📜背景 本期是"用AI搞学术"系列第十期，这一次文科生主播自己从零开始创建了一个专门做论文事实性校对的 Skill，创建 Skill 比文科生想象的简单——调用skill creator，自然语言就够了。 实操步骤包括：1）用 Gemini 生成高质量的校对与建skill Prompt、2）搭建工作目录和文件组织、3）设计"发现错误→抽象规则→自进化"的 Skill 机制。 听完文科生的描述，搭档从工程角度给出了feedback，以及防龙虾等AI工具偷懒的策略（用脚本逐句拆解+结构化验收）。 PS., 本期深入讨论了 AI 论文协作中的一个原则——审稿人和写作者必须角色分离。审稿龙虾只负责审，发现的问题交回给写作龙虾去改。一旦让同一只龙虾又审又改，它就会"放过自己"。 ⏳ 时间轴 00:00 开场 & 为什么要重做校对流程——亲自上手，逐步精细化排查 03:10 工作目录搭建 & 用 Gemini 生成系统性校对 Prompt 09:00 Skill 核心机制详解：校验规则 + Error Checklist 自进化 + 自我驱动优化 14:30 搭档支招：用脚本逐句拆解防偷懒，结构化校对确保无遗漏 20:00 审稿人的边界——只审不改、角色分离，黑白名单经验积累 27:00 创建 Skill 其实没那么难——自然语言描述 + 头脑风暴引导，收尾互动 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com 附，一些主播学习到的关于Skill的知识： 1. Skill到底是什么？ a. 实际上，skill就是⼀个包含指令的⽂件夹 i. 不是新的模型 ii. 不是软件/应⽤ b. ⽤于教模型按照固定的步骤来⼯作 2. Skill适⽤场景 a 对专业经验/知识进⾏复⽤ b 把程序性、重复化的⼯作⾃动化 3. 如何建立skill的实际案例 1）先做好skill再工作（我的例子，给龙虾的prompt）： [Skill Creation: Review & Evolve] 请调用 Skill Creator，为 Thesis-Check-Claw 创建一个名为 Adaptive_Thesis_Review 的核心 Skill。这个 Skill 必须包含以下机制： 1. 核心校验规则 (Validation Rules)： * 重点检查心理学实验设计、数据指标、被试信息、以及核心理论在 Draft 与 Raw 之间的一致性。 * 检查是否存在幻觉（Draft 中出现了 Raw 中没有的数据或变量）。 在这里给你几个已经出错的例子作为参考 (附上我已经发现的错误作为例子） 2 自进化机制 (Self-Evolution Mechanism)： * 在 fact check 目录下初始化一个 error_checklist.md 文件（充当黑名单/避坑指南）。 * 动态积累：每次在校对中发现了一种新类型的错误（例如：混淆了自变量和因变量的表述、遗漏了控制变量、统计显著性 p 值抄错等），必须自动将该错误类型抽象为一条新规则，追加写入 error_checklist.md。 * 闭环校验：在后续校验新的 Draft 时，必须优先读取并应用 error_checklist.md 中不断丰富的规则。 * Human-in-the-loop：我会定期审查 error_checklist.md，对校验准则本身进行把关。 3. 自我驱动优化 (Auto-TODO Generation)： * 每次完成一个实验的错误清单后，必须基于发现的错误，自动生成一个新的 TODO 列表，指导自己（或另一只龙虾）应该如何从全局角度进一步优化这篇 Draft，而不仅仅是停留在局部修改。 最后output： * 错误类型: (例如：数据事实错误/术语不一致/逻辑遗漏) * Draft 原文: [...] * Thesis Raw 原文 (Ground Truth): [...] * 修改建议: [...] * 新提炼的校验规则 (拟加入 Checklist): [...] 2）在与龙虾对话结束后，如你意识到可以将这部分工作提炼成一个skill，可： 例如，在多轮论文校对完成后，与让龙虾回顾以上协作流程，并帮我⽣成⼀个skill，后续都用它

📜背景 欢迎来到AI搞学术第9期，这期节目从第7期提到的痛点切入——龙虾写的论文存在事实性错误，怎么高效校验？由此引出了一套完整的"自进化龙虾"方案：给龙虾设定好角色（agents.md）、工作目录、Todo 清单和自我进化规则，让它在夜间自动推进任务，第二天起来直接看结果。 讨论的核心洞察是：Skill 是使用龙虾的分水岭。它本质上是记忆和准则的高级结合体——重复做的事情提炼成技能，该怎么做提炼成准则。龙虾的独立工作目录特性让每只龙虾可以配备专属 Skill，这是对比旧式 Agent（共享目录）的重大优势。 在多 Agent 协作方面，两种方式各有优劣：一个群内用 Sub-agent 更省心（甩手掌柜），拉多个群则控制力更强。底层原理是龙虾的 Gateway 层统一处理所有消息来源（飞书、定时任务、Agent 间通信），前提是在同一台机器的同一个进程内。 最后落回实操建议：先用审稿龙虾找出所有事实性错误，人工确认后得到"无错误版本"，再在此基础上润色优化。过程中把学到的技巧包装成 Skill，就能复用到后续所有实验章节。 ⏳ 时间轴 00:00 衔接第七期：论文有事实性错误，搭建自进化龙虾来做自动校审 03:06 写稿人与审稿人分离：为什么不能自己审自己，以及 Skill 合集的实战选用 08:27 Skill 是使用龙虾的分水岭——它到底是什么，为什么这么重要 13:19 Sub-agent vs 拉多个群：多 Agent 协作的两种方式与 Gateway 架构解析 20:32 回到实战：用自进化流程做论文事实校验，再把经验包装成 Skill 复用 23:55 总结：最关键的是开始学会包装你的第一个 Skill 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com

📜背景 这是一期番外篇，专门回应大家最常问的问题——龙虾（OpenClaw）到底怎么安装？安全吗？会不会偷密码删文件？本集我们将拆解本地部署与云端部署的优劣、安全风险的真相、模型和套餐怎么选最划算，以及为什么我们仍然强烈推荐你现在就用起来。 我们发现身边很多同学和听众还停留在对龙虾的"观望阶段"——担心安全、嫌安装麻烦、不确定值不值得花钱买token。于是我们决定做一期番外，把安装路径、安全机制和费用逻辑一次讲透。 核心要点包括：(1) 本地部署虽然能操控电脑，但龙虾本身全由AI编写（Vibe Coding），代码不够严谨，安全漏洞频出，强烈建议不要用主力电脑；(2) 云端部署（腾讯Lighthouse、Kimi Cloud、WorkBuddy等）是新手最安全省心的选择，即使出问题也拿不到你的本地数据；(3) 模型选择上，学术长程任务推荐直接上Claude Opus，日常体验用国产模型（GLM、Kimi等，几百块包年）完全够用；(4) 通讯软件推荐飞书（官方已支持OpenClaw Lark），配置机器人而非个人账号，权限可控。 AI时代，我们鼓励大家不再观望——下载一个大厂的OpenClaw客户端，即可基本保证安全又可薅一波免费额度，先用起来再说。用着用着你会发现新大陆。 ⏳ 时间轴 00:00 开场引入：龙虾怎么装、安不安全——大家最常问的两个问题 03:15 安装后的关键配置：模型选择（Kimi/GLM/MiniMax）与通讯软件（飞书/钉钉）接入 09:11 本地 vs 云端部署：权限差异、隐私风险，以及为什么不要拿主力电脑冒险 15:35 有趣的行业变迁：码农不写代码了，OpenClaw创始人语音编程到失声 22:03 龙虾能做私人助理吗？权限机制与机器人授权原理解析 27:10 模型怎么选最值？学术长程任务推荐Opus，日常体验国产模型足矣 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com

📜背景 本期是「用AI搞学术」系列的第七期。上期发现龙虾写的第一稿质量不达标后，主播做了两件关键调整：一是换用了 Claude Opus 4.6 模型（比之前的 Claude Sonnet 强很多），二是让龙虾精读了三篇强相关的参考文献后再写作。结果第二版初稿质量显著提升——行文有学术范儿、术语偏差大幅改善。 但新问题随之而来：龙虾在改写过程中会篡改事实细节（如把被试参与实验为了"获取被试费"写成"获取课程学分"），这是大模型的幻觉通病。本期核心就是讨论如何系统性地解决这个问题。 基础做法是把原文和翻译按逻辑链路结构化、建成索引表做逐段对比；进阶做法是用 Skill Creator 创建一个自进化的校验 Skill，每发现新错误就自动更新检查清单；最高级做法是把校验 Skill 挂到定时任务上全自动运行。此外还讨论了 Opus 与 Sonnet 的价格和能力对比、sub agent 机制、以及龙虾重启后如何通过 agents.md 快速恢复上下文。 ⏳ 时间轴 00:00 回顾上期结论与新龙虾搭建：换平台、喂三篇参考文献后重新开写 04:52 质量飞跃与新问题：行文学术感提升，但事实性内容仍有编造 07:06 模型选择的巨大影响：Opus 4.6 vs Sonnet，自主性与能力不在一个量级 09:40 核心方法论：结构化拆解 + 索引表对比，让龙虾逐段做事实校验 16:18 进阶方案：自进化校验 Skill + 定时任务，挂着不管自动优化论文 25:04 龙虾重启后如何恢复记忆：读 agents.md + 概览文档，按需加载材料 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com

📜背景 这是一档由文科生和AI算法工程师共同主持的实战播客。本期是一次"真诚的打脸"——当龙虾把第一个实验写完后，主播发现行文用词浅显、专业术语翻译不准、整体水准不佳。于是暂停了自动化流程，和搭档深入讨论了两条提升路径：一是用 Skill Creator 创建自定义写作 Skill（通过喂核心参考文献、提炼文风、关键术语、实验范式等）；二是先自己动手改好第一章作为"打样"，再让龙虾参照着写。后半段还聊了换平台的额度管理和龙虾迁移成本——其实拷贝一个文件夹就搞定。适合所有对 AI 龙虾写论文抱有期待又踩过坑的朋友。 ⏳ 时间轴 00:00 开场回顾与自动化工作"打脸"：龙虾写的第一个实验质量不及预期 01:14 三大问题：行文浅显、术语偏差、整体水准不达标 03:55 搭档解析：大模型写作水平是"平均值"，如何用 Skill 激活学术写作能力 06:34 自定义 Skill 实操：Skill Creator、reference 目录与按章节拆分写作 Skill 09:15 两种培养策略对比："熟练工带实习生" vs "丢资料让它自学" 14:21 换平台与龙虾迁移：额度打爆怎么办？拷贝文件夹即可无缝迁移 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com

📜背景 本期我们聚焦一个关键能力——定时任务：如何让龙虾（OpenClaw）不再依赖你一轮一轮的对话驱动，而是自动持续地帮你把论文的每一个板块/章节全部写完？ 我们从自动化写作的三步法（制定Workflow、设定自主性原则、配置定时任务）讲起，深入讨论了龙虾内置定时任务 vs 系统 Crontab 的区别、定时任务独立 Session 的运行机制、凌晨4点重置是否影响定时任务、以及"工作留痕"的重要性。最后还聊了定时任务配置文件被改挂的踩坑经验。短小精悍的一期，适合所有想让AI帮你"自动打工"的朋友。 ⏳ 时间轴 00:00 开场回顾：龙虾已写出第一个实验，接下来五个怎么自动化完成？ 01:55 自动化写作三步法：制定 Workflow → 设定自主性原则 → 配置定时任务 04:01 定时任务怎么配？龙虾内置任务 vs 系统 Crontab 的区别与避坑 06:11 进阶用法：把翻译、多轮审阅、校验全写进 Checklist，一觉醒来全搞定 09:32 龙虾凌晨4点重置会影响定时任务吗？聊聊独立 Session 的运行机制 13:40 踩坑提醒：配置文件被改挂的风险 & 定时任务的真正价值在于7×24运行 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com

📝 背景 这是一档由写论文的社科生和AI工程师共同主持的播客。本期我们继续聊使用OpenClaw论文改写的实战过程，从 Superpowers Skills 的安装讲起，聊了 Brainstorm 过程中的七个核心提问、论文写作顺序的纠偏（先写 Method！）、为什么不需要先翻译再改写，以及第一份 Word 产出的惊喜体验。 本集后半段我们深入探讨了龙虾的记忆系统、为什么龙虾与龙虾的角色要互相分离，以及如何打造"龙虾军团"实现写稿人与审稿人的自动协作，适合所有想用 AI 辅助学术写作的朋友。 ⏳ 时间轴 00:00 开场介绍：一个文科生和一个AI工程师的播客 00:59 安装 Superpowers Skills 踩坑：云端环境的网络限制 01:55 手动安装的保底方案：GitHub 下载 ZIP 包，拖入工作目录 03:02 什么是龙虾的「工作目录」？本地 vs 云端的区别 04:18 安全警告：安装 Skills 前一定要做安全扫描 05:26 安装完成后的第一步：生成论文的全局理解大纲 06:17 调用 Brainstorm Skill：让龙虾一个一个问你问题 07:28 七个核心问题详解：投哪个杂志？最大的不确定性是什么？ 12:36 纠正写作顺序：先写 Method，不要先写 Introduction 15:09 第一份产出亮相：实验一的 Method（Word 文档，APA 格式） 16:18 龙虾每天凌晨4点重置？聊聊记忆清空的问题 17:22 深入解析龙虾的记忆系统：上下文、文件、Memory.md、Soul.md 20:31 关键操作：每一步都要把结论写到 agents.md 中 23:00 为什么每一步都要承载文档？工作目录索引的妙用 24:46 角色分离的重要性：写稿人和审稿人不能是同一只龙虾 26:33打造龙虾军团——Planning、写作、审稿各司其职 31:57 本期四大要点总结 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com

📜背景 欢迎收听《用AI搞学术》第三期！在上两期，我们成功让 OpenClaw（龙虾）通过逐章阅读，深入理解了博士论文，并为它建立了结构化的目录。 现在，我们的论文投稿项目来到了一个关键的节点：面对庞大的中文原稿，基于投稿而改写时我们下一步该做什么？是先让 AI 逐字翻译成英文，还是先重点改写每一个实验的methors和results部分？还是先做投稿论文结构的脑暴？本期节目，AI工程师给出了一个极其省力的答案：“为什么不让 AI 帮你做决定？” 我们将用 GitHub 上9万 Star 的开源技能（Skill）—— Using-Superpowers。（https://github.com/obra/superpowers）本集播客将带你了解什么是大模型的“Skill”，它与普通的 Prompt 有什么区别；更重要的是，你将学到一个高级的 AI 使用思维：不再自己去到处搜教程安装插件，而是直接给 AI 下指令，让它自己去外网搜索、下载并配置好所需的技能。 和很多主流观点一样，我们从“人类做计划，AI 来执行”，进阶到“AI 提选项，人类做决策”。准备好体验这种大幅降低心智负担的科研工作流了吗？点击收听本期实战指南。 ⏳ 播客框架（时间点后补） * 00:00 前情回顾与新疑问：论文已经按章节“喂”给 AI 并建好目录了，下一步是逐字翻译，还是先做整体重构计划？ * 00:00 引入外挂技能（Skill）：算法工程师强烈推荐——用Github九万星的开源项目Superpowers Skill 进行“头脑风暴（Brainstorming）”。 * 00:00 版本控制的痛点：当 AI 开始改稿，旧文件被覆盖怎么办？（引入 Current 目录与归档 v1/v2 的管理逻辑）。 * 00:00 去哪下载、怎么安装 Skill？：不用自己去小红书搜教程！教你如何用一句话，让 OpenClaw 自己去 GitHub 搜索、排雷并安装插件。 * 00:00 什么是 Skill（技能）？：从早期的 Prompt Engineering 到 Context Engineering，揭秘 Skill 到底比普通提示词强在哪里（附带运行脚本与确定性约束）。 * 00:00 实操演示：如何在龙虾中使用 Superpower？：不用记长长的名字，直接对龙虾说“用头脑风暴 skill 讨论一下”，看 AI 如何通过“不断追问”帮你把模糊的需求变成具体的 Plan。 * 00:00 思维的范式转移：从“我做计划让 AI 执行”到“AI 给选项我来做决定”，把费脑子的事情全都外包给大模型。 * 00:00 片尾互动与下期预告：欢迎加入听友群！下期将分享博主使用头脑风暴 Skill 后的真实反馈与产出。 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com 📝备注 Superpowers Skill Github页面：

📜背景 欢迎来到《用AI搞学术》第二期！上期我们明确了“别把长文本论文一次性喂给AI”，这期我们将深入聊具体如何投喂长文本论文的每一步。 我们在用AI 辅助长文本的论文写作工作时，常会遇到一个问题：AI 读着读着就忘了前面，或者把很多需求和背景信息混在一起，从而失智。本期节目，文科生将分享她如何先让Gemini “套娃式”问自己，从而先写出精准的Prompt，再一步步让龙虾分章读完论文；而AI算法工程师将从底层逻辑出发，拆解为什么要给龙虾（等Agent） 建立严密的“树状目录结构”。 我们还会深入探讨 ChatGPT/Gemini 这类传统 Chatbot 与 OpenClaw 这类专属 Agent 在“记忆机制”上的本质区别。你会学到如何像公司管理者一样，用 agent.md 给你的 AI 员工立规矩，甚至雇佣一个“AI 安全管家”来管理复杂的技能（Skills）。准备好给你的 AI 助理做一次升级了吗？欢迎收听本集实战指南！ ⏳ 时间轴 * 00:00 开场与实战回顾：文科生分享实操经验——先用 Gemini “套娃”生成高阶 Prompt，赋予 OpenClaw 目标顶刊审稿人的人设。 * 00:00 逐章阅读的“阅读理解三板斧”：核心逻辑提取、关键变量/机制记录、逻辑连贯性检查。 * 00:00 为什么要给 AI 建目录？：别让 AI 的桌面一团糟！结构化输入能大幅节省 Token，把 AI 的“智力”留给思考，而不是用来找文件。 * 00:00 手把手教你建结构：Docs 根目录 -> 论文专属名 -> 解读/翻译/草稿等子文件夹，标准配置大公开。 * 00:00 防跑偏的“三层保护机制”： 基础防护：在 agent.md 中写死工作准则； 人工抽查：随时让它展示当前目录层级； 终极防御：写个自动校验脚本（Skill），把 AI 关进确定性的笼子。 * 00:00 进阶玩法：技能（Skills）分享与管理：去哪里下载好用的外挂技能？教你创建一个“AI 技能研究员”，专门负责排雷和测试。 * 00:00 Chatbot vs. Agent：大模型记忆底层的残酷真相：为什么 ChatGPT 聊久了会精分，而龙虾可以长期专注？揭秘全局记忆与“角色专属遗忘曲线”的区别。 * 00:00 来自算法工程师的灵魂建议：为什么复杂的结构化任务，一定要在预算内选用最聪明、最强大的底座模型？ * 00:00 下期预告：目录建好了，论文读懂了，下一步如何调用 Superpower 技能与 AI 展开深度头脑风暴？ 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com

欢迎来到《用AI搞学术》的第一期节目！ 📜背景 字数很长的论文怎么喂给AI理解？第一步：千万别一次性发给它！ 作为一档致力于探索与AI协作做研究的实战类播客，我们将以真实项目为主线——将一篇8 万字的中文毕业论文，重构并改写为顶级英文期刊标准的学术文章。 很多人在尝试用 AI 辅助科研时，第一步就踩了坑：直接把整篇长文甩给大模型，结果导致 AI 频繁“失忆”甚至胡言乱语。本期节目中，AI算法工程师将手把手教你：如何专业的管理龙虾，包含建立专属任务的隔离环境，到利用 agent.md 锁定模型的工作记忆，帮你彻底打破大模型的上下文限制，开启高效的科研工作流。 ⏳时间轴 * 00:00:01 🎙️ 开场：当社科毕业生遇上AI算法工程师，8万字中文毕业论文如何用 AI 辅助改写投递英文顶刊？ * 00:01:50 🚫 核心避坑指南：为什么千万别把整篇长论文一次性全发给 AI？（揭秘大模型的“上下文限制”与失忆痛点） * 00:02:22 💡 破局工作流：像程序员重构代码一样拆解论文！教你让 AI“逐章精读”并生成全局架构图 * 00:04:15 🛠️ 驯服 AI 第一步：拒绝混乱，从为你的学术项目建立一个专属的“隔离群聊”开始 * 00:05:28 📁 云端结构化管理：别让 AI 乱存文件！如何指导大模型建立规范的“树状目录”（如原文库、翻译库、附件库） * 00:06:41 📜 硬核概念解析：agents.md 是什么？——手把手教你给大模型写一份它永远不会忘的“员工行为准则” * 00:10:19 🧠 AI 的隐秘工作机制：大模型在每次回答你之前，是如何像小学生一样自动检查“出门清单”的？ * 00:11:33 🔍 防幻觉终极校验法：AI 说它记住了，它就真的记住了吗？教你用极简的 cat 命令行强制打假！ * 00:13:59 🏢 高阶 Agent 管理术：像运营公司一样管理你的 AI 团队，确保各路龙虾“专职专责”、记忆互不串流 * 00:15:29 📝 本期实操大总结 & 下期预告：论文骨架理清后，如何调用 Superpower 技能模块与 AI 展开深度头脑风暴？ 🧍‍♂️联系我们 微信听友群：加13826477686微信进群 听众反馈：514634244@qq.com