Part 1 概述：AI 工具全景🔗
关键词： 人工智能, 大语言模型, 生产力工具, 科研效率
难度： ⭐
预计阅读时间： 10 分钟
最后更新： 2026-04-09
本章导读🔗
2022 年底 ChatGPT 横空出世以来，AI 工具在短短三年间经历了爆炸式的发展。对于科研人员而言，AI 已经不再是一个遥远的概念——它就在你的浏览器标签页里，就在你的编辑器侧边栏里，就在你处理数据的每一行代码背后。
本章为 Part 1 的总览。我们将快速梳理当前 AI 工具的生态全景，帮助你建立一个"工具箱"的概念：不同的任务应该选择不同的工具，没有一个模型能解决所有问题。 读完本章，你会对后续各章节的内容有一个清晰的预期。
1. 当前 AI 工具全景图🔗
从科研人员的日常工作出发，我们可以把当前的 AI 工具分为以下几大类：
1.1 对话式大语言模型🔗
这是目前最"出圈"的 AI 工具类别。你可以把它理解为一个通晓百科、能写能算的"万能助手"。
| 工具 | 开发者 | 核心优势 | 访问方式 |
|---|---|---|---|
| ChatGPT（GPT-5.x 系列 / 推理模式） | OpenAI | 综合能力强，生态最完善，搜索与深度研究能力成熟 | 网页 / APP / API |
| Claude（Sonnet 4.6 / Opus 4.6） | Anthropic | 长文本处理、代码能力出色、逻辑严谨 | 网页 / API |
| Gemini (3 Pro / 3 Flash) | 多模态能力强、免费额度大方 | 网页 / API | |
| DeepSeek (V3 / R1) | 深度求索 | 开源、推理能力强、国内直接访问 | 网页 / API / 本地部署 |
| Qwen (Qwen3) | 阿里云 | 开源、中文能力优秀 | 网页 / API / 本地部署 |
| Kimi (k2) | 月之暗面 | 超长上下文、国内直接访问 | 网页 / APP |
关键认知： 这些产品的具体模型名和套餐经常变化，书中会尽量使用 2026-04 仍成立的描述：ChatGPT 和 Claude 在综合能力上持续领先，Gemini 在超长上下文和 Google 生态整合上有优势，国产开源模型（Qwen、DeepSeek 等）在本地部署和中文场景中可作为补充选择。详见第 01-04 章。
1.2 编程辅助工具🔗
对于需要写代码的科研人员（数据处理、画图、模拟脚本），AI 编程助手能极大地提升效率。
| 工具 | 集成环境 | 特点 |
|---|---|---|
| GitHub Copilot | VS Code / JetBrains | 最成熟的 AI 编程助手之一，支持 Chat、多模型与 coding agent |
| Claude Code | 终端 (CLI) | Anthropic 出品，当前最强终端级 coding agent 之一，自主完成复杂编程任务 |
| Codex CLI | 终端 (CLI) | OpenAI 出品，开源终端级 coding agent，支持沙盒隔离 |
| Cursor | 独立 IDE（基于 VS Code） | 为 AI 编程专门设计，交互体验优秀 |
| Windsurf | 独立 IDE | 已被 OpenAI 收购，注重代码上下文理解 |
| Cline / Aider | VS Code 插件 / CLI | 开源方案，可自选后端模型 |
关键认知： 如果你还在手动一行行写 Python 脚本，强烈建议尝试"Vibe Coding"模式。IDE 内推荐 VS Code + Copilot（详见第 07 章），终端环境推荐 Claude Code 或 Codex CLI——后者尤其适合在服务器上使用。
1.3 文档处理与 OCR🔗
科研中经常需要处理大量 PDF 文献、扫描文档、截图中的表格或公式。
| 工具 | 类型 | 特点 |
|---|---|---|
| MinerU | 开源 PDF 解析 | 学术 PDF 转 Markdown，保留公式和表格 |
| Marker | 开源 PDF 解析 | 速度快、支持多语言 |
| GOT-OCR 2.0 | 开源 OCR | 端到端 OCR，支持公式、乐谱等 |
| Surya | 开源 OCR | 轻量、支持 90+ 语言 |
| PaddleOCR | 开源 OCR | 百度出品，中文识别优秀 |
| Nougat | 学术 PDF OCR | Meta 出品，专注学术论文 PDF 解析 |
| Mathpix | 商业 OCR | 数学公式识别标杆 |
关键认知： 2024-2025 年开源 OCR 模型进步显著，很多场景已不输商业方案。详见第 06 章。
1.4 文献阅读与学术写作辅助🔗
| 工具 | 用途 |
|---|---|
| 大模型直接对话 | 翻译、润色、摘要、改写 |
| ChatPDF / Elicit | 上传论文后进行问答 |
| Connected Papers | 文献关系可视化 |
| Semantic Scholar | AI 驱动的文献检索 |
| DeepL | 高质量翻译 |
| Grammarly | 英文语法检查 |
1.5 数据分析与可视化🔗
你可以直接用自然语言告诉 AI 你想做什么分析、画什么图——它会帮你生成 Python/R 代码。
- 数据清洗自动化（pandas 代码生成）
- 统计分析方法选择与实现
- matplotlib / seaborn / plotly 绘图代码生成
- 期刊级别的图片格式调整
1.6 演示与科研配图🔗
| 工具 | 用途 |
|---|---|
| Gamma / Beautiful.ai | AI 自动生成 PPT |
| BioRender | 生物学机制示意图 |
| Mermaid / draw.io | 流程图、架构图 |
| AI 图像生成 (DALL-E, Midjourney) | 概念图（注：不可用于实验数据） |
2. 科研人员应该关注哪些 AI 能力🔗
并非所有 AI 能力都与你的日常工作相关。根据我们组内同学的使用经验，以下能力投入产出比最高：
2.1 第一梯队（建议所有人掌握）🔗
- 与大模型高效对话 —— 学会写好 Prompt，80% 的日常问题都能快速解决
- AI 辅助编程 —— 即使不是程序员，数据处理和画图也能事半功倍
- 文献翻译与润色 —— 极大提升英文论文的阅读和写作效率
2.2 第二梯队（按需掌握）🔗
- 文档处理与 OCR —— 需要从 PDF/图片中提取数据时非常有用
- 数据分析与可视化 —— 让 AI 生成绘图代码，省去查文档的时间
- 本地模型部署 —— 处理敏感数据或需要离线使用时的必备技能
2.3 第三梯队（进阶探索）🔗
- PPT 自动生成 —— 目前工具仍在快速迭代中
- AI Agent / 自动化工作流 —— 未来趋势，但当前仍有门槛
3. 本部分章节导航🔗
| 章节 | 内容 | 建议阅读顺序 |
|---|---|---|
| 01 大模型基础认知 | LLM 原理、Token、上下文、幻觉 | 必读 |
| 02 ChatGPT 使用指南 | ChatGPT 功能详解与 Prompt 技巧 | 必读 |
| 03 Deep Research 深度研究 | AI 驱动的系统性研究与综述写作 | 强烈推荐 |
| 04 其他主流大模型 | Claude / Gemini / 国产模型对比 | 推荐 |
| 05 AI 辅助文献阅读与写作 | 文献翻译、论文润色、学术伦理 | 必读 |
| 06 AI 辅助 OCR 与文档处理 | 开源 OCR 模型、PDF 解析 | 按需 |
| 07 VSCode Vibe Coding | VS Code + Copilot 编程教程 | 强烈推荐 |
| 08 Claude Code 终端编程 | Claude Code 终端级 AI 编程 Agent | 强烈推荐 |
| 09 AI 辅助数据分析与可视化 | 数据处理、统计、绘图 | 推荐 |
| 10 AI 辅助 PPT 与图表制作 | 演示文稿与科研配图 | 按需 |
| 11 AI 生图与科研配图 | Gemini/GPT Image/FLUX 科研绘图 | 推荐 |
| 12 AI 视频生成与科研动画 | 可灵/Sora/Runway 科研动画 | 按需 |
| 13 本地部署与隐私安全 | Ollama 本地部署、数据隐私 | 推荐 |
| 14 常见问题与避坑指南 | FAQ 与经验汇总 | 随时查阅 |
阅读建议： 如果你是完全的新手，建议按顺序从 01 读到 08；如果你已经有一定基础，可以直接跳到感兴趣的章节。
本章小结🔗
- ✅ AI 工具生态已经非常丰富，涵盖对话、编程、文档、写作、数据分析等多个领域
- ✅ 没有"万能模型"——不同任务选择不同的工具，效果更好
- ✅ 科研人员优先掌握：大模型对话、AI 辅助编程、文献翻译润色
- ✅ AI 工具快速迭代中，保持学习和尝试的习惯很重要
- ✅ 始终记住：AI 是助手，不是替代品——最终的判断和把关需要你自己
延伸阅读🔗
- State of AI Report 2025（2026-04 访问）
- Awesome LLM — GitHub 上最全的 LLM 资源汇总
- There's An AI For That — AI 工具搜索引擎