在人工智能快速重塑科研范式的背景下，大语言模型、Agent系统与自动化科研工作流，正在深刻改变文献阅读、代码开发、数据分析、论文写作与科研协作的底层方式。
模块一：大模型本地部署与私有科研环境搭建
1.为什么科研人员需要本地部署模型
2.Ollama的特点与选型
3.本地部署的硬件、显存、量化与速度认知
4.本地模型与云端模型如何协作
5.隐私数据、本地文献和课题资料的安全使用边界
案例与产出：
案例：部署一个本地中文/代码模型并接入OpenClaw
产出：《本地大模型部署与接入说明卡》
模块二：大模型选型、Token 理解与国产模型应用
1.什么是Token、上下文窗口、输入输出成本
2.如何按任务长度、预算和精度选择模型
3.科研场景中的模型分工：检索、总结、写作、编程、评审
4.DeepSeek与Qwen的对比：中文、推理、代码、接入与生态
5.国际模型与国产模型如何协同使用
6.分学科的模型偏好建议（理工/生命科学/医学/人文社科）：哪些模型擅长公式与代码、哪些擅长长文综述、哪些擅长中英文学术润色
7.SCI论文场景下的模型分工：英文表达打磨、专业术语校对、长文连贯性检查、中英文转换的模型选择
案例与产出：
案例：同一科研任务交给不同模型处理并比较效果
产出：《科研任务-模型-Token选型卡》
模块三：OpenClaw配置部署与科研实践应用
1.OpenClaw的定位与适合场景
2.本地安装、目录结构、模型接入、工作目录管理
3.API Key、模型路由、项目上下文管理
4.如何把OpenClaw用成长期科研助手而不是一次性聊天工具
5.“养龙虾”理念在科研中的落地方式
6.如何把课题组的论文库、数据集、写作规范、组会纪要注入OpenClaw上下文，让助手真正“懂你的课题”
7.多课题并行管理：用OpenClaw的项目级目录隔离不同研究方向，避免上下文污染、引用错乱
案例与产出：
案例：完成OpenClaw和Hermes初始化与一个科研项目目录配置
产出：一份个人OpenClaw科研环境检查清单
模块四：Vibe Coding在科研编程中的实践
1.什么是Vibe Coding
2.科研人员如何用自然语言驱动代码生成、调试和重构
3.如何清楚描述输入、输出、约束和验证标准
4.如何避免“代码能跑但结果不可靠”
5.科研编程中的验真与复现意识
6.学术绘图复现：从论文图反推matplotlib/seaborn/ggplot2绘图代码，并适配自己的实验数据
案例与产出：
案例：生成一个科研数据清洗与绘图脚本并调试到可复现
产出：Vibe Coding科研提示词模板+代码验真清单
模块五：Cursor、VS Code、Codex、Claude Code等Agent科研应用
1.VS Code的科研工作流兼容性
2.Codex的终端协作与文件级执行能力
3.Claude Code的长上下文与重构能力
4.如何按科研任务类型选择合适的Agent编程工具
5.Agent工具在科研代码评审、论文实验复现、Bug定位中的取舍：哪一类用Codex，哪一类用Claude Code
6.如何用Agent工具完成开源科研项目的fork、改造与本地化部署，把别人的代码真正用到自己的课题里
案例与产出：
案例：同一代码任务分别用不同Agent工具演示
产出：《科研Agent编程工具对比表》
模块六：SKILL封装，让常用科研动作可复用
1.什么是SKILL，为什么它是科研提效关键
2.如何把提示词、规则、模板和流程封装成 Skill
3.适合科研封装的Skill：文献速读、审稿回复、图注生成、代码审查
4.Skill的维护与团队共享方式
5.高频科研Skill建议库：实验记录Skill、组会汇报Skill、文献精读摘要Skill、研究假设生成Skill、统计方法选择Skill、文献对比矩阵Skill
6.课题组Skill版本管理与共享：让全组共用同一套科研Skill，新成员入组就能直接接手研究流程
案例与产出：
案例：编写“论文精读摘要”Skill和“科研绘图诊断”Skill
产出：2个科研Skill初稿
模块七：MCP扩展，让OpenClaw接入外部工具
1.什么是MCP，为什么它对Agent很关键
2.MCP与普通聊天工具的区别
3.科研常见MCP场景：文件、论文库、Zotero、Git、表格、知识库
4.Skill与MCP的协作关系
5.MCP接入Zotero/EndNote打通文献库，实现「问一句话→自动检索相关文献→批量精读→生成对比表」
6.MCP接入arXiv/PubMed/Google Scholar，每日自动拉取相关领域最新论文并生成简报，避免错过领域动态
7.MCP接入实验数据库与Git仓库，让Agent直接操作课题数据、提交代码版本、追溯实验记录
案例与产出：
案例：设计一个科研知识管理或文档处理型 MCP 工作流
产出：《科研MCP接入蓝图》
模块八：数据云端存储、快速下载与科研可视化
1.常见科研数据云端组织方式：网盘、对象存储、服务器目录、Git LFS
2.如何建立“云端存储+本地缓存+版本留痕”机制
3.批量下载公开科研数据与课题组共享数据的高效方法
4.用Python与Agent快速完成数据整理、可视化与图表解释
5.从原始数据到论文图的最短路径设计
6.主流公开科研数据库的批量下载与缓存策略：GEO/SRA/TCGA/UK Biobank/ImageNet/Kaggle/HuggingFace
7.实验数据从原始记录到论文图的可追溯流程：让审稿人也能用同一份代码与数据复现你的图
案例与产出：
案例：完成一次云端数据快速下载、清洗和自动绘图流程
产出：《科研云端数据管理与下载流程模板》+一套可视化脚本样例
模块九：多模型论文写作自动化工作流
1.如何把论文写作拆成选题、提纲、证据整理、段落生成、润色、审稿回复等环节
2.不同模型在写作中的分工：构思、长文重写、中文润色、英文表达、批判审阅
3.文献摘要、Related Work、方法说明、图注和Cover Letter的自动化生成思路
4.如何降低幻觉、保证引用与事实一致性
5.多模型串联下的论文写作自动化框架
6.课题组写作风格知识库：把历史发表论文、成功投稿稿件、过往审稿意见沉淀到本地知识库，Claude Code可直接读取调用，让新论文从第一段起就有课题组味道
7.多课题并行的论文写作流水线管理Claude Code的Memory/Subagents分层，让导师/学生/合作者推进多篇论文而互不污染上下文
案例与产出：
案例：围绕一篇真实论文，搭建“读文献-出提纲-生成初稿-批改润色-生成回复”的写作流水线
产出：《多模型论文写作自动化流程图》+一套论文写作提示词模板
模块十：NotebookLM,Claude Code，Obsidian自动化工作流
1.NotebookLM如何快速整理文档内容
2.Claude Code如何连接NotebookLM
3.Claude Code如何将NotebookLM的内容存储到本地Obsidian仓库
4.把课题组所有未发表论文、组会PPT、实验记录建成NotebookLM研究笔记本，用问答方式秒级检索课题历史
5.用Claude Code+Obsidian构建可演化的「个人学术知识图谱」