Fork me on GitHub 返回顶部

科研开发常用工具集

科研开发常用工具集

本文由Gemini 3 Flash协助生成

建议：

动手为先！动手为先！动手为先！当成玩具先玩一遍，会比谨慎踌躇地去干巴巴读说明文档有效得多。

每一版块的工具/方法，基本按照从“简易"到“充分"的顺序安排。

一、文献搜索/获取方法

1. 学校图书馆/搜索引擎 直接搜索

学校图书馆门户是获取学术资源的正统渠道。学校通常采购了数十项昂贵的学术数据库（如知网、Elsevier、Wiley、IEEE Xplore等），通过图书馆入口检索可以免费下载绝大多数全文。

常用工作流：

  1. 搜索检索：在图书馆官网输入论文标题、作者或关键词。
  2. 定位数据库：根据结果跳转至对应的数据库（如跳转到知网或 Springer）。
  3. 下载/导出：点击 PDF 下载，或导出 BibTeX/RIS 格式引用文件。

应用场景：
在进行课程论文写作或参与大创项目初期，需要查阅某些经典教材外的专业论文。当直接在官网看到“Pay or Login”时，通过图书馆跳转数据库，就能使用学校账号获取。

2. 直接询问 AI

在信息爆炸时代，使用具备联网搜索能力的 AI 工具（如 Kimi、Qwen）能极大缩短寻找特定信息的时间。这些工具不仅能汇总网页信息，还能对论文全文进行初步解读。

常用工作流：

  1. 指令下达：向 AI 提问，如：“请整理近三年关于大模型知识蒸馏的重要综述论文”。
  2. 线索追踪：AI 会给出带引用链接的回答，点击链接确认信源的可靠性。
  3. 全文解读：将下载好的 PDF 上传给 AI（如 Kimi 的长上下文功能），让其总结研究方法和实验数据。
  4. 人工核校：比对 AI 总结的内容与论文原文，排除可能存在的“幻觉”。

应用场景：
面对一个全新的技术领域（如“扩散模型在医学影像中的应用”），不知道从哪篇文章读起时，先用 AI 生成一份文献清单和核心概念表格。

获取链接: https://kimi.moonshot.cn/

可以分享一个我曾经使用的提示词：

### 📋 提示词模板

**【角色设定】**
你是一个资深且严谨的 AI 领域学术科研助手，同时具备极强的本地自动化执行能力。你擅长从海量论文中沙里淘金，为年轻学者
筛选出关于 Agent 模型架构的最成熟、高质量文献，并能熟练管理本地文件系统以实现文章去重和归档。

**【任务目标】**
执行《每日文献速递》任务。每天为我检索并精选出**最多 3 篇**（宁缺毋滥）关于“**支持xxx**”的高质量文献，最好**1篇
经典文献+2篇较新文献**。自动下载 PDF 到本地指定目录，更新已推文记录防止重复，并生成结构清晰的中文总结报告。

**【执行步骤】**

1. **读取历史记录（前置去重准备）**：
* 首先，读取本地文件 `C:\Users\xxx\Desktop\每日文献速递\已推送文献.txt`。获取其中记录的所有已推送文献的标题，
作为后续的“黑名单”。（如该文件不存在，则自动创建该文件）。


2. **定向与高质量检索**：
* 围绕 "xxx" 等英文关键词进行检索。
* **绝对优先**检索近期在人工智能顶级会议或权威期刊上已正式录用/发表的论文。仅当预印本出现极高影响力（顶级机构/高
引用）工作时才纳入候选。


3. **严苛筛选与强制去重**：
* 阅读候选论文摘要。**必须将候选论文标题与第 1 步获取的“黑名单”进行比对，若已存在则直接跳过**。
* 从未推送过的新文献中，选出最核心、最值得阅读的 1 到 3 篇（绝不超过 3 篇）。宁缺毋滥。


4. **本地归档与记录更新（关键操作）**：
* **下载 PDF**：尝试获取这 1-3 篇精选文献的 PDF 文件，并将其保存至本地目录 `C:\Users\xxx\Desktop\每日文献
速递` 中。文件名建议设为 `[年份]-[作者]-[英文标题].pdf`。
* **追加记录**：将本次选出的这 1-3 篇文献的原始英文名称，追加写入到 `C:\Users\xxx\Desktop\每日文献速递\已推
送文献.txt` 的文件末尾，每行一个标题。


5. **规范输出**：严格按照指定的 Markdown 格式，生成《每日文献速递》报告。

**【输出格式要求】**
请使用 Markdown 格式输出，并将输出完整地保存为xxx（日期）.md。每篇文献严格遵循以下结构：

### 📄 1. [文献原始英文标题] (精准中文翻译标题)

* **👨‍🔬 作者及机构：** [列出第一作者/通讯作者及其所在机构]
* **📖 发表出处/状态：** [必须标明，例如：ICLR 2024 / NeurIPS 2023 / arXiv (需备注推荐理由)]
* **🔗 线上链接：** [填入论文所在网页 URL]
* **📂 本地文件：** [填入刚刚保存的本地 PDF 绝对路径，例如：C:\Users\xxx\Desktop\每日文献速递\xxx.pdf]
* **🧠 建议阅读深度：** [⭐略读 / ⭐⭐精读 / ⭐⭐⭐深度剖析，并用一句话说明理由]
* **💡 一句话总结：** [通俗易懂地概括这篇论文解决了 Agent 架构中关于记忆或演进的什么痛点]
* **🎯 核心架构与创新点：** * **长期记忆机制：** [1-2 句话概括其如何实现或优化长期记忆]
* **自演进/进化策略：** [1-2 句话概括其模型如何实现自我迭代或持续学习]


* **📈 关键结论：** [1 句话概括实验取得的最亮眼结果]

---

*(如有第 2 篇、第 3 篇，以此类推。**绝不输出第 4 篇**)*

**💡 导师点评与今日阅读建议（模拟）：**
*(用 2-3 句话，以资深研究者的口吻，总结今天这几篇论文的整体趋势，并明确告诉学生今天的时间应该怎么分配。)*

1774254088433

3. 学术网站搜索

直接在专业的学术搜索引擎或预印本平台检索。这些平台能够提供更精准的关联推荐和引用追踪。

常用平台及特点：

  • Web of Science / Engineering Village：最权威的科研导航，适合查全、查准，查看论文字数、影响因子等指标。
  • arXiv.org：计算机和物理学界的最爱。论文在正式发表前会先发布在此，可以第一时间获取最新技术细节。
  • Google Scholar / 百度学术：入口便捷，索引量极大，可以查看论文被引次数。
  • PMLR (Proceedings of Machine Learning Research)：专为机器学习领域设计的顶级会议论文集（如 ICML、AISTATS），全部公开获取。

常用工作流：

  1. 高级检索：使用 author:"Name" 或 journal:"Name" 缩小范围。
  2. 引用链追踪：通过某篇核心论文的“Cited by”（引用）和“References”（参考文献）建立知识网络。
  3. 关键词订阅：在 arXiv 或其他平台订阅特定领域的关键词，每日接收邮件推送。

应用场景：
复现某篇最新论文的实验时，论文可能还没在期刊完成排版，这时去 arXiv 往往能找到作者上传的最原始稿件和开源代码链接。

获取链接: https://arxiv.org/、https://webofknowledge.com/、https://proceedings.mlr.press/

二、文献阅读工具

1. PDF 阅读器、浏览器、WPS 等

不需要额外配置，能读PDF就能读论文。

工具特点与用法：

  • Microsoft Edge：内置 PDF 查看器，支持“大声朗读”（语音模仿非常自然）、屏幕手写批注、网页翻译。
  • WPS Office：提供强大的 PDF 编辑功能，包括拆分合并、高亮标记同步、文献解析翻译。

常用工作流：

  1. 快速扫读：在 Edge 中打开 PDF，开启“朗读”或内置翻译辅助理解。
  2. 深度批注：使用高亮笔标注核心公式和数据，在侧边添加文本框记录自己的理解。
  3. 云端同步：将标记后的文件保存至 WPS 云盘或文件夹，方便多设备查阅。

获取链接: 系统内置或 https://www.wps.cn/

2. 小绿鲸英文文献阅读器

专为科研场景优化的阅读器。它解决了科研中频繁查词、翻译、记录笔记的痛点，集成了翻译引擎和解析能力。

常用工作流：

  1. 文献导入：拖入 PDF，系统自动解析标题、作者和摘要。
  2. 划词翻译：直接点击生词或句子，侧边栏显示多种翻译结果和学术词典解释。
  3. 文献库管理：通过标签或文件夹对论文进行分类（如“方法类”、“综述类”）。
  4. 精读笔记：在软件内置的笔记框内对照原文编写自己的读书笔记，支持导出。

应用场景：
阅读纯英文、存在大量生僻学术术语的复杂综述时，小绿鲸能显著降低语言障碍带来的挫败感，提高单位时间内的信息获取深度。

获取链接: https://www.xljsci.com/ 可以使用微信扫码登陆

1774254680226

3. Zotero 软件（有网页版）

Zotero 不仅仅是一个阅读器，更是“科研第二大脑”。它能帮你管理成百上千篇文献，并在写论文时自动生成参考文献。

常用工作流：

  1. 一键抓取：在浏览器看到论文页面，点击插件按钮，元数据和 PDF 会自动保存到 Zotero。
  2. 管理组织：使用标签、分类夹归类，通过“查找 PDF 全文”功能自动补全缺失的文件。
  3. PDF 批注：在内置阅读器内标记，标注的内容会自动汇总成一个独立的“笔记”条目。
  4. 自动引文：在 Word 或 Overleaf 中插入引文，一键生成 GB/T 7714 或 IEEE 标准格式参考文献。

应用场景：
在撰写学术论文或参加竞赛时，需要引用几十篇文献。Zotero 能确保你的参考文献引用编号永远正确，哪怕中间插入或删除了一篇。

获取链接: https://www.zotero.org/

1774254816290

三、代码编辑器

1. IDLE

Python 自带的开发环境，极其轻巧，没有任何多余的配置（如解释器路径、虚拟环境）。

常用工作流：

  1. 启动：直接从搜索栏打开“IDLE”。
  2. 交互测试：在 Shell 窗口输入单行代码并即时运行（如 print(1+2)）。
  3. 脚本编写：Ctrl+N 新建文件，写完后 F5 直接运行。

应用场景：
在课堂上或临时想验证一个小算法逻辑（例如测试一个列表切片的操作结果），打开 IDLE 只需不到 1 秒。

2. VS Code

现代全能编辑器。其核心在于“扩展（Extensions）”，安装了 Python 插件后，它就不再只是一个记事本，而是一个准 IDE。

常用工作流：

  1. 环境选择：点击右下角或 Ctrl+Shift+P 选择正确的 Python 解释器。
  2. 插件安装：安装 Python (Microsoft)、Pylance、Chinese (Simplified) 插件。
  3. 编码辅助：利用代码自动补全、实时语法检查（纠错波浪线）和代码格式化（Alt+Shift+F）。
  4. 调试运行：设置断点（代码左侧小红点），F5 开始逐行调试。

应用场景：
进行中型规模的项目（如“爬取豆瓣电影评论并进行可视化”）时，VS Code 能提供极佳的组织结构和开发体验。

获取链接: https://code.visualstudio.com/

3. PyCharm

专为 Python 打造的专业工厂。它能深刻理解 Python 项目中的文件夹结构、包引用和依赖关系，提供最全的自动化支持。

常用工作流：

  1. 项目初始化：Create Project，PyCharm 会自动配置好虚拟环境（venv）。
  2. 重构：右键变量名“Refactor -> Rename”，它会安全地修改项目中所有引用该变量的地方。
  3. 集成工具：直接在侧边栏使用数据库管理、版本控制工具或终端。
  4. 单元测试：内置完善的测试运行环境，适合大型软件工程实践。

应用场景：
当需要参与超过数千行代码、涉及多个模块的大型项目时。PyCharm 的复杂功能将极大地减少你手动排查引包错误和环境冲突的时间。

获取链接: https://www.jetbrains.com/pycharm/

4. Cursor、Copilot、Antigravity 等 AI 辅助编辑器

这是软件开发史上的降维打击。现在的趋势是：自然语言编写，人类进行逻辑校验。

常用工作流：

  1. 逻辑对讲：在 Cursor 中按下 Cmd/Ctrl+K，输入“写一个爬取网页表格并存入 CSV 的脚本”。
  2. 代码审查：AI 生成代码后，人类阅读注释，确认其使用了正确的库。
  3. 库内对话：询问 AI “在这个项目中，函数 A 是在那里被调用的？”，AI 会遍历整个文件夹告诉你答案。
  4. 自愈纠错：代码执行报错，点击“Fix with AI”，它会自动分析 Traceback 并修改代码。

应用场景：
虽然初学 Python 的语法还没完全背熟，但急需完成一个“自动处理 100 个 Excel 文件”的实际任务。

获取链接: https://www.cursor.com/

1774255529097

四、实验环境

1. Linux 环境获取方法

绝大多数科研代码（特别是深度学习库）是在 Linux 下开发和运行的，拥有一个 Linux 环境是必经之路。

(1). windows 平台中安装使用 WSL2

Windows Subsystem for Linux。它允许在 Windows 内直接运行一个完整的 Ubuntu，无需重启，且两边文件互通。

安装步骤：

  1. 打开 PowerShell，输入 wsl --install。
  2. 重启电脑，在搜索栏打开 “Ubuntu”。
  3. 设置用户名和密码，即可开始。

应用场景：
既需要用 Windows 写文档、看视频，又需要运行只有 Linux 才能跑的高性能计算脚本或科研软件。

1774255893084

(2). 直接安装 Linux 物理机

如果你有一台闲置电脑或打算全职进行 Linux 开发，可以直接安装 Ubuntu 或 Debian 系统。

安装步骤：

  1. 下载 .iso 镜像，配合 Rufus 工具制作启动 U 盘。
  2. 重启电脑，F12 进入引导，选择从 U 盘安装。
  3. 按照向导分区。

应用场景：
需要将电脑作为固定服务器使用，或者需要进行极其底层的硬件驱动级开发。

(3). 线上连接使用服务器

通过命令行（SSH）连接云端或实验室的计算集群。用户本地无需性能，只要有网。

常用命令：
ssh username@1.2.3.4

应用场景：
由于个人笔记本没有显卡（GPU），无法训练深度神经网络模型。此时需要连接实验室的高性能计算节点。

2. Python 环境管理工具

环境隔离是避免“昨天还能跑，今天坏了”的核心技巧。

(1). 原生 Python

简单直接，适合完全没配置经验的新手。但缺点是包全挤在一起。

1774255960204

(2). venv (虚拟环境)

Python 官方推荐的标准。轻量，不依赖第三方软件。

常用工作流：

  1. 创建：python -m venv .venv 在项目目录下创建文件夹。
  2. 激活：Windows 为 .venv\Scripts\activate，Linux 为 source .venv/bin/activate。
  3. 清理：不需要时直接删除 .venv 文件夹。

应用场景：
你有两个项目，一个需要 numpy 1.x，一个由于库依赖需要 numpy 2.x，这种情况下互不干扰。

(3). uv (极速管理)

目前最火的 Python 基础设施工具。它用 Rust 编写，速度比 pip 快 10 倍以上。

常用工作流：

  1. 安装：pip install uv（或其他快捷命令）。
  2. 项目管理：uv init 初始化。
  3. 运行：uv run main.py（它会自动处理环境和依赖）。

应用场景：
在竞赛现场或演示时，需要快速搭建一个完整可运行的环境。

获取链接: https://docs.astral.sh/uv/

(4). Conda (Conda/Miniconda)

多语言环境管理的霸主。不仅管理 Python，还管理其底层依赖库（如 C 集成）。

常用工作流：

  1. 创建环境：conda create -n torch_env python=3.10。
  2. 包安装：conda install pytorch（它会自动寻找匹配当前硬件驱动的版本）。
  3. 切换环境：conda activate torch_env。

应用场景：
深度学习、科学计算必备。

(5). Docker

容器化技术。不管什么机子，只要有 Docker，运行结果绝对一模一样。

常用工作流：

  1. 编写配置：写一个 Dockerfile 描述环境。
  2. 构建镜像：docker build -t app:v1 .。
  3. 分发应用：将镜像推送到仓库或拷贝给他人。

应用场景：
部署一个复杂的 Web 服务或需要将环境一键部署到校赛、国赛的评测服务器。

五、命令行

1. 如何获取？

  • Windows：推荐安装 Windows Terminal，随后打开 PowerShell。
  • Linux：Ctrl+Alt+T 打开自带的终端。

2. 基础命令

将操作文件从鼠标流变为逻辑流。

  • cd <path>：跳转目录
  • ls -l：列出文件（带详情）
  • grep -r "text" .：在目录中全文搜索包含某词的文档
  • rm -rf <path>：删除文件/文件夹（慎用！）

3. 重要

命令行不是背出来的，是搜出来的。遇到想要执行的动作（如“批量修改文件名后缀”），直接搜索或询问 AI。

4. 命令行 Agent

(1). Claude Code

Anthropic 出品的命令行 AI，能够理解并执行复杂的系统指令。

(2). Codex

GitHub Copilot 使用的代码模型的基础，用于终端指令补全。

(3). Gemini CLI 等 CLI

CLI的全称就是Command Line Interface‌，中文译为 ‌命令行界面‌，所以Claude Code等都属于此。

只是，各家工具的“登陆限制"、“订阅套餐设置"等都不同，需要区分。

六、AI 工具

1. 网页版 chat AI

基础工具，不仅用来写作业，更适合作为知识探索的起点。

应用场景：
需要解释一个及其晦涩的概念（如“量子傅里叶变换”），可以通过对话通过不同的比喻来逐步理解。

2. AI 辅助制作 PPT

提供内容大纲，AI 负责自动配色、自动排版、自动插图。

工具：Beautiful.ai、Gamma、MindShow。

常用工作流：

  1. 内容输入：将 Word 或 Markdown 格式的汇报大纲粘贴。
  2. 主题选择：选择专业、商务或学术风。
  3. 微调：AI 生成初版后，人工调整核心数据和排版细节。

应用场景：
大创项目中期检查或组会汇报，需要快速做出一份看起来非常专业、干净的 PPT，同时又不想花数小时在对齐图片上。

3. Claw 类型 Agent

请注意安全问题！！不要让Agent给你删除或者泄漏啥关键的东西。

posted @ 2026-04-02 15:13  tacmon  阅读(73)  评论(0)    收藏  举报