【2026年版】我的AI Agent科研工作流：一个苦涩的教训

可以，但是 =不推荐=。

原因有二。其一，科研的快乐来自于 想象一件事，然后实现它 。如果连idea都是LLM给的，科研本身的意义就坍塌了。

其二，更致命的问题在于：LLM在创意上是高度 同质的（homomorphic） 。如果你让LLM从零构思一个新idea，它会非常高效地产出一些和现有工作高度相似的方案。一种prompt的平庸性（banality），会导致相似的论文。

正确的做法是：

1. 不要直接问LLM要idea。
2. 不要给LLM一大堆论文然后让它想一个新idea。
3. 正确的方式是：与LLM讨论。把LLM当成一个 非常专业但很久没读论文的研究者 ，与它讨论一个你已有的idea方向，让它帮你发展这个idea。

如果你这样使用LLM，它在idea thinking上的能力可以超过大多数研究者。

当然，也可以让LLM帮你脑暴。比如问它：="废旧机械键盘帽的可能用途"=。但这是在帮你打开思维，而不是替代你的创意。

完全可以。甚至比我做得更好。

除非你生活在一个非常稳定的学术领域（即相关工作的增量很少），否则LLM做literature review的能力远超人类专家。原因是：LLM可以快速消化海量信息，而人类会受到阅读速度和记忆容量的限制。

但有一个关键前提：=Web search is vital!!!=

把LLM当成一个：=9个月没读论文但非常专业且比你强的研究者=。它需要重新接入学术网络，更新自己的知识库。

需要注意Citation Hallucination的问题。但如前所述，这本质上是把Agent当机器看待的思维陷阱——一个人被要求背诵citation也会出错，所以这不是Agent的缺陷，而是使用方式的问题。

完全可以。Coding agent =远比我可靠=。

为什么必须使用vibe coding和coding agent？三个理由：

1. 它可以比你自己更准确地实现你的想法：=It can more accurately implement your idea than yourself.=
2. 快：=It is fast.=
3. 学术代码仓库不需要重型维护（maintenance）：=Academic code repository does not need heavy maintenance.=

我自己的数据：

但这不是说你完全不需要看代码。=Review the Code=仍然是有必要的。相关思考见：https://larsfaye.com/articles/agentic-coding-is-a-trap

一些关键概念：

• Harness Engineering
• Spec Driven Development (SDD)
• 各种技巧（OMO, SP, GM…）
• 工具：CodeGraph

但即使是这样，我最终认为SDD也不是Agentic coding的最终答案。原因在下文详述。

直接用。效果远好于大多数专家。

但仍然需要 =Review the Proof=。

目前只能使用GPT-Image 2。

方法很简单：把tex文件直接发给它。比如发method.tex获取方法框架图，发intro.tex或threat model section获取场景图。然后手动重绘，或者让它生成draw.io代码，或者其他方式。

注意Anti-AI themes的问题。

• Latex Repository（始终私有）
• Code Repository（可切换为公开）
• 使用 git 管理一切
• Specification——非常重要

这是我的AGENTS.md的核心内容。它定义了我与Agent交互的基本规则：

Call me 团长。

Rule 1: Disagree when you disagree. 我知道你想保持礼貌，但coding是一项困难且危险的工作，核心原则是写出准确的代码。所以如果我的前提是错误的，直接指出来。

Rule 2: 永远不要捏造。对于你不确定的事情，通过阅读文件、运行命令或web search来寻找更多信息。如果这些策略都无法工作，就说 "No evidence to show…" 或者 "I do not know that."

Rule 3: Stop when confused. 我（用户）给你的指令不清晰或混乱是很常见的。直接问我，让我们一起讨论！需要量化的东西，告诉我。永远不要保持沉默然后继续。

Rule 4: Minimal code changes. 永远不要修改与当前任务无关的代码。不做drive-by refactors和reformatting，除非我明确告诉你。这是Karpathy's Observation的应用。

Rule 5: When planning, grilling me. Interview me relentlessly about every aspect of this plan until we reach a shared understanding. Walk down each branch of the design tree, resolving dependencies between decisions one-by-one. For each question, provide your recommended answer. 每次只问一个问题。如果某个问题可以通过探索codebase来回答，就探索codebase。这就是 =The Grilling-me skill=。参考：Workflow for AI Coding (YouTube)

Rule 6: 每5轮对话后，用org-mode格式简要记录我们的讨论到 =./records/[Task].org=。

Rule 7: 当你发现某个话题/中心点在我们的讨论中完成时，检查整个roadmap并为下一阶段的多轮grilling提供一些新方向。

关于代码撰写，需要认识到 =Paradox of Supervision=：越想让Agent写得快，就越需要人类的监督；但越监督，就越失去了Agent带来的速度优势。参考：https://larsfaye.com/articles/agentic-coding-is-a-trap 以及Anthropic的研究：https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic#and-less-hands-on-practice

关于论文写作的额外规则：

• Always Latex format. No markdown.
• Use $$ or \begin{...}\end{...} for math notation. Never use \(\).
• Never use terms like solely, leverage, delve into, tapestry, furthermore.
• NEVER use em dash (—), double em dash (——), and ";" in paper writing.
• Never \textbf{} the first point when in an enumerate environment.
• 写作要符合AI论文或者安全论文的投稿风格。如果不知道具体投什么，说明grill me不够。
• 别用缩写。比如it's, 必须是 =it is=。
• 少用's。比如 XXXX's performance 应该替换为 =the performance of XXXX=。
• 注意上下文已有的缩写。像LLM这种如果之前已经详写过Large Language Models，就不要再重新写了。
• 保留团长所进行的任何格式调整。

流程：

1. 撰写初始研究计划（Initial Research Plan）
2. 与AI讨论，让它做文献调研（Literature Review），并对所有细节和难点grill me
3. 生成新的研究计划（New Research Plan）
4. 执行新计划

• tmux 用于后台运行
• Spec 用于质量保证
• Human Review 通过 git diff 进行
• git 用于备份
• 终端工具推荐：Ghostty, zellij

以下事情 =全部交给AI=：

• 不要自己编译
• 不要自己做格式调整
• 不要自己手动检查参考文献
• 不要自己读call for papers
• 不要自己切换模板
• 不要自己检查typos
• 不要自己检查warning/errors

这些全部交给AI。人类只做一件事：审阅和决策。

当你使用高度蒸馏模型或小模型时，英文prompt的效果显著优于中文。

参考论文："Yes, My LoRD." Guiding Language Model Extraction with Locality Reinforced Distillation. https://aclanthology.org/2025.acl-long.73.pdf

• 使用 /new, /fork, /tree 等功能管理context
• 除非必要，不要引入任何新的skills
• 保持AGENTS.md和其他配置文件简短

Context management is all you need。

当论文的边际成本趋近于零时，会有几个后果：

• Ads（宣传）> acceptance（接受）
• Exports (toolkits, packages, benchmarks) > a method（方法本身）
• 回到原点：Research is to re-search. 研究的本质是不断重新探索。

当论文量产化之后，AI会议的评审功能会萎缩，取而代之的是分享和交流功能。会议不再是一个筛选机制，而是一个聚集机制。