AI 科研全流程助理 (Research Assistant)

覆盖从 idea 到 publication 的科研全生命周期。输入一句话研究方向或上传论文/数据，12 大模块按需调度，生成交互式 HTML 可视化报告。

能做什么

输入研究方向/问题/论文/数据，一站式完成：

快速开始

输入方式

支持四种输入方式，自动识别：

1. 研究方向/问题: "我想研究量子机器学习在药物发现中的应用" → 自动路由到相关模块
2. 论文PDF/文本: 上传论文 → 自动触发文献阅读与理解模块
3. 数据文件: 上传CSV/Excel → 自动触发数据分析模块
4. 模块指令: "帮我做文献综述" / "帮我润色这段论文" → 直接执行指定模块

典型用法

科研助手，帮我做以下工作：
1. 搜索近3年"自动驾驶感知融合"相关论文
2. 总结关键方法和进展
3. 识别研究空白和可切入方向

十二大模块详解

模块 1：文献检索与发现

触发: "帮我找XX方面的论文" / "搜索XX领域文献" / "最近XX有什么新研究"

工作流:

1. 理解研究主题，提取核心关键词和同义词
2. 多渠道检索策略：
   • 通过WebSearch搜索 Semantic Scholar、Google Scholar、arXiv 等
   • 构建检索式（布尔逻辑、MeSH术语、PICO框架）
3. 结果筛选与排序：按相关性、引用量、时间、期刊等级
4. 构建文献引用网络：识别种子论文→扩展→绘制知识图谱
5. 趋势分析：发表趋势、热门主题演进、关键作者/机构

输出:

• 文献列表表格（标题/作者/年份/期刊/引用量/相关性）
• 研究趋势折线图
• 引用网络关系图
• 关键论文深度解析（Top 3-5）

检索策略参考: references/search_strategies.md

模块 2：文献阅读与理解

触发: 上传论文PDF / 粘贴论文摘要/正文 / "帮我读这篇论文"

工作流:

1. 识别输入类型（PDF原文/摘要/引文信息）
2. 结构化提取：
   • 一句话总结（TL;DR）
   • 研究问题/假设
   • 方法论（实验设计/数据来源/分析手段）
   • 关键发现与数据
   • 创新点与贡献
   • 局限性
   • 未来研究方向
3. 批判性评估：
   • 方法论严谨性（样本量/对照组/偏倚控制）
   • 结论与证据匹配度
   • 可重复性评估
4. 与我已知研究的关联分析（如果用户提供了研究背景）

输出:

• 论文结构化解读卡
• 方法论质量评分雷达图
• 与其他论文的对比表（如提供多篇）
• 可引用的关键数据点

术语支持: references/academic_terms.md

模块 3：文献综述生成

触发: "帮我写XX的文献综述" / "梳理XX领域研究现状" / "做XX的系统综述"

工作流:

1. 明确综述范围与研究问题（PICO/SPIDER框架）
2. 文献搜索与筛选（设定纳入/排除标准）
3. 结构化综述框架：
   • 引言：研究背景与意义
   • 方法：文献检索策略
   • 主题归类：按研究方法/理论流派/时间线/研究维度分类
   • 证据综合：共识/争议/矛盾
   • 研究空白：未被充分研究的领域
   • 未来方向
4. 生成综述正文，确保：
   • 逻辑连贯（不是堆砌摘要）
   • 批判性视角（不只有正面结论）
   • 引用标注（可追踪到具体文献）

输出:

• 综述框架结构图
• 主题分类鱼骨图/矩阵
• 综述正文（分章节）
• 参考文献列表
• 研究空白与机会热力图

模块 4：研究选题与创新

触发: "帮我想几个研究方向" / "评估这个idea的创新性" / "XX领域有什么可以做"

工作流:

1. 领域扫描：当前热点、经典问题、交叉方向
2. 创新机会识别：
   • 方法迁移法：将A领域方法应用于B领域
   • 问题升级法：从简化场景推广到复杂场景
   • 空白填补法：识别文献中明确指出的limitation/future work
   • 技术驱动法：新技术出现带来的新研究机会
3. 选题评估六维度：
   • 创新性：与现有工作的差异度
   • 可行性：数据/算力/时间/技能要求
   • 影响力：潜在引用量与领域关注度
   • 可发表性：目标期刊/会议的接受度
   • 适配性：与研究者的背景匹配度
   • 风险：技术风险、竞争风险

输出:

• 创新机会六维雷达图
• 选题对比矩阵（多个idea横向对比）
• 可行性评估仪表盘
• 推荐行动路线

模块 5：研究设计与方法

触发: "帮我设计实验" / "这个研究用什么方法" / "怎么设计对照组"

工作流:

1. 研究方法匹配：
   • 基于研究问题类型（探索性/描述性/解释性/预测性）
   • 推荐定量/定性/混合方法
2. 实验设计：
   • 变量定义（自变量/因变量/控制变量/混淆变量）
   • 实验范式选择（组间/组内/混合/准实验）
   • 对照组设计
   • 随机化与盲法
   • 样本量计算（功效分析）
3. 数据收集方案：
   • 数据来源（一手/二手/公开数据集）
   • 测量工具（量表/仪器/爬虫）
   • 数据质量保障（信度/效度）
4. 统计分析计划：
   • 假设检验方法选择
   • 效应量估计
   • 多重比较校正

输出:

• 研究设计流程图
• 变量关系图（自变量→因变量）
• 样本量计算与统计功效
• 甘特图时间线

模块 6：数据采集与分析

触发: 上传数据文件 / 描述变量 / "帮我分析这些数据"

工作流:

1. 数据理解：
   • 变量类型识别（连续/分类/有序/计数）
   • 数据质量检查（缺失值/异常值/分布）
2. 统计方法推荐：
   • 单变量分析：描述统计、分布检验
   • 双变量分析：t检验/Mann-Whitney、卡方/Fisher、相关性
   • 多变量分析：回归、ANOVA/ANCOVA、因子分析
   • 高级方法：结构方程建模、多层线性模型、生存分析、时间序列
3. 代码生成：
   • Python (pandas/scipy/statsmodels/scikit-learn) 或 R (tidyverse/lme4/ggplot2)
   • 含详细注释和结果解读
4. 可视化：
   • 自动选择合适的图表类型
   • 箱线图/小提琴图/散点图/热力图/森林图

输出:

• 数据质量报告
• 统计方法推荐清单（含适用条件）
• 分析代码（可直接运行）
• 结果可视化图表
• 结果解读（用统计学语言）

模块 7：论文写作辅助

触发: "帮我写引言" / "帮我写讨论部分" / "帮我组织论文结构"

工作流:

1. 论文结构规划：
   • 基于IMRaD结构（Introduction/Methods/Results/and Discussion）
   • 或目标期刊特定格式
2. 分节撰写：
   • 引言: 背景→研究空白→研究问题→研究意义→论文结构
   • 方法: 研究设计→参与者→材料→流程→数据分析
   • 结果: 描述统计→推断统计→效应量→图表说明
   • 讨论: 主要发现→与已有研究对比→理论/实践意义→局限性→未来方向
   • 摘要: 目的→方法→结果→结论（结构化摘要）
3. 写作原则：
   • 逻辑连贯：段落间有过渡，论点有递进
   • 学术风格：客观、精准、简洁，避免口语化
   • 证据驱动：每个论断有引用或数据支撑
   • 批判性：不只是描述，还有分析

输出:

• 论文大纲结构图
• 分节写作（用户指定章节）
• 写作质量检查清单
• 常见错误规避提示

模块 8：润色与校对

触发: 粘贴论文段落 / "帮我润色这段" / "检查语法和学术风格"

工作流:

1. 语言质量检查：
   • 语法错误（主谓一致/时态/冠词/介词）
   • 拼写错误
   • 冗余表达（精简30%为目标）
   • 模糊用语替换
2. 学术风格优化：
   • 句式多样性：避免全篇简单句
   • 专业术语一致性
   • 被动/主动语态平衡
   • 连接词优化
3. 逻辑一致性：
   • 术语前后统一
   • 数据引用一致
   • 缩写首次定义
4. 输出润色版+修改对照表

输出:

• 原文vs润色版并排对比
• 修改点列表（语法/风格/逻辑分类）
• 整体评分（语言质量/学术风格/逻辑一致性）
• 一键替换建议

模块 9：引用管理

触发: "帮我生成参考文献格式" / "转换引用格式" / "检查引用是否正确"

工作流:

1. 输入识别：
   • 粘贴原始引用信息（自动解析作者/标题/期刊/年份/卷/页/DOI）
   • 上传.bib文件
   • DOI列表批量导入
2. 格式转换：支持期刊论文/会议论文/书籍/学位论文/预印本/专利/网页
3. 输出格式：APA 7th / MLA 9th / Chicago / IEEE / Harvard / GB/T 7714 / Vancouver
4. 质量检查：
   • 作者名格式一致性
   • 期刊名缩写标准化
   • DOI/URL有效性
   • 引用完整性（所有必填字段）

输出:

• 格式化后的引用列表
• 格式合规检查结果
• 缺失信息标注
• 多种格式同时输出

格式规范: references/citation_styles.md

模块 10：投稿选刊

触发: "推荐投稿期刊" / "我的论文适合哪个期刊" / "投稿策略"

工作流:

1. 论文画像提取：
   • 研究领域与子领域
   • 方法论类型（实验/理论/综述/案例）
   • 创新程度与影响力预估
   • 论文长度与图表数量
2. 期刊匹配：
   • 按领域匹配（SCI/SSCI/AHCI/EI/CSSCI/北大核心）
   • 按影响因子区间分层（冲刺/匹配/保底）
   • 按审稿周期和接受率
   • 按开放获取政策和版面费
3. 投稿策略：
   • 冲-稳-保三层梯度推荐
   • 格式要求速查
   • 投稿信（Cover Letter）模板生成
   • 审稿意见预判与应对

输出:

• 期刊推荐列表（按梯度分层）
• 期刊对比表（IF/审稿周期/接受率/OA）
• 投稿策略建议
• Cover Letter模板

模块 11：基金申请

触发: "帮我写基金申请书" / "国自然申请书" / "项目申报"

工作流:

1. 基金类型识别：
   • 国家自然科学基金（面上/青年/重点）
   • 国家社科基金
   • 省级/校级基金
   • 国际基金（NIH/NSF/ERC）
2. 申请书结构生成：
   • 立项依据：研究背景→科学问题→研究意义
   • 研究内容：目标→内容→关键科学问题
   • 研究方案：技术路线→实验设计→可行性
   • 创新点：理论创新/方法创新/应用创新
   • 预期成果：论文/专利/人才培养
   • 研究基础：前期成果/团队/条件
   • 经费预算：分项预算与说明
3. 评审要点对齐：
   • 创新性权重
   • 可行性权重
   • 研究基础权重

输出:

• 申请书框架大纲
• 分模块撰写内容
• 技术路线流程图
• 预算表
• 评审自查清单

政策参考: references/funding_guide.md

模块 12：学术汇报

触发: "帮我准备组会PPT" / "答辩PPT" / "学术报告"

工作流:

1. 汇报类型识别：
   • 组会汇报（15-20分钟）
   • 学术会议报告（15-30分钟）
   • 学位答辩（30-45分钟）
   • 海报展示
2. 内容组织：
   • 故事线设计（问题驱动/方法驱动/发现驱动）
   • 幻灯片结构：背景(1-2)→问题(1)→方法(2-3)→结果(3-5)→讨论(1-2)→致谢(1)
   • 每页核心信息提炼（核心信息一句话原则）
3. 视觉设计建议：
   • 图表vs文字比例（70:30）
   • 配色方案（学术风格）
   • 字体与字号建议
4. Q&A准备：
   • 预判高频问题（方法论/样本量/推广性/对比）
   • 准备回答要点

输出:

• 幻灯片大纲（分页内容规划）
• 讲稿脚本
• 图表布置方案
• 预判Q&A清单
• 排练检查清单

多模块联动

科研助理支持多模块串联执行：

科研助手，帮我完成以下全流程：
1. 搜索近3年"多模态大模型幻觉检测"论文
2. 对Top5论文做结构化阅读
3. 生成一篇文献综述
4. 识别研究空白，推荐3个可研究选题

AI将按序执行各模块，最终生成一份整合的交互式HTML报告。

输出格式

所有分析结果打包为交互式HTML可视化报告，支持：

• 📊 图表可视化（趋势图/雷达图/对比矩阵/网络图等）
• 📋 表格结构化信息
• 🔗 文献超链接（DOI/Google Scholar）
• 🌓 模块Tab导航切换
• 📥 一键导出（PDF/JSON格式的引用和报告数据）
• 🎨 学术配色（蓝白色调，专业克制）

生成报告（仅供WorkBuddy内部使用）

调用 {baseDir}/scripts/generate_report.py 时传入的 JSON 数据中需包含完整的分析结果。

Python 运行环境: 使用 managed Python:

• 先检查/创建 venv: C:\Users\PC\.workbuddy\binaries\python\versions\3.13.12\python.exe -m venv C:\Users\PC\.workbuddy\binaries\python\envs\default
• 脚本路径: {baseDir}/scripts/generate_report.py
• 输出目录: 当前工作目录下的输出文件夹

C:\Users\PC\.workbuddy\binaries\python\envs\default\Scripts\python.exe \
  {baseDir}/scripts/generate_report.py \
  --data '<json_string>' \
  --output <output_path>

输入 JSON 结构：

{
  "title": "研究报告标题",
  "subject": "研究方向",
  "modules": ["module_1", "module_2"],
  "data": {
    "module_1": { ... },
    "module_2": { ... }
  }
}

科研伦理声明

使用此技能时请注意：

1. AI辅助≠代写: 始终保持学术诚信，AI生成内容需经过人工审核和修改
2. 引用溯源: 所有文献和引用需人工核实准确性
3. 透明度: 投稿时遵循期刊的AI使用披露要求
4. 原创性: 核心观点和创新应由研究者提出，AI辅助组织和表达
5. 数据安全: 上传的敏感研究数据请提前脱敏

版本历史

• v1.0.0 (2026-06-24): 初始版本，12大模块全覆盖科研全流程