跳转至

科研任务工作流

本章按研究生常见任务组织内容:先明确目标,再选择工具和 AI 协作方式。遇到具体软件操作时,再跳转到对应工具章节。

基本原则

AI 可以帮助你检索线索、生成脚本、整理表格和检查逻辑,但科研结论必须回到原始数据、论文原文、仪器记录和仿真模型中验证。

一、从文献调研到综述表

适用场景:开题、组会汇报、论文引言、寻找可复现实验路线。

推荐流程

  1. 拆解研究问题:让 AI 把题目拆成材料体系、物理机制、制备方法、表征手段和应用场景。
  2. 生成检索式:让 AI 给出中英文关键词、同义词、排除词和数据库检索式。
  3. 正式检索:在 Web of Science、Scopus、Google Scholar、CNKI、arXiv、期刊官网等来源检索。
  4. 建立证据表:记录题目、作者、年份、DOI、样品、方法、关键结果、局限性、与你课题的关系。
  5. 回到原文核查:对关键参数、图表数值、实验条件和结论边界逐条核对。

可复制提示词

我正在做文献调研,研究问题是:[研究问题]。

请帮我拆解检索策略:
1. 给出 5 组英文关键词组合和 5 组中文关键词组合
2. 给出可能的同义词、缩写和排除词
3. 按“材料/结构/机理/表征/应用”分类
4. 建议我优先查哪些数据库
5. 输出一个文献证据表模板

注意:不要编造具体论文。只生成检索策略和表格字段。

证据表字段

字段 说明
论文信息 标题、作者、年份、期刊、DOI
研究对象 材料、结构、器件、样品编号
方法 制备、测试、仿真、统计方法
关键结果 数值、单位、图号、实验条件
局限性 样本量、适用范围、未解决问题
可复用内容 参数、流程、代码、图表样式
核查状态 已读全文 / 只读摘要 / 待核对

二、从原始数据到论文图

适用场景:仪器导出 CSV/TXT/Excel 后,需要清洗、拟合、绘图并生成可投稿图。

推荐目录

project_name/
├── raw_data/          # 原始数据,只读保存
├── processed_data/    # 清洗、归一化、拟合后的数据
├── scripts/           # MATLAB/Python/Origin 脚本
├── figures/           # 输出图
└── README.md          # 数据来源、处理步骤、软件版本

推荐流程

  1. 复制原始数据到 raw_data/,不要直接覆盖仪器导出的文件。
  2. 用 AI 生成数据读取和清洗脚本,明确列名、单位、异常值处理规则。
  3. 先用小样本运行,检查单位、行列方向、缺失值和坐标轴。
  4. 生成 processed_data/,保留中间结果,避免只保留最终图片。
  5. 用脚本生成论文图,记录字体、尺寸、线宽、颜色、导出格式。
  6. 用人工和 AI 双重检查:坐标轴单位、图例、误差棒、拟合参数和图注是否一致。

可复制提示词

请帮我把下面的数据处理需求整理成可复现脚本。

研究目标:[要回答的问题]
输入文件:[文件名/路径/格式]
列含义与单位:
- [列1]:[含义,单位]
- [列2]:[含义,单位]

处理步骤:
1. [清洗/筛选/归一化/单位换算]
2. [拟合/统计/计算]
3. [绘图]

输出要求:
- 保存清洗后的数据到 processed_data/
- 保存图到 figures/
- 图像尺寸:[宽 x 高]
- 字体、线宽、颜色:[要求]

请同时输出:
1. 脚本
2. 输入数据假设
3. 可能出错的地方
4. 结果验收清单

相关章节:MATLAB、Origin、Excel、提示词模板。

三、从仿真参数扫描到结论

适用场景:COMSOL、FDTD、MATLAB 等工具做参数扫描、优化和结果汇总。

推荐流程

  1. 写清楚科学问题:扫描参数是为了验证趋势、寻找最优值,还是排除某种解释。
  2. 固定基准模型:材料、几何、边界、网格、源、监视器和求解器参数先保存一份。
  3. 设计参数表:参数名、单位、范围、步长、默认值、物理依据。
  4. 批量运行前先做 2-3 个测试点,确认结果方向和导出字段正确。
  5. 扫描结果保存为结构化表格,不只保存截图。
  6. 做网格无关性、边界条件敏感性或重复运行检查。
  7. 把最终图、参数表和模型版本一起归档。

参数表模板

参数 单位 默认值 扫描范围 步长 物理依据 备注
width nm 500 400-700 20 工艺线宽范围 示例
height nm 220 180-260 10 薄膜厚度范围 示例

可复制提示词

我准备做 [COMSOL/FDTD/MATLAB] 参数扫描,请帮我检查方案是否合理。

研究目标:[说明要验证的科学问题]
基准模型:[材料、几何、边界、源、监视器/探针]
计划扫描参数:
[贴出参数表]

请帮我:
1. 检查参数范围和步长是否可能遗漏关键区域
2. 指出需要固定不变的参数
3. 建议最小测试点和网格/边界敏感性检查
4. 设计结果导出表格字段
5. 给出失败任务的重跑策略

相关章节:COMSOL、FDTD、MATLAB。

四、从仪器采集到自动化记录

适用场景:LabVIEW、Python、MATLAB 控制仪器,自动采集数据并保存。

推荐流程

  1. 先手动确认仪器地址、通信协议、量程、采样率、积分时间和安全限制。
  2. 让 AI 生成状态机或伪代码,不要一开始就生成完整控制程序。
  3. 对每条 SCPI 命令或驱动 API 回到仪器手册核对。
  4. 每次采集保存元数据:仪器型号、序列号、软件版本、参数、时间、操作者。
  5. 程序必须包含超时、重试、停止按钮、异常日志和安全默认状态。
  6. 首次自动运行时使用假负载或低风险参数。

最小元数据

字段 示例
日期时间 2026-05-19 20:30:00
操作者 姓名或学号
仪器 型号、序列号、连接方式
软件 LabVIEW/MATLAB/Python 版本
参数 电压、电流、波长、积分时间、采样率
文件 原始数据路径、脚本路径
备注 异常、校准状态、环境条件

相关章节:LabVIEW、MATLAB、Excel。

五、投稿前检查

适用场景:论文、会议摘要、补充材料、审稿回复提交前。

检查清单

  1. 数据一致性:正文、图、表、补充材料中的数值和单位一致。
  2. 图表可追溯:每张图能追溯到原始数据、处理脚本和导出命令。
  3. 引用真实:DOI、页码、作者、年份逐条从数据库或期刊官网核对。
  4. 方法可复现:关键参数、仪器型号、软件版本和统计方法写清楚。
  5. AI 使用记录:如果期刊或学校要求声明,准备工具、用途、日期和人工核查说明。
  6. 敏感信息:未公开数据、专利细节、合作方信息和个人信息已按要求处理。

可复制提示词

请作为投稿前检查助手,帮我审查下面这段论文材料。

材料类型:[摘要/引言/方法/结果/图注/审稿回复]
目标期刊或会议:[名称,如未知可写“待定”]
文本:
[粘贴内容]

请检查:
1. 是否有逻辑跳跃或过度结论
2. 单位、变量名、图表编号是否一致
3. 哪些引用或事实必须回原文核对
4. 哪些地方需要补充实验条件、统计方法或不确定性
5. 是否涉及 AI 使用声明或数据合规风险

不要替我编造数据、引用或实验结果。