在人工智能快速重塑科研范式的背景下，大语言模型、Agent系统与自动化科研工作流，正在深刻改变文献阅读、代码开发、数据分析、论文写作与科研协作的底层方式。面对模型快速迭代、工具形态持续演进的新局面，科研人员亟需从“会使用AI”进一步升级到“会配置AI、会组织AI、会让 AI参与科研工作流”，真正建立面向长期研究任务的个人智能科研系统。

   为帮助广大科研人员、高校教师、研究生及高端知识工作者系统掌握OpenClaw及同类Agent工具在科研中的应用方法，拟举办“OpenClaw科研Agent与Vibe Coding两天实战营”。本次课程以 OpenClaw为主线，系统讲解配置部署、模型接入、Token 选择、国产模型对比、大模型本地部署、数据云端存储、快速云端数据下载、数据可视化、Vibe Coding、Agent编程工具选型、SKILL 封装、MCP 扩展与多模型论文写作自动化等核心内容。

   特别强调“养龙虾式科研助手养成”思路，即把AI从一次性对话工具，逐步培养成懂你的课题、目录、规则、写作风格和科研流程的长期助手，最终形成一套可以持续进化的个人科研工作台。

【交付成果】：

1.一个已完成基础配置的OpenClaw科研环境

2.一份《科研任务-模型-Token选型卡》

3.一份《本地大模型部署与接入说明卡》

4.一份《科研Agent编程工具对比表》

5.两个科研Skill初稿

6.一份《科研MCP接入蓝图》

7.一份《科研云端数据管理与下载流程模板》

8.一套个人多模型论文写作自动化流程图

9.一份《个人OpenClaw科研助手搭建方案》

10.一份《NotebookLM、Claude Code、Obsidian的知识工作流》 

1.以真实科研任务为牵引，不停留在空泛概念介绍

2.强调OpenClaw、Agent工具和多模型系统在科研场景中的可落地性

3.将模型配置、编程、写作、数据处理与知识管理打通为统一工作流

4.同时覆盖本地部署与云端协同两类科研使用路径

5.每个模块尽量形成明确案例、模板或流程产出，便于后期复用  

目标：

1. 独立完成 OpenClaw、Hermes 的安装、配置、模型接入与基础使用。相对于Openclaw，Hermes具有自我成长的功能。

2. 理解 Token、上下文窗口、调用成本与模型能力边界

3. 掌握比较并选择不同大模型，尤其是 DeepSeek 、Qwen、Chatgpt、Opus、Gemma4、Kimi、GLM、Minimax

4. 掌握开源大模型本地部署的基本路径，如 Ollama的适用场景，Ollama本地部署Gemma4和Qwen3.5后运行Claude，保存本地数据隐私性。Openclaw、Codex、Claude Code运行本地大模型

5. 掌握建立科研数据的云端存储、快速下载与版本化管理流程

6. 掌握 Vibe Coding 在科研编程中的正确工作方法

7. 掌握用 Agent 完成科研数据可视化与结果解释

8. 掌握使用 Cursor、VS Code、Codex、Claude Code 完成科研代码任务

9. 掌握编写科研 SKILL，理解 MCP 的扩展价值

10. 设计一套属于自己的多模型论文写作自动化工作流

11.掌握一套从NotebookLM、Claude Code、Obsidian知识管理自动化工作流（无论是老师还是学生都可以复现MIT研究生48小时掌握一门课）

12.通过Hermes Agent生成Karpathy的LLM-Wiki的Obsidian知识库

模块一、大模型本地部署与私有科研环境搭建

1.为什么科研人员需要本地部署模型

2.Ollama的特点与选型

3.本地部署的硬件、显存、量化与速度认知

4.本地模型与云端模型如何协作

5.隐私数据、本地文献和课题资料的安全使用边界

案例与产出：

案例：部署一个本地中文/代码模型并接入OpenClaw

产出：《本地大模型部署与接入说明卡》

模块二、大模型选型、Token理解与国产模型对比

1.什么是Token、上下文窗口、输入输出成本

2.如何按任务长度、预算和精度选择模型

3.科研场景中的模型分工：检索、总结、写作、编程、评审

4.DeepSeek与Qwen的对比：中文、推理、代码、接入与生态

5.国际模型与国产模型如何协同使用

案例与产出：

案例：同一科研任务交给不同模型处理并比较效果

产出：《科研任务-模型-Token选型卡》

模块三、OpenClaw配置部署与科研使用入门

1.OpenClaw的定位与适合场景

2.本地安装、目录结构、模型接入、工作目录管理

3.API Key、模型路由、项目上下文管理

4.如何把OpenClaw用成长期科研助手而不是一次性聊天工具

5.“养龙虾”理念在科研中的落地方式

案例与产出：

案例：完成OpenClaw和Hermes初始化与一个科研项目目录配置

产出：一份个人OpenClaw科研环境检查清单

模块四、Vibe Coding在科研编程中的实践

1.什么是Vibe Coding

2.科研人员如何用自然语言驱动代码生成、调试和重构

3.如何清楚描述输入、输出、约束和验证标准

4.如何避免“代码能跑但结果不可靠”

5.科研编程中的验真与复现意识

案例与产出：

案例：生成一个科研数据清洗与绘图脚本并调试到可复现

产出：Vibe Coding科研提示词模板+代码验真清单

模块五、Cursor、VS Code、Codex、Claude Code等Agent工具对比

1.Cursor的定位与优势

2.VS Code的科研工作流兼容性

3.Codex的终端协作与文件级执行能力

4.Claude Code的长上下文与重构能力

5.如何按科研任务类型选择合适的Agent编程工具

案例与产出：

案例：同一代码任务分别用不同Agent工具演示

产出：《科研 Agent 编程工具对比表》

模块六、SKILL封装，让常用科研动作可复用

1.什么是SKILL，为什么它是科研提效关键

2.如何把提示词、规则、模板和流程封装成Skill

3.适合科研封装的Skill：文献速读、审稿回复、图注生成、代码审查

4.Skill的维护与团队共享方式

案例与产出：

案例：编写“论文精读摘要”Skill和“科研绘图诊断”Skill

产出：2个科研Skill初稿

模块七、MCP扩展，让OpenClaw接入外部工具

1.什么是MCP，为什么它对Agent很关键

2.MCP与普通聊天工具的区别

3.科研常见MCP场景：文件、论文库、Zotero、Git、表格、知识库

4.Skill与MCP的协作关系

案例与产出：

案例：设计一个科研知识管理或文档处理型MCP工作流

产出：《科研MCP接入蓝图》

模块八、数据云端存储、快速下载与科研可视化

1.常见科研数据云端组织方式：网盘、对象存储、服务器目录、Git LFS

2.如何建立“云端存储+本地缓存+版本留痕”机制

3.批量下载公开科研数据与课题组共享数据的高效方法

4.用Python与Agent快速完成数据整理、可视化与图表解释

5.从原始数据到论文图的最短路径设计

案例与产出：

案例：完成一次云端数据快速下载、清洗和自动绘图流程

产出：《科研云端数据管理与下载流程模板》 + 一套可视化脚本样例

模块九、多模型论文写作自动化工作流

1.如何把论文写作拆成选题、提纲、证据整理、段落生成、润色、审稿回复等环节

2.不同模型在写作中的分工：构思、长文重写、中文润色、英文表达、批判审阅

3.文献摘要、Related Work、方法说明、图注和 Cover Letter的自动化生成思路

4.如何降低幻觉、保证引用与事实一致性

5.多模型串联下的论文写作自动化框架

案例与产出：

案例：围绕一篇真实论文，搭建“读文献-出提纲-生成初稿-批改润色-生成回复”的写作流水线

产出：《多模型论文写作自动化流程图》+ 一套论文写作提示词模板

模块十、NotebookLM,Claude Code，Obsidian自动化工作流

1.NotebookLM如何快速整理文档内容

2.Claude Code如何连接NotebookLM

3.Claude Code如何将NotebookLM的内容存储到本地Obsidian仓库

案例：掌握一套从NotebookLM、Claude Code、Obsidian的知识工作流

模块十一、综合演练与个人科研助手落地方案

1. 如何把两天内容整合为个人科研系统

2. 维护规则、Skill、知识材料和模板

3.生成一个自动更新的知识库

案例与产出：

案例：Hermes Agent生成Karpathy的LLM-wiki的Obsidian知识库

产出：《个人科研助手知识库》