任务该用什么、哪里必须核验。

本单元不要求编程基础，也不要求记住算法公式。我们只建立两张地图：一张是技术发展地图，回答“今天的系统从哪里来”；另一张是能力地图，回答“它此刻到底在生成、检索、推理还是行动”。

01 · 120 分钟路线

第一段历史：把知识写进规则

早期许多 AI 系统采用专家系统思路：由领域专家和工程师把知识写成规则。例如，“若某谱峰位于某区间且满足若干条件，则考虑某类官能团”。规则的优点是路径清楚、便于追问，也能把规范性知识固定下来；缺点是维护成本高，遇到规则之外的情况很脆弱，规则之间还可能冲突。

专家系统并没有“过时到毫无价值”。今天的实验室标准操作规程、仪器告警逻辑、合规检查表，仍包含大量规则。关键认识是：规则适合边界明确、责任清楚、需要确定执行的部分，却不擅长从大量复杂样本中自动概括规律。

第二段历史：让机器从数据里估计规律

统计机器学习不再要求人为写出每条判断规则，而是给出带有特征和结果的数据，让算法学习输入与输出的统计关系。回归、分类、聚类是常见任务形式。例如：

• 用历史工艺变量预测收率，是回归问题；
• 根据光谱特征判断样品类别，是分类问题；
• 在没有预设标签时寻找样品分组，是聚类问题。

这类方法的核心问题不是“机器是否聪明”，而是训练数据能否代表未来数据、特征是否有意义、评价指标是否符合科研目的。随机划分得到的高准确率，不等于换批次、换仪器或换实验室后仍然有效。

深度学习是机器学习的一类方法。它使用多层神经网络，从原始或较少加工的数据中学习层次化表示。图像识别、语音识别和自然语言处理因此取得显著进展。它减少了部分人工特征设计，却增加了对数据、算力、验证和解释的要求。

第三段历史：Transformer 与生成式模型

处理语言时，系统需要理解一个词与上下文中其他词的关系。2017 年发表的 Transformer 论文提出了以注意力机制为核心的架构，使模型能在训练时更有效地处理序列中不同位置的关联。这里不需要推导矩阵，只需记住：模型会把文本切成 token，并根据上下文计算哪些位置与当前生成最相关。

生成式模型学习的是数据分布，并据此产生新的文本、图像或其他内容。大型语言模型接收一串 token，计算下一个 token 的概率，再把新 token 加入上下文，继续生成。它可以写出连贯说明，因为在大量训练材料中学到了语言、概念和结构之间的统计联系；它也可能写出流畅但错误的内容，因为“像一个合理句子”与“经证据证明为真”不是同一目标。

四类能力：生成、检索、推理、行动

一个系统可以组合四种能力。典型流程是：检索文献片段，模型推理如何组织，生成结构化摘要，再把结果写入文件。判断可靠性时必须逐段追问：材料从哪里来？中间结论如何形成？系统改动了什么？谁最终签字？

化学信息案例：一句“给出可靠合成路线”包含什么

假设任务是：“为乙酸乙酯教学实验准备一页合成路线说明。”看似一句话，至少包含五个子任务：

1. 检索教材、机构安全资料与可追溯文献；
2. 判断哪些条件适合教学场景，而不是照搬研究论文；
3. 生成适合学生阅读的反应原理说明；
4. 核对物质名称、化学计量、单位、危害与废物处置；
5. 把经教师确认的内容放进讲义。

其中，第 1 步主要是检索，第 2 步包含推理，第 3 步是生成，第 5 步可能包含行动。第 4 步不能简单交给一个“最终回答”；它需要教师依据权威来源逐项核验。即使系统显示了引用，也要打开原文确认引用是否真的支持那句话。

术语验收：能否不用行话讲清楚

01 · 自学说明

自学者按时间表完成，不要把“阅读完”当作完成。先做产品观察，再提交能力地图。没有可用 AI 产品时，可以找一段公开 AI 输出或课程提供的示例，手工标出生成、检索、推理、行动；学习目标仍然成立。完成后把地图交给一位同事，让对方只看地图复述流程。若对方无法判断资料来源、核验人或允许的行动，继续修改。

本单元退出条

在一张便签上写三句话：

1. 我原来把 __ 当成一种能力，现在知道它其实是 __；
2. 我的任务里最需要证据的步骤是 __；
3. 我允许 AI 做到 __，但在 __ 前必须由人确认。

能给出具体任务和证据，才算完成本单元；只写“提高效率”“注意准确性”不算通过。

单元 2 / 6 · 120 分钟

大语言模型的实用心智模型

理解 token、上下文、概率生成、温度、幻觉、知识边界、推理模型、检索增强与引用核验，学会按风险审查回答。

02 · 本单元解决什么问题

语言模型最危险的时刻，往往不是它语无伦次，而是它把错误写得像教科书。科研人员需要的不是一套拟人化解释，而是一种能指导操作的心智模型：模型看见什么、如何生成、哪些信息不在上下文里、为什么检索仍需核验，以及回答风险升高时该采取什么检查。

本单元不讨论神经网络公式。我们用“输入—生成—证据—核验”四步理解模型，并用化学名称、反应条件和文献引用练习识别貌似可信的错误。其他学科只需把示例替换为本领域的专名、数值和证据来源。

02 · 120 分钟路线

上下文：存在不等于被正确使用

上下文窗口是一次推理可处理的 token 范围，通常同时包含系统规则、用户指令、历史对话、工具返回、文件片段和待生成输出。产品可能自动压缩历史、选择文件片段或管理窗口，用户不一定看见全部过程。因此，关键事实应在当前任务中清晰、集中地给出，不要只说“参考上面所有内容”。

科研材料尤其容易出现三种上下文问题：

• 缺失：表格只复制了一半，单位或脚注没有进入上下文；
• 冲突：初稿写 0.5 mol/L，后续更正为 0.05 mol/L，但两者同时存在；
• 噪声：投入几十篇论文，却没有说明要回答的问题和证据优先级。

改善方法不是无限增加材料，而是先做材料清单：文件名、版本、用途、允许引用范围、关键页码或行号。对于长文件，让系统先列出实际读取到的章节，再开始回答。

概率生成：流畅来自连续选择

语言模型根据当前上下文，为可能的下一个 token 分配概率，再按系统设定选择一个，加入序列后继续。这个循环能形成长段文字。模型并非先在内部写好一篇经过事实审查的报告，再逐字显示；它是在连续生成过程中保持结构与语义的一致性。

温度常用来影响采样的分散程度。直观地说，较低设置通常更偏向高概率候选，输出更稳定；较高设置可能增加变化。它不是“准确度旋钮”：把温度降低，不能把缺失知识变成真实知识，也不能修复错误前提。不同产品可能不暴露该参数，或以其他方式管理随机性，所以课程不要求寻找某个固定按钮。

同一问题多次得到不同措辞，并不意味着其中总有一个是真的；多次得到完全相同的答案，也不等于答案经过外部证据确认。一致性是观察信号，不是真实性的证明。

幻觉：不是“故意撒谎”，而是没有证据约束的合理续写

课程中把幻觉定义为：模型生成了不受可靠来源支持、与事实不符或把不确定内容写成确定结论的输出。它可能表现为虚构 DOI、错误化合物名称、拼接不存在的反应条件、把相关性写成因果性，也可能只是遗漏一个决定性限制条件。

“模型不知道”这句话也需谨慎。模型没有像人一样可直接查询的知识清单。它可能在某种问法下答对，在另一种上下文中答错；可能记得广泛常识，却无法给出可靠出处；还存在知识时点与专业覆盖边界。面对最新论文、冷门化合物、内部实验或机构规定，应默认需要外部材料。

化学与化工中的三类高风险失败

命名失败：系统把相似中文名、英文名、缩写或同分异构体混在一起。核验时至少对照结构、分子式、CAS 记录或权威数据库条目，而不是只看名字像不像。

条件失败：系统给出温度、压力、浓度、催化剂比例，却没有说明来源和适用体系。某个条件在一篇论文中成立，不代表能直接迁移到教学实验、放大工艺或另一底物。核验要回到原文实验部分，确认单位、规模和上下文。

引用失败：系统给出格式完整的作者、题目、期刊和 DOI，但记录可能不存在，或论文存在却不支持那句话。核验顺序应是：记录是否存在；元数据是否匹配；原文是否可访问；目标结论是否真的被原文支持。

推理模型：投入更多计算，不取消核验

有些模型或模式会在复杂任务上进行更多中间处理，适合多步规划、数学、代码和约束问题。它们通常被称为推理模型或推理模式。对研究者而言，实用结论有三条：

1. 复杂问题先给清晰约束和可检查输入，比只要求“深入思考”更重要；
2. 推理结果仍可能从错误前提出发，或者在单位、边界条件与证据上失误；
3. 不应把模型生成的详细解释当成其正确性的证明，最终仍要用独立方法检查。

例如计算配制溶液所需质量，模型即使列出多步过程，也应由人重新检查物质的量、纯度、体积单位和有效数字。高风险场景可使用第二种计算方式或经过验证的脚本交叉检查。

引用核验四问

1. 存在吗？ DOI、题目、作者、期刊和年份能在独立来源中对应上吗？
2. 同一篇吗？ 模型给的元数据是否拼接了两篇不同论文？
3. 说过吗？ 打开原文后，目标结论是否出现在相应段落、图表或补充材料？
4. 支持吗？ 原文是在报告事实、提出假设，还是引用他人观点？它真的支持当前表述强度吗？

一张可带走的风险分级

低风险：头脑风暴、标题变体、已有人审阅的文字润色。处理方式是快速人工阅读，防止含义被改写。

中风险：公开资料摘要、课程解释、初步分类。处理方式是提供来源、抽查关键主张、保留版本记录。

高风险：实验条件、安全、剂量、关键数值、未公开研究结论、文献引用、正式评价与对外承诺。处理方式是使用权威原始资料、逐项独立核验、由具备责任与专业资格的人确认；不满足条件就停止采用。

风险取决于错误后果，不是文本长度。一句错误的浓度可能比十页措辞一般的综述更危险。

02 · 自学说明

自学者需要保留两份材料：原始 AI 回答和标注后的核验版本。没有可用产品时，可从课程讲义中的示例回答开始。完成后遮住原回答，只把风险诊断卡交给同事，让对方审查另一段文本；如果同事不知道去哪找证据、什么情况必须停下，说明卡片仍过于抽象。

02 · 本单元退出验收

请用不超过 90 秒回答：

• token 与词有什么不同？
• 上下文中没有可靠来源时，模型为什么仍能写出完整引用？
• 温度降低为什么不等于事实正确？
• RAG 的哪四个环节仍会失败？
• 你的工作中哪类回答必须独立核验？

能够把机制、风险和动作连起来才算通过。只说“AI 会幻觉，所以要小心”还不够。

单元 3 / 6 · 120 分钟

任务、提示、上下文与验收

把模糊愿望改写成包含目标、材料、约束、示例、输出格式和验收标准的科研任务说明。

03 · 本单元解决什么问题

“帮我读一下这些论文”“优化实验方案”“写一份教案”不是任务说明，只是愿望。愿望缺少完成边界，模型只能猜：读到什么程度、依据哪些材料、哪些内容不能改、用什么格式交付、如何判断正确。猜测越多，输出越像“看起来不错”，却越难进入真实科研工作。

本单元把提示词从“神奇咒语”还原为一份任务简报。好的任务简报对人类助理、学生和 AI 都有用，因为它把目标、输入、限制、交付物与验收责任写清楚。你不需要学习花哨句式；需要学会减少隐含前提，让结果可检查、可复用、可追责。

03 · 120 分钟路线

目标：先说清输出要支持什么

弱目标通常只描述动作：“总结论文”“写背景”“分析数据”。可执行目标要说明使用者与后续决定，例如：

• 为课题组周会比较三类催化体系，帮助决定下一轮精读哪五篇论文；
• 为本科生预习材料解释酯化反应的关键变量，帮助学生在进实验室前识别控制变量；
• 检查一份公开示例数据的缺失值和异常值，帮助研究者决定后续清洗规则。

目标句可以采用结构：“为【使用者】完成【可观察交付】，用于【下一步决定或行动】。”如果说不出下一步，往往说明任务仍太宽。

不要把评价词当目标。“专业、深入、高质量”无法直接检查。把它们翻译成可观察要求：覆盖指定变量；区分原文事实与作者推断；每个关键结论附证据位置；术语适合大二学生。

输入材料：给模型一份材料目录

输入不只是粘贴的正文，还包括材料身份与使用规则。建议每项材料记录：

“请参考附件”隐藏了太多问题：附件是否读取成功、包含几个版本、表头单位在哪里、扫描识别是否正确。任务开始前，先要求列出实际收到的材料和无法读取的部分；这一步不是多余确认，而是防止模型在缺失输入上继续编写。

约束：把不能猜、不能做、必须做写出来

约束至少考虑四类。

事实约束：只依据提供材料；材料没有的信息写“未提供”，不得补写；引用必须能定位到原文。

范围约束：时间范围、对象范围、变量范围、字数与受众。例如只分析 2021–2025 年文献，或只比较实验室尺度数据，不外推到工业放大。

安全与权限约束：不得上传未公开数据、个人信息或受限全文；不得给出可直接执行的危险操作；不得修改原始文件；需要写入或发送前必须人工确认。

过程约束：先列缺失材料，再开始；事实与推断分栏；计算给出单位；发现冲突时停止并提问。

约束不要堆成与任务无关的“万能免责声明”。只保留会改变输出或风险的规则，并写成可观察行为。“不要幻觉”不可执行；“找不到原文位置时输出待核验，不生成引用”才可检查。

示例：用一个小样本消除十句形容词

示例最适合说明格式、粒度和判断边界。例如你希望每篇论文输出四行，可以提供一条人工完成的样例：研究对象、方法、关键结果、局限及证据页码。模型由此知道“简洁”具体是什么。

示例也可能带来锚定偏差：如果样例遗漏安全性，后续输出可能照样遗漏。因此先问“样例展示格式，还是也代表内容范围？”对关键边界给出正例和反例：

• 正例：“原文报告收率 82%，条件见表 2。”事实与位置齐全；
• 反例：“该方法性能优异，具有广阔前景。”没有评价尺度和证据位置。

跨学科任务中，示例比行话更有效。研究者可提供一个本领域小样本，而无需让模型猜测什么叫“像业内人士”。

输出格式：让交付物能进入下一步

输出格式不是美化要求，而是工作流接口。若下一步要合并数据，就规定列名、单位和缺失值表示；若下一步要同行评审，就把原文事实、模型归纳和待核验项分开；若下一步要做教案，就规定学习目标、活动、时间与验收。

常用格式包括：

• 表格：适合重复字段比较，但长论证不要硬塞进单元格；
• 分层提纲：适合写作与课程结构，需限定每层职责；
• 字段清单：适合机器后续处理，字段名与允许值要稳定；
• 变更建议表：原文、建议、理由、证据、是否采用，适合写作审阅；
• 问题清单：缺失信息、影响、需要谁回答，适合任务暂停点。

“输出 JSON”或“输出表格”本身不保证内容正确。结构化输出解决的是格式一致性，事实仍需独立验收。

验收标准：把“看起来可以”变成检查动作

最小任务简报模板

任务目标：为【使用者】完成【交付物】，用于【下一步决定】。

输入材料：
- 【文件/链接/节选、版本、用途、权威级别】
- 已知缺口：【缺失或不确定信息】

约束：
- 只依据【范围】；材料未提供时写“待核验”。
- 不得【越权、上传、外推或改动】。
- 冲突时【停止并列出冲突/按指定来源优先】。

示例：
- 合格示例：【一条最小样例】
- 不合格示例：【常见失败及原因】

输出格式：【字段、章节、单位、长度、文件类型】

验收标准：
1. 【对象 + 通过条件 + 检查方法 + 负责人】
2. 【对象 + 通过条件 + 检查方法 + 负责人】

五类科研场景如何改写

文献阅读

不要写“总结五篇论文”。改为：“为课题组预筛选，依据提供的五篇公开摘要与元数据，分别提取研究对象、方法、关键结果、局限和 DOI；事实后标材料编号；不得根据摘要补写实验细节；最后列出值得阅读全文的两篇及选择标准。提交者逐条核 DOI，领域教师复核比较维度。”

实验规划

AI 可以帮助整理变量、提出待确认问题和生成记录模板，但不能替代风险评估与专业批准。任务可写：“依据已批准的教学实验方案，列出自变量、控制变量、观测量和缺失信息；不得新增试剂、条件或操作步骤；输出供教师讨论的问题清单，不输出可直接执行的新方案。”

学术写作

把“润色论文”拆成：“不改变数值、引用和结论强度；按段输出原文、建议文本、修改理由；任何可能改变科学含义的修改标为需作者确认；不得新增引用。作者逐项决定是否采用。”这样可保留作者责任，也能发现模型悄悄改变含义的地方。

数据工作

先明确只读还是允许写入。示例任务：“读取公开教学数据副本，报告列名、类型、单位、缺失值和异常候选；不修改原文件；把清洗建议与实际变更分开；任何规则实施前由研究者确认；输出可复现的步骤与变更计数。”

教学材料

任务可写：“为化工专业二年级学生制作 20 分钟课堂活动，目标是区分相关性与因果性；案例使用公开反应数据；包含一个预测问题、一个小组活动和一个可判分出口题；不把 AI 生成内容当作事实来源；教师核验专业概念和难度。”

同伴评审检查点

三份模板的建议组合

对于化学/化工教师，建议选择：

1. 文献预筛模板：从摘要与元数据提取可追溯信息，不替代阅读全文；
2. 实验记录审查模板：只读副本，检查字段、单位和缺失，不自动修改原始数据；
3. 教学活动模板：围绕可观察学习目标设计活动和出口题，由教师核验专业内容。

对于其他科研人员，可以将第二份替换为数据清洗或学术写作模板。三份模板不追求覆盖所有任务，而要代表三种不同风险：事实与引用、数据与行动、解释与教学。

03 · 自学说明

自学者必须完成一次“盲执行”测试：把模板和允许使用的公开材料发给同事，但不进行口头补充。请对方写出他们会采取的前三步、需要暂停询问的问题和最终交付格式。若对方依赖你的额外解释，说明关键信息还留在脑中，没有进入简报。

没有 AI 工具时，让同事扮演执行者同样有效。甚至更容易发现问题，因为人会直接指出模糊处。保存模板时同时保存一份空白版和一份已完成示例；空白版用于复用，示例用于解释粒度，不要把示例事实带进新任务。

03 · 本单元退出验收

在五分钟内展示其中一份模板，并回答：

• 它支持哪个具体决定？
• 哪份材料是最高权威，冲突时如何处理？
• 哪件事工具绝不能自行做？
• 输出中哪三个字段能直接验收？
• 谁负责事实、专业判断和最终采用？
• 如果换成另一种对话式工具，模板还缺什么？

能够让同伴据此执行并判定通过，才算完成。提示词“听起来专业”不是验收结果；任务可复现、证据可回查、责任可指认，才是。

单元 4 / 6 · 120 分钟

网络、API、文件、成本与安全

从一次请求的数据路径出发，理解客户端、服务器、API、命令行、文件权限、费用边界与科研数据安全。

这一单元不要求你成为网络工程师。目标只有一个：当一个 AI 工具要求登录、上传文件、配置 API Key、打开终端或授权目录时，你能说清楚数据去了哪里、谁能做什么、失败会花掉什么。如果这些问题说不清，工具再方便也不应直接接触未公开的科研材料。

120 分钟课堂路线

• 0–12 分钟：从“上传一份实验报告”追踪数据路径；
• 12–32 分钟：浏览器、客户端、服务器、HTTP 与 API；
• 32–52 分钟：API Key、代理/中继、网络边界与错误定位；
• 52–72 分钟：GUI、CLI、文件路径与权限；
• 72–92 分钟：Windows 主路径配置，补充 macOS 差异；
• 92–105 分钟：费用、速率限制与可观测记录；
• 105–120 分钟：安全配置和数据边界矩阵练习。

自学时按顺序完成每个“理解检查”和最后的练习；线下授课时，两人一组互相解释数据路径，教师只在解释出现断点时补充术语。

浏览器、客户端、服务器与 HTTP

客户端是发起请求的一方，常见形态包括浏览器网页、桌面软件、手机应用和终端里的程序。服务器接收请求、验证身份、执行处理并返回响应。HTTP 是网络上常见的请求—响应规则；API 则进一步规定“可以请求什么、参数怎么写、返回什么结构”。

对科研人员最有用的不是背端口或状态码，而是读懂四样东西：请求目标、认证方式、提交的数据、返回状态。页面提示“网络错误”时，不要立即重复点击十次。先判断是本机无网络、账户未认证、服务端拒绝、请求过快，还是文件格式不被接受。重复提交可能产生重复费用，也可能形成多份难以追踪的结果。

API Key：钥匙不是姓名牌

API Key 是程序调用服务时使用的机密凭据。它通常与账户、项目、权限和费用关联。谁拿到可用的 Key，谁就可能以你的额度发起请求。因此它不能写进公开课件、聊天截图、共享脚本、论文附录、浏览器前端代码或 Git 仓库。官方 API 文档通常要求把 Key 放在服务端环境变量或密钥管理系统中，而不是嵌入客户端代码。

课堂中的所有 Key 都写成 YOUR_API_KEY 这类占位符。若真实 Key 曾出现在投影、聊天记录或版本历史里，正确动作不是“把那一行删掉就算了”，而是立即撤销旧 Key、创建新 Key、检查用量与日志，并确认历史副本是否仍可访问。

代理与中继：先问它为何存在

代理或中继是位于客户端和目标服务之间的另一站。它可能用于统一认证、隐藏服务端 Key、记录用量、执行内容过滤或满足机构网络要求；也可能只是一个来历不明的转发地址。课程不推荐具体中继商。判断标准是：运营主体是否明确、传输与保存规则是否可查、凭据由谁保管、是否能限制额度、故障时能否审计、机构是否允许。

“能连上”不是安全证明。把 Key 交给中继，相当于扩大了凭据接触面；把未公开数据交给中继，则扩大了数据处理链。无法回答这些问题时，退回官方客户端、机构批准的网关，或只用脱敏公开材料练习。

GUI、CLI、文件与权限

GUI 是可视化界面，适合发现功能、预览文件和减少输入错误；CLI 是命令行界面，适合重复执行、保留命令记录和批量处理。它们不是“初级与高级”的等级关系。对一次性文档整理，GUI 可能更稳；对一百个结构一致的实验数据文件，CLI 更容易复现。选择标准是任务是否可检查，而不是界面是否显得专业。

CLI 里的当前工作目录尤其重要。程序通常把相对路径解释为“从当前目录开始找”。在 Windows PowerShell 里先查看当前位置，再列出目录内容；在 macOS 终端里也应先确认当前路径。路径包含空格时要使用引号。不要为了省事在个人主目录、整个硬盘或同步盘根目录启动具有写权限的智能体。

文件权限至少分为读取、写入、执行三类。读取意味着工具能看到内容；写入意味着它能改动或覆盖；执行意味着它能启动程序或脚本。最小权限原则是：只给完成当前任务所需的目录和动作，任务结束后撤回临时授权。备份不等于权限控制，回收站也不等于版本历史。

成本、速率限制与失败预算

API 费用可能按输入量、输出量、工具调用、存储或其他项目计量，具体规则以使用当日的官方价格页和账户控制台为准。**不要把课程中的数字当成报价。**开始任务前先估算三个量：文件总量、单次请求规模、允许重试次数。开始后记录请求时间、输入批次、输出位置和失败原因。

速率限制是服务对一段时间内请求数或处理量的约束。达到限制时，正确做法通常是读取错误信息、等待、缩小批次或采用有上限的退避重试，而不是无限循环。给自动化任务设置三道保险：最大文件数、最大重试次数、最大费用或用量提醒。对教学任务，再加一条“十分钟仍无结果就切换到离线样例”。

科研场景的五条红线

1. 凭据：Key、Token、Cookie、校园网登录信息和数据库账号不进入提示词、截图或仓库。
2. 未公开数据：论文初稿、实验原始记录、专利前材料、合作方数据先看协议和机构政策；不能确认时不上传。
3. 个人信息：学生姓名、学号、成绩、访谈记录和健康信息先最小化、脱敏，并确认处理依据。
4. 版权与许可：能下载不代表能批量交给第三方处理；数据库许可、出版商条款和课堂合理使用不是一回事。
5. 机构政策：实验室、学校、资助方和伦理审批的要求高于个人便利。工具声明也不能替代本机构审查。

带走的判断框架

工具配置不是“把 Key 填进去就结束”，而是一份小型实验方案：先定义对象，再限定环境，随后执行小样，记录异常，最后验收与归档。下一单元会在这套边界上加入能够读取文件、运行命令和连续行动的智能体。权限越强，计划、日志、确认与版本检查点就越不能省。

单元 5 / 6 · 120 分钟

从聊天到可控智能体

用计划、权限、命令、日志、人工确认、执行循环和 Git 检查点，把智能体行动变成可观察、可停止、可恢复的协作过程。

当模型只给出一段文字，错误通常停留在屏幕上；当智能体能够读取目录、编辑文档、运行脚本、访问网络或发送信息，错误会进入真实环境。本单元不把“更自动”当成目标。目标是让行动始终处在一个可回答的闭环里：它准备做什么、被允许做什么、实际做了什么、结果如何证明、出错怎样恢复。

120 分钟实验路线

• 0–15 分钟：聊天与智能体界面观察；
• 15–25 分钟：计划、权限、命令、日志、确认、Harness 与循环；
• 25–70 分钟：WorkBuddy 专项演示与受控练习，共 45 分钟；
• 70–90 分钟：Claude Code 与 Codex 对照观察，共 20 分钟；
• 90–105 分钟：Git 检查点，共 15 分钟；
• 105–120 分钟：独立完成计划—执行—验证记录并互审。

产品操作共 95 分钟，其中 WorkBuddy 专项严格为 45 分钟。自学者若没有某个产品，可以用“人工扮演智能体”的方式：逐条执行计划、记录命令和文件差异，仍可完成全部方法训练。

一次可控循环的七个部件

1. 任务契约：目标、输入、禁止事项、输出和验收标准。它回答“完成是什么样”。
2. 计划：行动前列出步骤、受影响文件、验证方法与风险点。计划不是装饰；发现计划超范围时应在执行前停下。
3. 权限：限定可读目录、可写目录、可运行工具、网络范围和外部账户。默认从最小集合开始，需要时再临时扩大。
4. 命令或动作：真正改变状态的操作，例如改文件、执行脚本、访问网页或发送消息。读操作也可能泄露信息，不能一律视为无风险。
5. 日志与差异：记录尝试、工具结果、错误和文件变化。最终摘要不能替代原始差异；“说已经完成”也不是完成证据。
6. 人工确认：在不可逆、外发、付费、越界或高影响动作之前暂停，由人根据具体动作和对象批准。
7. 验证与停止：运行测试、检查文件、核对引用、抽样阅读；满足标准就停止，不满足则回到计划。循环必须有最大步数、时间或失败次数。

计划—行动—观察—调整构成循环。危险通常不来自单次建议，而来自没有停止条件的连续尝试：命令失败后不断换办法、目录不对时扩大权限、结果不佳时反复调用付费服务。一个好任务要同时写出成功条件和停止条件。

WorkBuddy 专项：45 分钟受控任务

以下内容依据 2026-07-12 复核的官方权限说明与隐私政策，并以课堂安装版本的实际界面为准。官方资料将 WorkBuddy 描述为能规划和执行多步骤任务的智能体软件，可能处理文件、运行脚本并连接外部服务；权限说明区分日常默认权限与更宽的完整访问。课程不承诺按钮位置、模型列表或连接器长期不变，也不要求登录任何私人账户。

WorkBuddy 官方隐私说明提示输入、输出、第三方模型、Skills、MCP 连接器和集成工具可能形成数据处理链。课堂材料全部使用公开或模拟数据。真实使用前必须重新阅读当日政策，并结合学校、实验室、资助方和合作协议决定是否允许。

Claude Code、Codex 与 WorkBuddy：比控制面，不比口号

三者可以承载智能体任务，但课程只用它们观察“控制面”。截至复核日期，Claude Code 官方安全文档描述了基于权限的架构、工作目录边界和可配置沙箱；Codex 官方文档提供审批、安全和沙箱说明；WorkBuddy 官方文档说明权限模式与工作区边界。具体默认值、操作系统支持、按钮和套餐可能变化，开始任务前以本机界面和官方文档为准。

Git 检查点：先拍快照，再允许试验

Git 是版本控制系统，它记录文件变化的历史。对于文本、脚本、课程材料和配置，Git 检查点提供三类证据：任务前状态、智能体造成的差异、经人工确认后的快照。它不能保护未被跟踪的大文件、数据库外部状态、已发送消息或被删除的远程资源，所以仍需要备份和权限控制。

开始前先确认当前位置和仓库状态。git status 用于查看未跟踪、已修改和已暂存文件；git diff 用于阅读未暂存差异；git add 选择要纳入快照的内容；git commit 保存一个带说明的历史节点。不要在看不懂差异时直接暂存全部文件，也不要让智能体用破坏性命令“清理现场”。

本单元的最低合格线

你不需要记住三个产品的所有按钮，但必须形成四个习惯：行动前看计划，确认前读对象和后果，改动后看差异，完成后用独立标准验证。智能体是否值得进入科研流程，不取决于它能做多少，而取决于人能否持续知道它正在做什么，并在需要时可靠地停下和恢复。

单元 6 / 6 · 120 分钟

科研工作流设计工坊

围绕一个真实任务，设计输入、工具、AI 输出、人工复核、存储与复用的完整链路，并用可观察标准完成答辩。

前五个单元回答了“AI 能做什么、为什么会错、任务怎样写、工具边界在哪里、行动怎样受控”。最后两小时不再追逐新功能。每位学员带一个真实任务进入工坊，把零散技巧组织成一条能够演示、复核、恢复和复用的工作流。

真实不等于必须上传真实数据。任务可以来自正在进行的研究或教学，但课堂材料应使用公开、脱敏或模拟副本。你设计的是将来可执行的流程；是否把受限材料交给具体服务，仍要经过机构政策、协议和伦理边界审查。

120 分钟工坊路线

• 0–10 分钟：选择任务，定义问题边界与成功标准；
• 10–25 分钟：画六环工作流骨架；
• 25–40 分钟：文献与写作流程演示；
• 40–55 分钟：数据流程演示；
• 55–70 分钟：教学与项目申请流程演示；
• 70–85 分钟：存储、版本、复用与交接演示；
• 85–110 分钟：完成个人工作流包；
• 110–120 分钟：同伴答辩与 rubric 评分。

四段产品演示各 15 分钟，共 60 分钟；其余时间用于方法设计和验证。自学者可以把同伴答辩替换为“隔一天后按 rubric 自审”，但必须保留书面证据。

第一步：选择一个两小时内能缩小的真实任务

不要选“完成论文”“做完课题”或“建设知识库”。这些是项目，不是本次可验证任务。把范围缩到一个明确产物，例如：

• 从十篇已选定的公开论文中提取催化剂、温度和转化率，形成待复核表；
• 把一节“精馏塔物料衡算”教案改写成含先修诊断和课堂练习的结构稿；
• 检查一份脱敏 CSV 的单位、缺失值和异常范围，生成清洗建议，不直接改原始数据；
• 为项目申请书的研究基础部分建立“主张—证据—来源页码”矩阵；
• 把三份会议纪要整理成决策、责任人和截止日期清单，并由参会者确认。

其他学科可以替换材料，但任务必须满足四个条件：输入已经存在；输出可在一个文件或一个小目录中展示；正确性可以抽查；失败不会伤害真实业务。

第二步：画出六环骨架

1. 输入

列出材料的名称、来源、版本、格式、数据级别和缺失项。输入不是“相关资料”，而是“2026-07-01 导出的 10 篇公开 PDF 与人工建立的 DOI 清单”。把事实材料和参考样例分开，把原件和工作副本分开。

2. 工具与处理

说明为什么使用 AI、普通软件、脚本或人工操作。对每个工具写出允许的读取范围、写入位置、网络需求、费用上限和替代方案。能用排序、筛选、公式或确定性脚本完成的步骤，不必强行交给生成模型。

3. AI 输出

AI 输出默认是候选结果。定义格式、字段、来源标记和不确定性表达。禁止让模型用空白处“合理补全”。化学场景中的名称、单位、反应条件和引用必须能够回到原始材料。

4. 人工复核

指定复核者、抽样比例、检查方法和不通过动作。高风险主张应逐条核验，低风险格式项可以抽样。复核不能只问“看起来顺不顺”，而要对照来源、计算或规则。

5. 存储

区分原始输入、处理中间物、已验收结果、日志和模板。写明目录、命名、版本、保留期限和访问权限。可版本化的文本优先保留差异；大型原始数据按实验室的数据管理方案处理，不能因为 Git 方便就随意提交。

6. 复用

把一次性细节从通用规则中分离。模板应说明适用范围、必填输入、禁止事项、验收方法和失败处理。复用不是复制上次对话，而是让下一个人能在不了解本次聊天的情况下执行。

五类科研工作流参考

文献流程：检索结果不是证据表

输入可以是人工确认过的论文清单和全文；工具负责文本检索、字段候选提取或格式整理；AI 输出是带来源页码的候选证据表；人逐条回到原文核验数值、实验条件和结论范围；结果按“原文—候选—已核验”分层存储；复用物是字段字典与核验清单。

化学示例：提取多相催化论文中的活性金属、载体、制备方法、反应温度、压力、转化率和选择性。转化率离开反应物、空速和时间没有可比性，因此不能只复制一个百分数。表格应允许填写“原文未报告”，不能让 AI 猜测。

写作流程：先建主张—证据关系

输入是大纲、目标读者、已核验资料和引用规则；AI 可以提供结构候选、段落重组或语言校对；输出必须保留主张对应的证据 ID；人负责科学判断、引用准确性和最终措辞；存储时区分草稿与已审定版本；复用物是段落任务模板和审稿清单。

不要从空白提示“写一篇综述”开始。先建立“这一段要回答什么、允许使用哪些来源、不能超出什么结论”。模型生成的引用若无法在给定材料中定位，直接标为未验证，不进入正文。

数据流程：先定规则，再让 AI 解释

输入包括原始数据副本、变量字典、单位、缺失值约定和合理范围；确定性工具执行类型检查、统计和变换；AI 可以解释异常候选或生成清洗报告草稿；人确认每个删除、替换和单位换算；存储时保留原始只读副本、脚本、日志和派生数据；复用物是数据检查模板。

化工示例：反应器温度列混有摄氏度和开尔文。正确流程不是让模型“统一一下”，而是先根据设备记录和变量字典判断每批单位，再由脚本执行明确转换，并对转换前后范围做检查。

教学流程：生成题目不等于可以进课堂

输入包括学习目标、先修知识、学生画像、课时和评分规则；AI 可生成例题候选、错误诊断或不同难度表达；人核对知识点、数值、答案、难度和公平性；结果存入经审定题库；复用物是题目规格与审题表。

化学/化工教师应特别检查量纲、有效数字、相态、边界条件和安全描述。涉及真实学生数据时，先执行机构允许的匿名化和平台选择，不把姓名、成绩与个体反馈直接交给未批准服务。

项目申请流程：AI 不能替你制造研究基础

输入是指南、申请模板、团队真实成果、预算规则和已确认文献；AI 可拆解要求、检查结构覆盖或生成待补问题；人负责研究问题、可行性、预算、事实和承诺；存储时保留指南版本与每项主张的证据；复用物是合规检查表。

任何“已有结果”“团队能力”“合作承诺”都必须有真实来源。工具可以发现论证断点，不能为了顺畅填造实验结果、合作单位或引用。

三份任务模板

最终工作流包至少包含三份可复用模板。建议从下列角色中选择：

提取模板：目标字段、允许来源、缺失值写法、来源定位、输出表头、逐条复核规则。适用于文献和档案材料。

变换模板：输入格式、确定性规则、禁止修改项、输出路径、前后对照、回退方法。适用于数据清洗、格式转换和文档重排。

评审模板：评价维度、证据要求、风险等级、问题格式、通过门槛和最终决定者。适用于论文草稿、教案、题目和申请书检查。

模板中不要固化私人路径、账户、真实 Key、某一篇论文标题或只在当前产品存在的按钮。把产品操作写进可替换的工具步骤，把目标、输入与验收保留为稳定核心。

上下文材料清单

每次启动工作流前，按以下顺序准备：

1. 任务说明与最终用途；
2. 输入清单、来源、版本和数据级别；
3. 术语表、变量字典、单位与领域规则；
4. 一个合格样例和一个常见错误样例；
5. 输出结构、命名和存储位置；
6. 人工复核者、方法和抽样比例；
7. 禁止事项、权限、费用、时间与停止条件；
8. 机构政策、版权、伦理或合作协议约束。

上下文不是越多越好。只放完成任务所需材料，并明确冲突时哪个来源优先。过期版本、无关附件和未经核实的二手摘要会增加错误，而不是增加能力。

最终工作流 rubric（100 分）

A. 问题与边界，15 分

• 5 分：输入、输出、使用者和最终用途具体；
• 5 分：范围能在小样上执行，并写明不做事项；
• 5 分：成功条件与停止条件均可观察。

低于 9 分：任务仍是愿望或项目口号，不能进入自动执行。

B. 证据与正确性，20 分

• 8 分：关键输出能定位到原始来源、计算或规则；
• 6 分：人工复核方法、责任人和抽样比例明确；
• 6 分：不确定、缺失和冲突有明确表达，不由 AI 猜补。

低于 12 分：即使结果文笔流畅，也不得作为科研或教学成品。

C. 流程设计与工具适配，15 分

• 5 分：六环完整，环节交接条件清楚；
• 5 分：AI、确定性软件和人工判断分工合理；
• 5 分：至少有一个可行的无 AI 或离线替代路线。

D. 安全、权限与合规，20 分

• 6 分：数据完成分级，受限数据没有被默认外发；
• 5 分：工作目录、读写、网络和凭据遵循最小权限；
• 5 分：个人信息、版权、机构政策和合作约束已检查；
• 4 分：外发、删除、付费和越界动作设置人工确认。

低于 12 分：工作流不得接触真实材料，只能继续使用公开样例整改。

E. 可追溯与可恢复，15 分

• 5 分：原始输入、处理中间物、已验收输出和日志分开；
• 5 分：有版本、差异、命名或等价历史证据；
• 5 分：失败后能停止、回退并说明哪些外部动作不可撤销。

F. 复用与交接，15 分

• 5 分：三份模板去除了本次任务的私人细节；
• 5 分：上下文材料清单完整并标明优先来源；
• 5 分：新使用者不看原聊天也能理解输入、步骤、验收与风险。

通过规则：总分至少 80；B“证据与正确性”和 D“安全、权限与合规”各至少 12；没有真实凭据、伪造来源或未批准外发。总分再高，触发任一红线仍不通过。

课程结束后的一个月实践

第一周只运行公开小样，修正模板；第二周选择低风险内部任务，增加日志和版本；第三周请同事按 rubric 独立复核；第四周再决定是否扩大数据范围或自动化程度。每次只扩大一个变量：更多文件、更宽权限、更长循环或更高费用，不能同时放开。

最终你带走的不是某个产品的“最佳提示词”，而是一套能迁移的研究习惯：先定义问题与证据，再选择工具；先建立边界与检查点，再允许行动；先验证与归档，再谈规模化复用。