基于AI辅助科研工作流实践
机缘巧合，最近有一个朋友需要开始他博士论文的撰写，主题是“实验室设计”，希望我可以给到他一些支持和帮助。虽然现在AI工具已经很发达，但是在辅助学术领域，我也是第一次尝试，希望能从课题框架构思、实时计划策划、参考资料检索及汇总分析、辅助分析研究、检查润色等方面探索AI辅助科研的可行性，并记录下整个过程。利用AI大语言模型辅助学术研究论文写作，可以显著提高效率和研究水平。下面我们将通过实践，验证并完善一个基于AI的工作流，并详细说明各个环节可以使用的工具、使用方法和预期目标。这个工作流旨在充分发挥AI的能力，同时保持科研的严谨性和原创性，适用于不同研究领域。
一、基于AI大语言模型的学术论文写作工作流
结合常规论文写作的流程，我们概括成以下几个主要的环节，分别探讨AI工具在每个环节中的应用。
整体流程框架：
- 论文选题 (Topic Selection): 利用AI进行头脑风暴，辅助识别研究热点和空白。使用不同深度思考模型关于论文框架的展开、整个论文撰写实施计划的构思及时间安排。人工对比，整合出最优方案。
- 文献综述 (Literature Review): 使用AI高效检索、筛选、总结和分析文献，构建文献综述框架。
- 深化选题 (Deepening Topic): 借助AI模型进行总结分析。从文献综述中提炼研究问题，明确研究目标和创新点。形成自己的论文知识库，随时提问AI。
- 设计研究实验 (Research Design): 利用AI辅助设计实验方案，选择合适的研究方法，提高实验设计的科学性和可行性。
- 进行数据分析 (Data Analysis): 运用AI工具辅助数据处理和分析，挖掘数据中的潜在价值，提高数据分析的效率和深度。通过Cursor等工具实现代码的编写，用于收集的数据分析。
- 撰写论文修色 (Paper Writing and Polishing): 使用AI辅助论文初稿撰写，并进行语言润色、格式规范、查重等，提升论文质量。
二、各环节详细说明及工具推荐
1. 论文选题 (Topic Selection)
目的: 快速生成潜在的研究方向和主题，评估选题的新颖性和可行性，缩小选题范围。
工具: 在这个选题的环节，建议使用联网类对话AI（Gemini、DeepSeek、ChatGPT等），或者是联接科研数据库的AI工具（如CNKI AI助手）等，通过输入我的研究领域、关键词或初步想法，AI工具会生成一系列相关的论文选题，激发灵感，快速获取多个潜在选题方向。这个环节更重要的是提示词。以下是一些可能的参考：
提示词参考
- "请分析【领域A】与【领域B】的结合点，推荐3个具有创新价值的选题方向，说明其理论/应用价值"
- "列出2021-2025年【专业】领域被引量前10的论文关键词，用表格展示研究热点趋势"
- "基于【研究方向】，推荐5个结合技术应用与伦理挑战的创新选题，需包含研究意义与突破方向"
- "生成【专业】领域内兼具理论价值和实践应用的选题，需满足：①聚焦2025政策热点 ②采用【技术】方法 ③解决【行业】痛点"
研究趋势分析工具 (Research Trend Analysis Tools):
- 工具示例:
Connected Papers 是一款基于可视化图谱的学术文献分析工具，通过输入一篇典型论文即可生成该领域的关联文献网络图，帮助研究者快速把握领域脉络。其核心功能包括：
- 可视化文献网络：以气泡图谱形式展示文献关联，气泡大小反映被引量，颜色深浅表示发表时间，节点间距体现相关性强度。
- 智能文献推荐：基于Semantic Scholar数据库（覆盖数亿篇跨学科论文），自动推荐相似文献并支持查看摘要、引用关系等详细信息。
- 研究脉络分析：通过"Prior Works"查看领域奠基性文献，通过"Derivative Works"发现最新衍生研究，辅助构建文献综述框架。
提示
相比传统文献管理工具（如Zotero），提供动态关联分析与跨学科支持集成引文网络分析与趋势预测，特别适合新兴领域快速调研。
- 工具示例:
文献数据库关键词分析 (Keyword Analysis in Literature Databases):
工具示例: Web of Science, Scopus, PubMed 等文献数据库的分析功能。
使用方法: 在文献数据库中搜索关键词，利用数据库的分析功能（如关键词共现分析、趋势分析），了解该领域的研究热点和发展趋势。
目的: 从宏观层面了解研究领域的整体情况，发现值得深入研究的方向。
Web of Science
- 分析模块：提供关键词词频统计、共现网络及学科趋势的可视化仪表盘
- 扩展性：支持导出数据至CiteSpace等工具进行深度分析
Scopus
- 高级检索：通过布尔逻辑运算符（AND/OR/NOT）优化关键词组合，结合主题词表提升检索精度
- 分析工具：生成关键词热度趋势图，支持学科领域过滤与引用网络分析
PubMed
- 策略优化：使用截词符（*）与短语检索（""）精准定位关键词，结合MeSH主题词提高查全率
- 结果筛选：按年份、文献类型过滤，导出数据至VOSviewer构建关键词网络
2. 文献相关 (Literature Review)
目的: 高效检索、筛选、总结和分析相关文献，构建全面的文献综述框架，为研究奠定理论基础。使用自然语言提问，AI工具可以帮助你更精准地检索文献，并提供文献摘要、关键信息提取等功能。
2.1 AI 文献知识分析 (AI Literature Knowledge Analysis Tools)
Elicit
Elicit 是一款专注于文献综述自动化的AI研究助手，主要功能包括：
- 智能文献搜索：通过自然语言提问（如"How does IoT data affect machine learning models?"）检索超1.25亿篇论文，返回相关文献列表并生成摘要。
- 数据提取与总结：自动从PDF中提取研究方法、结论等关键信息，整理为表格或综述段落。
- 主题发现：跨论文识别共同主题（如"药物效果"），生成可视化引用网络。
使用方法：注册账户后输入研究问题→筛选结果（按年份、期刊质量等）→上传PDF提取数据→导出CSV/BibTeX格式。
Scite
Scite 聚焦引文可靠性分析，核心功能为：
- 引文分类：自动将引用标记为"支持""反对"或"提及"，并展示上下文。
- 可视化网络：图形化呈现文献引用关系，支持交互式探索。
- 文稿检查：上传PDF自动识别引用文献的可靠性，标注撤稿或争议内容。
使用方法：搜索文献查看被引详情→创建Dashboard追踪特定作者/期刊→设置提醒获取新引用动态→通过浏览器插件实时查看引文评价。
提示
Elicit侧重文献获取与综述自动化，适合快速构建研究框架；Scite强调引文质量验证，帮助避免引用争议性结论。
Scholarcy
Scholarcy 是一款AI驱动的文献阅读辅助工具，主要功能包括：
- 智能摘要生成，通过解析PDF/网页等文件自动提取关键概念、研究方法及结论，生成结构化摘要；
- 图表与数据导出，支持一键下载文献中的表格（Excel格式）和高清图片；
- 文献管理，可批量导入PDF/Word等格式文件，并导出为EndNote/Zotero兼容格式；
- 报告生成，支持将分析结果导出为Word、Markdown或PPT格式的文献综述框架；
- 引文追踪，自动汇总参考文献并提供跳转链接。 其优势在于降低阅读门槛，支持开放获取文献分析，并提供每日免费使用额度。
Litmaps
Litmaps 一款基于文献引用关系构建可视化网络的科研工具，能够帮助用户快速定位领域核心文献并理清研究脉络。以下是其主要功能与特点：
- 种子文献驱动：输入DOI、关键词或作者即可生成以"种子论文"为中心的引用网络，通过连接线展示文献间的引用关系（灰色圆圈大小表示被引量，默认布局中高被引文献位于顶部，新文献位于右侧）。
- 动态可视化探索：支持拖动节点重组网络布局，可创建不同颜色的文献分组辅助分析。通过"Discover"功能扩展网络边界，揭示种子文献所在研究领域的全局关联。提供时间轴视图追踪研究趋势，识别开创性论文与新兴热点。
Connected Papers
Connected Papers 是一款基于可视化图谱的学术文献分析工具，通过输入一篇典型论文即可生成该领域的关联文献网络图，帮助研究者快速把握领域脉络。其核心功能包括：
- 可视化文献网络：以气泡图谱形式展示文献关联，气泡大小反映被引量，颜色深浅表示发表时间，节点间距体现相关性强度。
- 智能文献推荐：基于Semantic Scholar数据库（覆盖数亿篇跨学科论文），自动推荐相似文献并支持查看摘要、引用关系等详细信息。
- 研究脉络分析：通过"Prior Works"查看领域奠基性文献，通过"Derivative Works"发现最新衍生研究，辅助构建文献综述框架。
提示
相比传统文献管理工具（如Zotero），提供动态关联分析与跨学科支持集成引文网络分析与趋势预测，特别适合新兴领域快速调研。
Research Rabbit
Research Rabbit 一款AI驱动的科研工具，核心功能包括：
- 智能文献推荐，通过分析用户输入的文献、关键词或导入文档（如BibTeX/RIS格式），推荐相关论文及早期/后期研究；
- 可视化知识图谱，以网络图和时间轴展示文献引用关系、作者合作网络及研究趋势；
- 协作与文献管理，支持创建文献集合、添加注释、团队共享，并与Zotero等引用管理工具无缝集成；
- 个性化追踪，通过非垃圾邮件提醒推送最新研究成果。其交互式界面特别适合快速构建领域知识框架和撰写文献综述。
2.2 文献管理工具 (Citation Management Tools)
使用文献管理工具整理和管理文献，结合其AI功能，可以更高效地组织文献综述，并自动生成参考文献列表。系统化管理文献，方便后续引用和论文写作，提高文献综述的组织性和规范性。
Zotero 是一款免费开源的文献管理工具，支持文献收集、整理、引用和协作。核心功能包括：
- 通过浏览器插件一键抓取网页文献（如Google Scholar、知网），自动提取标题、作者等元数据；
- 分类管理文献，支持文件夹嵌套、多色标签及智能搜索（如"机器学习 tag:重要"）；
- 与Word/WPS深度集成，可自动生成APA/MLA/国标等9000+格式的参考文献；
- 跨平台同步（含手机端）及团队协作共享文献库。
使用步骤：①官网下载客户端并安装浏览器插件；②注册账号开启云端同步；③创建分类文件夹并导入文献（支持BibTeX/PDF/网页抓取）；④在写作时通过插件插入引用并生成参考文献表。进阶用户可通过插件市场扩展翻译、影响因子查询等功能。
ima ima是一款由腾讯开发的AI智能工作台，具备信息获取与问答、多模态内容解读、个性化知识管理及写作辅助等功能。
用户可通过输入关键词或上传文件，在ima首页进行AI问答，或利用侧边栏对阅读内容进行实时解读与答疑。ima支持多种文件格式上传与整理，并提供智能写作、图片生成等AI辅助功能。其优势在于智能化程度高，能基于全网信源或个人知识库进行精准搜索与推荐，同时支持跨平台使用与团队协作共享知识库，为用户提供高效、便捷且个性化的知识管理服务。
详细的一些功能介绍可以参考卡兹的这篇推文安利一个我目前觉得最好用的AI知识库 - 腾讯ima
2.3 基于知识库的文献相关提示词举例
提示
指令 1: 研究进展总结
请总结[研究领域/关键词]在过去五年内的核心研究进展，重点关注[具体方面，例如：理论框架、方法论、应用领域]，并列举至少5篇具有代表性的高被引文献，以表格形式呈现，表格包含：文献标题、作者、发表年份、核心观点、研究方法。 - 限制条件: - 时间范围（过去五年） - 文献数量（至少5篇） - 输出格式（表格） - 表格内容（具体要素） - 目的: 快速了解研究领域最新动态，识别关键文献，为文献综述打下基础。指令 2: 观点对比分析
针对[研究问题]，请对比分析[作者A]和[作者B]的主要观点差异，并指出各自论证的优势与局限性，字数控制在300字以内。 - 限制条件: - 对比对象（特定作者） - 分析重点（观点差异、优劣势） - 字数限制 - 目的: 深入理解不同学术观点，培养批判性思维，为构建自身论点提供参考。指令 3: 研究趋势分析
基于以下[3-5篇文献列表]，请归纳总结当前研究在[研究方向]领域的主要共识和争议焦点，并预测未来可能的研究趋势，以条目式列表呈现。 - 限制条件: - 文献来源（指定文献列表） - 输出格式（条目式列表） - 内容要求（共识、争议、趋势） - 目的: 从宏观层面把握研究领域的整体态势，识别研究空白和潜在创新点。指令 4: 学术概念解析
请解释[学术概念/术语]在[学科领域]中的定义，并提供至少两个来自权威学术著作或期刊的例证，同时简述该概念的重要性和应用场景。 - 限制条件: - 概念来源（权威学术著作/期刊） - 例证数量（至少两个） - 内容要求（定义、例证、重要性、应用） - 目的: 准确理解和运用专业术语，确保论文的学术严谨性。
3. 深化选题 (Deepening Topic)
- 目的: 在文献综述的基础上，明确具体的研究问题、研究目标、研究范围和研究假设，使选题更加聚焦和深入。
提示词案例
与AI大语言模型进行对话，详细描述你的研究领域、初步选题和文献综述情况，请AI模型帮助你分析研究现状、识别研究空白、提出更深入的研究问题和假设。
提示词案例
指令 1: 研究问题深化
基于[研究主题]和[初步文献综述结果]，请帮我分析该领域的研究空白，并提出3-5个潜在的具体研究问题。对每个研究问题，请评估其创新性、可行性和学术价值，并按优先级排序。
- 限制条件:
- 研究问题数量（3-5个）
- 评估维度（创新性、可行性、学术价值）
- 输出要求（优先级排序）
- 目的: 明确具体研究方向，确保研究问题的价值和可行性。指令 2: 研究范围界定
针对[研究问题]，请帮我界定合适的研究范围，包括时间跨度、地理范围、研究对象特征等关键边界条件。同时，请说明这些边界设置的合理性和可能的局限性。
- 限制条件:
- 边界维度（时间、地理、对象特征等）
- 内容要求（合理性说明、局限性分析）
- 输出格式（结构化呈现）
- 目的: 合理控制研究范围，确保研究的聚焦性和可操作性。指令 3: 研究假设生成
基于[研究问题]和[相关理论基础]，请生成2-3个可验证的研究假设。对每个假设，请提供理论依据，并简述可能的验证方法。
- 限制条件:
- 假设数量（2-3个）
- 内容要求（理论依据、验证方法）
- 表述要求（清晰、可验证）
- 目的: 形成有理论支撑的研究假设，指导后续研究设计。指令 4: 研究目标分解
请将[总体研究目标]分解为若干个具体的研究子目标，并构建目标之间的逻辑关系图。同时，请为每个子目标设定可衡量的成功标准。
- 限制条件:
- 目标层级（总目标-子目标）
- 输出格式（逻辑关系图）
- 内容要求（可衡量的标准）
- 目的: 将研究目标具体化、系统化，便于研究进度管理。指令 5: 研究方法推荐
针对[研究问题]，请推荐两种适合的研究方法（例如：定量研究、定性研究、混合研究），并分别阐述其适用性、优势和局限性，字数控制在500字以内。
- 限制条件:
- 方法数量（两种）
- 内容要求（适用性、优劣势）
- 字数限制（500字以内）
- 目的: 选择合适的研究方法，为研究设计提供方法论支撑。指令 6: 研究框架设计
假设我的研究主题是[研究主题]，研究对象是[研究对象]，请设计一个可行的研究框架，包括研究目的、研究问题、研究方法、数据收集方法、数据分析方法，并以清晰的逻辑结构呈现。
- 限制条件:
- 研究主题、研究对象
- 输出格式（逻辑结构）
- 内容要素（研究框架各部分）
- 目的: 构建清晰的研究框架，确保研究设计的系统性和完整性。思维导图生成
想对所有论文想有个整体概念的认知，那还可以让ima生成个脑图。但目前看来，生成脑图功能不是每次都能用的，不过我们也可以换个思路，脑图其实本质上就是Markdown格式嘛，我们直接生成Markdown就可以。MindManager, XMind, FreeMind 等思维导图软件，部分工具集成AI辅助功能，如智能主题扩展、内容生成等。可视化地梳理研究思路，明确研究的逻辑框架和核心要素。
4. 设计研究实验 (Research Design)
- 目的: 设计科学、严谨、可行的研究方法和实验方案，确保研究结果的有效性和可靠性。
- 工具:
- AI 研究方法推荐工具 (AI Research Method Recommendation Tools):
- 工具示例: 目前此类工具相对较少，但可以关注一些科研服务平台或工具，例如 Elsevier Researcher Academy (https://researcheracademy.elsevier.com/) 可能提供相关资源或指导。
- 使用方法: 输入你的研究问题、研究领域和预期研究目标，AI工具可以根据已有的研究方法知识库，推荐合适的研究方法和实验设计方案。
- 目的: 帮助你了解不同研究方法的适用场景，选择最适合你研究问题的研究方法。
- 实验设计辅助工具 (Experiment Design Assistant Tools):
- 工具示例: 一些统计软件或实验设计软件可能集成AI功能，例如 GraphPad Prism, SPSS, R 等，部分工具可能有AI辅助的实验设计模块。
- 使用方法: 利用这些软件的实验设计模块，输入实验参数和变量，AI工具可以辅助生成实验方案、优化实验流程、评估实验可行性等。
- 目的: 提高实验设计的效率和科学性，减少实验误差，确保实验结果的可靠性。
- 模拟实验工具 (Simulation Tools):
- 工具示例: 根据不同研究领域，有各种专业的模拟实验软件，例如 COMSOL Multiphysics, MATLAB Simulink 等。
- 使用方法: 利用模拟实验工具，在计算机上模拟实验过程，验证实验设计的可行性，优化实验参数，预测实验结果。
- 目的: 在实际实验前进行预演，降低实验风险，提高实验效率。
- AI 研究方法推荐工具 (AI Research Method Recommendation Tools):
5. 进行数据分析 (Data Analysis)
- 目的: 高效处理和分析实验数据，挖掘数据中的潜在价值，验证研究假设，得出科学结论。
- 工具:
- AI 数据分析工具 (AI Data Analysis Tools):
- 工具示例: Tableau, Power BI, Google Analytics 等数据可视化和分析工具，部分工具已集成AI功能，如智能数据洞察、自动数据建模等。
- 使用方法: 导入实验数据，利用AI工具进行数据清洗、数据可视化、统计分析、机器学习建模等，发现数据中的规律和趋势。
- 目的: 提高数据分析的效率和深度，发现传统方法难以发现的数据洞见。
- 统计分析软件 (Statistical Software) 结合 AI 功能:
- 工具示例: SPSS, R, Python (with libraries like Pandas, NumPy, Scikit-learn) 等，这些软件可以通过集成AI库或插件，实现更智能化的数据分析功能。
- 使用方法: 利用统计软件进行传统的数据分析方法，同时探索和应用AI相关的统计分析和机器学习方法，例如聚类分析、回归分析、预测模型等。
- 目的: 结合传统统计方法和AI技术，更全面、深入地分析数据，提高数据分析的精度和可靠性。
- 自然语言处理 (NLP) 工具 (Natural Language Processing Tools) 用于文本数据分析:
- 工具示例: NLTK, SpaCy, Transformers 等 Python NLP 库，以及云端的 NLP 服务，如 Google Cloud Natural Language API, Azure Text Analytics API。
- 使用方法: 如果你的研究数据包含文本信息（例如文献、访谈记录、调查问卷等），可以使用 NLP 工具进行文本挖掘、情感分析、主题建模等，从文本数据中提取有价值的信息。
- 目的: 处理和分析非结构化文本数据，拓展数据分析的范围和维度。
- AI 数据分析工具 (AI Data Analysis Tools):
6. 撰写论文修色 (Paper Writing and Polishing)
- 目的: 高效撰写论文初稿，并进行语言润色、格式规范、查重等，确保论文质量达到学术发表标准。
- 工具:
- AI 论文写作助手 (AI Academic Writing Assistants):
- 工具示例: Jasper (https://www.jasper.ai/), Rytr (https://rytr.me/), Writesonic (https://writesonic.com/) 等通用 AI 写作工具，以及一些专门针对学术写作的工具，例如 Jenni AI (https://jenni.ai/)。
- 使用方法: 输入论文主题、研究方向、主要论点等信息，AI工具可以辅助生成论文的各个部分，例如引言、文献综述、方法、结果、讨论和结论等。
- 目的: 加速论文初稿的撰写过程，提供写作框架和内容参考，减轻写作负担。
- AI 语法和风格检查工具 (AI Grammar and Style Checkers):
- 工具示例: Grammarly (https://www.grammarly.com/), ProWritingAid (https://prowritingaid.com/), LanguageTool (https://languagetool.org/)。
- 使用方法: 将论文文本输入工具，AI工具可以检查语法错误、拼写错误、标点符号错误，并提供风格改进建议，例如提高语言流畅性、增强表达清晰度、优化句子结构等。
- 目的: 提高论文语言质量，减少语言错误，使论文更专业、更易读。
- AI 论文降重工具 (AI Plagiarism Checkers and Paraphrasing Tools):
- 工具示例: Turnitin, iThenticate (查重工具)， QuillBot (https://quillbot.com/), Copy.ai (https://www.copy.ai/) (改写工具)。
- 使用方法: 使用查重工具检测论文的原创性，使用改写工具对重复率高的部分进行修改和润色，避免学术不端行为。
- 目的: 确保论文的原创性，符合学术规范，顺利通过期刊或会议的查重检测。
- AI 格式规范工具 (AI Formatting Tools):
- 工具示例: Paperpile (https://paperpile.com/)，Typeset (https://typeset.io/)。
- 使用方法: 使用格式规范工具，可以自动调整论文的格式，例如参考文献格式、标题格式、段落格式等，使其符合目标期刊或会议的要求。
- 目的: 节省论文格式调整的时间，确保论文格式规范，提高投稿成功率。
- AI 论文写作助手 (AI Academic Writing Assistants):
论文润色实践
一篇普通的中文核心期刊
- 发现文章参考文献不足，需要补充相关参考资料
Details
通过metaso检索论文主题，使用学术模式搜集相关论文，并制作参考文献和行程。
文章结构过于简单，没有核心研究内容，需要重新梳理框架。
该文章是以策略、方法描述为主，需要补充一些框架梳理、流程方法图。
重要提示:
- AI 辅助而非替代: AI工具在学术研究论文写作中是辅助角色，不能完全替代研究人员的思考和判断。务必保持批判性思维，对AI生成的内容进行仔细审核和修改。
- 数据安全和隐私: 在使用AI工具时，注意数据安全和隐私保护，避免上传敏感数据到不安全的平台。
- 学术伦理: 合理使用AI工具，避免过度依赖AI生成内容，确保论文的原创性和学术诚信。特别是在论文写作和降重环节，要以提升论文质量为目的，而非仅仅为了降低重复率而使用AI工具。
- 工具选择和评估: AI工具种类繁多，选择适合自己研究领域和需求的工具，并进行试用和评估，选择效果最佳的工具。
【案例】基于Cursor+Claude 3.7完善课题调查问卷
学生在课题初期希望通过一个调查问卷，对相关的一些理化生类实验室的使用人员进行一次问卷调研。整个问卷设计30多个问题。希望能尽可能多的采集到可量化的数据用于论文的分析。以下是问卷的一个节选：
拿到问卷后，我结合自己对整个课题的理解，梳理了一些调整方向，并希望AI可以非常系统的帮我梳理一份高质量的修改意见。
Prompt：
需要给学生一个比较完整的针对他草拟问卷的反馈意见。我初步整理了一些内容。希望你用比较系统、连贯、完整、专业、科学的语言结合问卷帮我修改描述一下。
提升反馈意见的可读性。因为他的发放对象是理化生相关专业的学生老师，我注意到他的一些建筑相关的问题描述有几个问题，比如是否良好、是否适宜，很难在1-7之间量化回答，
我还建议针对一些名词做一些解释，针对问题调研的背景适当阐述，针对不同意、不合适的问题给一个填空，了解具体的内容。希望你可以作为一个专业的调研专家，帮我起草一份反馈意见。
尽可能用连贯的文字，针对整个报告系统的指导评价。过程中又结合AI反馈的结果，补充了一些提示词：
希望可以结合每个问题具体描述，并且对缺少希望补充的一些问题给与具体的建议。具体数据分析可以先不用特别考虑评价的语言有一些过于直接，适当的婉转一些表达，用可以，是不是合适等，这样受众更容易接受。然后希望能否用比较连贯的语言，而不是一点一点的列表方式表达。基于你整合的修改意见，帮我形成一份拟建议修改之后的问卷。经过了几轮的完善和补充，AI生成的评价报告非常详尽的指出了问卷现有的一些问题，包括编号、顺序、描述、完整性等，并且给出了详细完整的修改意见。
修改的意见
Details
修改后的问卷（节选）
Details
可以看到，Claude 3.7-thinking通过几次的迭代，给出了非常详尽的反馈意见，并且给出了修改后的问卷。修改后的问卷问题有了清晰的描述，填写人员更易理解。从问卷的格式完整性上也更加规范。并且补充完善了一些漏考虑的问题，增加了开放性问题和关于不满意情况的填空征集。这样可以使得学生在收集问卷的时候得到更加完整的全面的反馈。
小插曲
在让Claude 3.7查看问卷的时候发现用cursor版本的时候，无法阅读docx、pdf等问卷。所以除了暴力的将问卷内容直接复制粘贴到chat中，更好的一个方案是直接写一个解析工具，将文件解析成txt。所以Cursor直接调用能力在文件所在目录编写了一个解析的python。在它分析的过程中，如果需要读取这两类文件，就在提示词说明“调用程序解析”，这样Agent就会调用响应的代码，实现了曲线救国。
科研AI工具
锐智Ai
锐智AI是一款集论文智能选题、大纲生成、内容填充、文献引用、查重修改于一体的全方位论文写作平台。 提供免费的大纲生成功能，支持本科、专科、研究生多种类型论文初稿生成。 并且支持无限改稿，支持"投喂AI"，并同时可以生成答辩PPT，任务书、开题报告，调查问卷，图表等。
rflow.ai
研究引擎与可视化知识图谱: rflow.ai 被定位为 AI 驱动的研究引擎，结合了白板和思维导图的功能，帮助研究人员更轻松、直观地探索和组织复杂的研究项目。
学术搜索: 它利用大型语言模型 (LLM) 和工程能力，提供快速、准确、相关和全面的学术搜索功能。除了快速搜索，它还能高效地整理和呈现搜索结果，提升研究效率。
深度探索与文档标注交互: 作为一个学术研究工具，rflow.ai 具备深度探索研究主题以及文档标注交互等功能，可能帮助研究者更深入地分析和理解文献资料。
Semantic Scholar
Semantic Scholar: AI 驱动的学术搜索引擎，可快速定位高影响力论文，并生成文献关联图谱。
