跳到主要内容

智能体系统介绍

智能体不是“更会聊天”的 AI，而是能围绕一个目标持续推进工作的 AI 系统。它可以读取项目文件、理解任务、调用工具、修改文件、运行命令、检查结果，并根据错误继续修正。

这组文档面向第一次接触 Claude Code、Codex 和本地 AI 工作流的组内成员。它不只讨论写代码，也讨论文献综述、摘要改写、批量数据处理、批量出图、PPT/HTML 讲义、课程材料和自动化检查。

这组文档适合谁​

  • 从来没有用过命令行、Git 或 Python 的同学。
  • 已经会用 ChatGPT / DeepSeek，但不知道如何让 AI 处理本地文件的人。
  • 想把论文、实验数据、图片和草稿整理成可交付材料的人。
  • 需要批量清洗数据、画图、生成汇总表或写脚本的人。
  • 想把重复科研流程沉淀成模板、脚本或 skill 的人。

推荐阅读顺序​

  1. 概念与零基础上手：先理解智能体到底和普通聊天有什么区别。
  2. 安装与工具选择：了解 Claude Code、Codex、DeepSeek 分别适合什么场景。
  3. 科研应用场景：看它能如何参与文献、写作、教学、代码和项目整理。
  4. 批量数据处理与作图：看最适合放大效率的数据任务。
  5. 案例：免疫荧光图像分析：看一个真实的 E. coli 免疫荧光批量分析案例。
  6. 工作流与安全边界：学习如何把任务交代清楚，并避免引用、数据和权限风险。

一句话理解​

普通 AI 像“只会给建议的人”；智能体像“坐在电脑前能帮你干活的人”。它可以打开文件、读内容、写新文件、运行程序、看结果，再根据结果继续修改。

最适合先尝试的任务​

刚开始不要把整个课题文件夹扔给智能体。推荐从一个边界清楚、结果容易检查的小任务开始：

  • 把一批论文整理成文献矩阵。
  • 把一份实验数据表清洗成标准格式。
  • 把 ImageJ 导出的结果按样本和分组汇总。
  • 根据已有草稿生成一版更清楚的 Markdown 或 HTML 讲义。
  • 给已有 Python 脚本添加注释、修复报错、输出图表。
提示

智能体越能访问文件，越需要你把任务范围说清楚。最好在当前任务的最低级目录里启动，而不是在总课题目录里让它到处找材料。