模型之外的那一层

把大模型放进科研场景，会发现它擅长和不擅长的地方非常分明。擅长的是语言层面的事，不擅长的是这个行业里靠年复一年积累下来的做法。

六项能力覆盖从选题到投稿的完整链路。每一项都按同一个思路做：把行业里成熟的做法写成可执行的流程，让通用模型按流程办事，而不是靠它自己发挥。

1. 文献综述

   先问清研究问题，再设计检索式。检索式按概念拆解、同义词扩展、布尔组合三步走，跑之前先看命中数量判断宽窄。筛选按四阶段走，每个阶段记数字、每条例外记理由，最后加起来的数字必须对得上。提取证据用统一表格，综合成文按主题聚类而不是一篇篇罗列。关键动作是留痕——别人拿着你的检索记录能复现出同样的结果集。

2. 论文精读

   八层拆解，每层都要原文佐证。最要紧的是第四层和第五层：方法层要找出哪个模块是真新东西、哪些只是现有组件的拼接；实验层要核基线选得够不够强、数据集是不是自己造的、指标是不是只挑对自己有利的。最容易踩的坑是消融实验——只删自己加的模块，不换掉基线里的弱组件，看起来贡献很大，其实换个强基线就没优势了。

3. 论文写作

   第一道闸是研究动机确认单：解决什么问题、为什么重要、现有做到哪、贡献是哪几条、结论边界在哪，逐条跟作者确认过才动笔。动机不清，写出来的一定是散的。然后是论证主线一句话、证据链表格、逐章写法。每写完一节记一行写作理由——这段在论证什么、服务于哪条贡献、证据来自哪里。跑题一查就知道。

4. 科研绘图

   按最终印刷尺寸画，不画大了再缩。期刊单栏 85 毫米、双栏 170 毫米；坐标轴标签 7 到 9 磅、刻度数字 6 到 8 磅；坐标轴线宽 0.5 到 0.75 磅、数据线 1.0 到 1.5 磅。配色由语义驱动不是好看驱动：连续变量用单色深浅、分类数据用色盲友好色板、强调对比时主数据一色其余全灰。禁用彩虹色、高饱和纯色、三维饼图。

5. 审稿返修

   投稿前先用四角色评审团自审：主编看契合度、同方向专家看技术、跨方向专家看可读性、魔鬼代言人专挑致命伤，五维百分制打分，85 分以上才算能投。核心机制是让步阈值：魔鬼代言人质疑后逐条回应按 1 到 5 分打，只有 4 分以上才算过关，3 分以下必须改论文不许靠嘴解释。这个机制的价值在于强制承认问题。

6. 成稿输出

   五种形态各有规范：Word 论文先定样式体系再写内容、目录用自动域、题注用题注功能；LaTeX 投稿包用官方模板、参考文献走 BibTeX、编译三遍；投稿附件按八项清单逐条准备；组会幻灯片一页一个观点、标题就是那个观点；答辩稿按 20 分钟切时间、预判四类提问。交付前必做的是把稿子转成 PDF 再检查一遍排版。

《「人工智能+教育」行动计划》（教科信〔2026〕1号，2026 年 4 月 2 日，教育部、国家发展改革委、工业和信息化部、科技部、国家数据局五部门联合印发，共十六条）里，有四个条款和这套能力直接相关。

「科学智能体和智能工具」是第（九）条的官方原词，可以直接作为产品名和对外口径使用。

依据政策第（十六）条，所有科研能力都受三条硬线约束。这不是免责声明，是产品设计的一部分。