AI research assistant helping with coding and data analysis Yuan Ren 2026年4月18日 近年来，大语言模型、编程智能体与自动化工具逐渐进入科研实践。它们可以协助研究者整理文献、实现代码、编排实验、汇总结果，甚至起草文稿。但这并不意味着研究过程会自然而然地变得更加严谨。恰恰相反，如果缺乏清晰的边界、评估与流程控制，AI 往往会放大原有的混乱：代码结构迅速膨胀，实验结果难以追溯，输出文件不断堆积，而研究者对项目整体状态的把握却持续下降。相关综述已经指出，大语言模型若要有效服务于科研，其前提并非“自主完成研究”，而是被置于一个与人类研究目标对齐、并配备清晰评估机制的流程之中（Zhang et al., 2025）。 本文所说的 Vibe Research 并非一个严格形式化的学术术语，而是一种实践性的工作框架。其基本原则是：研究者负责问题定义、方向判断、评估设计与结论审查，AI 则负责高频迭代、样板代码实现、局部探索与重复性劳动。本文尝试将这一框架整理为一份简洁、可执行的教程。..

2025年10月26日 10月15日，New Scholars 举办了一场网络研讨会，邀请 Stine Grodal 和 Henri Schildt 探讨如何在质性研究中使用人工智能。 以下是基于 Stine 和 Henri 的论文及其研讨会整理的《人工智能增强型质性研究最佳实践指南》。 1.0 引言：质性探究的新前沿 新的人工智能（AI）工具正在从根本上重塑知识工作的格局，为质性研究界带来了重大机遇，也带来了深刻挑战。正如法律和翻译等职业已经发生转变，我们的领域如今也站在关键的十字路口。大范围"去技能化"的风险以及肤浅的"AI 垃圾内容"的泛滥都是真实存在的威胁。然而，同样的工具也蕴含着推动新一轮理论创新的潜力。我们现在形成的实践很可能产生持久的、路径依赖的影响，既塑造我们的方法，也塑造这项技术本身的未来。这一代学者所做的选择将产生深远的影响。 对于当今的研究者而言，核心选择在于如何使用这些工具，而非是否使用。这一决定代表着一个战略性的岔路口，通向两条截然不同的道路。第一条是自动化，这条路颇具诱惑力，承诺速度与效率，但由于将研究者关键的诠释能力

2025年1月17日 在学术研究中，质性访谈是获取丰富、详尽数据的基石。然而，传统访谈方法在设计、实施和分析上都需要投入大量资源。Mimitalk 针对这些挑战，提供了一种由人工智能驱动的解决方案，在保持研究严谨性的同时简化整个访谈流程。本指南全面介绍研究者如何有效利用 Mimitalk 的各项功能。 Mimitalk 的主要优势 Mimitalk 提供四项关键功能来支持质性研究。简洁的界面使结构化访谈和半结构化访谈都易于开展，即使是初次接触数字研究工具的用户也能轻松上手。为节省时间，人工智能助手会根据你的研究目标生成相关的访谈问题。平台支持同时进行多场访谈，适用于规模较大的研究。在数据处理方面，系统提供自动转录以及多种研究数据导出选项。 实施指南 账户设置与初始配置 研究者首先访问 https://m.gaiforresearch.com 并创建账户。注册过程需要填写基本的职业信息，以及适用情况下的所属机构。完成注册后，研究者即可立即使用平台的全部功能。 访谈设计 Mimitalk 提供两种不同的访谈设计方式，以适应不同的研究方法： 半结构化访

2024年11月4日 · 更新于 2024年12月12日 访谈流程的自动化有望改变我们收集质性数据的方式，尤其是在开展大规模研究时。在本教程中，我将探讨新兴工具如何支持访谈流程的自动化，使研究者能够高效地收集用户反馈并获得洞见。本文将介绍两款各具特色的工具，它们仍处于早期开发阶段，需要谨慎实施。 第一款工具集成了语音交互，通过与参与者进行实时口头交流，为改进访谈流程提供了契机。该系统即 GitHub 上的 Automated Interview AI 项目，它利用 Twilio Voice 和 OpenAI 的 Realtime API，实现由人工智能主持的电话对话。研究者可以向参与者发起电话呼叫，在通话过程中，人工智能可以使用预设问题和动态问题开展访谈。该工具通过建立双向连接，使人工智能能够实时聆听并回应参与者的输入，从而实现自然的对话流程。 Interview AI 系统的技术配置涉及几个关键步骤，包括配置 Twilio 账户、购买具备语音功能的电话号码，以及设置 ngrok 等隧道工具，以便在开发和测试时将本地服务器暴露到公网。人工智能对话

2024年11月3日 设想你正在尝试将数千条关于某款产品的评论归纳为若干主要主题。传统上，研究者要么必须人工通读全部内容（耗时且昂贵），要么使用常常忽略重要语境的老式计算机程序。OSF 上的一篇新预印本表明，GPT-4、Claude 和 Gemini 等现代人工智能系统能够有效完成这项工作，尤其是在处理短文本时。 研究者开展了两项有趣的实验： 研究一：聊天机器人感知研究 收集了 199 人关于"是什么让聊天机器人显得像人"的回答 比较了三种不同的回答分析方式：人工分析（由一名研究助理通读全部内容）；传统计算机分析（使用一种名为 LDA 的方法）；现代人工智能分析（使用 GPT-4 和 Claude） 结果：人工智能系统与人工分析的一致率达到 90%，而传统计算机方法的准确率仅为 60%。 研究二：疫苗犹豫研究 分析了 10,000 条关于新冠疫苗顾虑的推文 检验了人工智能能否在不同样本量下识别主要主题 比较了三种不同的人工智能系统 结果：人工智能仅使用 5% 的数据时的表现与使用 100% 数据时一样好，准确率达到 90%。 在主题分析中使用人工

2024年10月12日 Google 推出了一款功能强大的笔记应用 NotebookLM。这款强大的人工智能工具由 Gemini 1.5 Pro 等先进模型驱动，旨在彻底改变你与可信内容互动并从中获取洞见的方式。 主要功能： 文档整合：上传多种文件类型，包括 Google Docs、Slides、PDF 和网页 URL。 智能问答：就上传的内容提问，并获得附带行内引用的回答。 内容生成：基于你的资料创建摘要、简报文档、时间线、常见问题解答和学习指南。 创意生成：进行头脑风暴，发现内容之间的关联。 音频概览：收听由人工智能生成的、围绕你的资料展开的对话。 多语言支持：在全球范围内支持 100 多种语言。 NotebookLM 如同你可信资料领域中的一位互动专家，帮助你发掘关键洞见、激发创造力。无论你是研究者、学生还是职场人士，NotebookLM 都能显著提升你的学习和工作效率。 隐私与安全： 受 Google 服务条款保护 上传内容、查询和模型回复绝不会由人工审核员查看 你的数据绝不会用于训练人工智能模型 如何使用 NotebookLM： 开始使

2024年6月13日 Dritjon Gruda 是学术期刊 "Personality and Individual Differences" 和 "Psychology of Leaders and Leadership" 的编辑。他在近期发表于知名期刊 *Nature* 的一篇文章中，分享了如何利用 ChatGPT 的能力提升学术写作的宝贵见解。这篇题为 "Three ways ChatGPT helps me in my academic writing" 的文章探讨了如何使用这一强大的人工智能工具润色研究论文、辅助同行评审，并提高编辑反馈的质量。 润色学术论文 在使用人工智能修改论文时，Gruda 强调提供清晰背景和指令的重要性，包括主题概述、主要论点以及需要改进之处。他建议使用如下提示词： "我正在为[领域]的顶级期刊撰写一篇关于[主题]的论文。在以下各节中，我试图表达[具体观点]。请改写以提高清晰度、连贯性和简洁性，确保段落之间过渡自然。删除口语化内容，并调整为专业术语。" 提供此类指令后，人工智能便能更有效地帮助优化文本。无论使用哪

2024年5月22日 网页抓取，即从网站中提取数据的过程，已成为研究人员、数据科学家和企业不可或缺的工具。然而，网页结构的复杂性以及对定制抓取逻辑的需求往往带来巨大挑战。ScrapeGraphAI 是一个 Python 库，旨在借助大语言模型（LLM）和直接图逻辑的力量，彻底改变网页抓取的方式。使用 ScrapeGraphAI，用户只需描述想要提取的信息，便可轻松为网站、文档和 XML 文件创建抓取流程。 ScrapeGraphAI 在研究中有广泛的应用，尤其适用于从多个在线来源收集数据。以下是 ScrapeGraphAI 能够发挥重要作用的几种场景： 文献综述：研究人员可以使用 ScrapeGraphAI 从学术论文、期刊和会议论文集中提取相关信息，从而简化文献综述流程。 市场分析：通过抓取电子商务网站、社交媒体平台和新闻文章中的数据，研究人员可以为市场分析和消费者行为研究获取有价值的洞见。 情感分析：ScrapeGraphAI 可用于抓取各类网站上的用户评论、留言和观点，使研究人员能够对大规模数据集开展情感分析。 如何使用...

2024年4月19日（更新于2024年5月8日） 校对是产出高质量书面内容的关键步骤。然而，当依赖像 ChatGPT 这样的大语言模型（LLM）时，文本在校对后有时会显得过于做作或尴尬。包括 ChatGPT 在内的大语言模型往往倾向于使用一些特定的短语和词汇，这些词汇会让文本听起来过于机械或别扭。 例如，ChatGPT 可能会频繁使用诸如“elucidate（阐明）”“delve into（深入探究）”“gauge（衡量）”“pivotal（关键）”“burgeoning（迅速增长的）”“realm（领域）”“dynamics（动态）”“intricate（错综复杂的）”“nuanced（微妙的）”“interconnected（相互关联的）”“interplay（相互作用）”“articulate（清晰地表达）”“delineate（详细描述）”“underscore（强调）”和“showcase（展示）”等词汇。 在本指南中，我们将讨论一些策略，以避免这一问题，同时仍能受益于 AI 校对工具。 解决方案 1：让 AI 避免使用尴尬的词汇 应对

2024年4月19日（更新于2024年5月8日） 如果你不了解网站结构，网络抓取（web scraping）可能会令人望而生畏、不知所措。然而，大语言模型（LLM）可以非常高效地帮助你。在此，我将介绍两种网络抓取的方法。 第一种方法适合初学者，你只需要抓取一个或两个网页。基于文本的抓取包括复制目标网站的 HTML，然后使用任意大语言模型来提取你需要的数据。你可以将 HTML 粘贴到诸如 ChatGPT 等大语言模型中，它便会返回你所需的数据。 第二种方法需要使用 Python。下面的视频解释了如何使用 Python 和 AI 聊天机器人 GPT-4 创建网络抓取器。该抓取器可以汇总多个网站的信息，并回答你关于这些内容的问题。 首先，你需要注册一个 OpenAI 账户并获得 API 密钥。 你还需要安装一个名为 LayeredChain 的 Python 库。 代码由一个名为 web_QA 的函数组成，该函数将一个 URL 列表和一个查询作为输入。 该函数使用 LayeredChain 将网页加载到向量数据库中，然后使用 OpenAI API 调用

2024年4月11日（更新于2024年5月8日） 使用大语言模型（LLMs）识别文本数据中的主题要容易得多。与人工识别或潜在狄利克雷分配（LDA）等较早的技术相比，这些模型是一项实质性的进步。本指南阐述了使用大语言模型有效识别主题的三种稳健策略，即使对于简短文本也同样适用。 在深入介绍这些方法之前，建议先阅读一篇预印本论文（http://doi.org/10.2196/preprints.53376），该文对这些策略及其各自的优势进行了全面考察。您也可以使用 GitHub 上的数据集进行练习（https://github.com/lanceyuu/LLMforTM.git）。必须认识到某些局限性，例如大语言模型可分析的文本长度存在限制。 1. 使用大语言模型工具 分析文本时，您可以使用工具包中任何可用的大语言模型工具。请访问我们的工具包（Toolkit）。对于篇幅较长的文本，建议使用 GPT-4 或我开发的 GPT（Topic Modeller）。Le Chat 和 Claude 等其他模型也已展现出处理较长文本的能力，而 Llama 可能存在局

2024年4月7日（更新于2024年5月8日） 本视频来自 DataScienceDojo，这是一个学习数据分析的优质平台。版权所有 @DataScienceDojo 生成式人工智能是一个快速发展的领域，有望彻底改变数据分析的方式。在这场关于数据分析与生成式人工智能的实践课程中，您将学习： 如何借助 Python 和 Power BI，利用生成式人工智能简化分析任务 生成式人工智能在分析从业人员中所扮演的角色，以及它如何改变我们的工作方式 真实案例、应用场景与实践洞见 如果您是数据科学家、分析师或工程师，并希望了解如何运用生成式人工智能改进数据分析流程，那么本教程正适合您。 Albar Wahab Data Science Dojo 高级数据科学家兼讲师 Albar Wahab 是 Data Science Dojo 的高级数据科学家兼讲师，专注于数据科学训练营（Data Science Bootcamp）、面向数据科学的 Python（Python for Data Science）以及 Power BI 等直播培训项目。他在设计和主讲 Pow

Image via Wikimedia Commons (public domain). 直到不久前，用 AI 做数据分析还意味着把代码粘贴进聊天窗口，再把答案粘贴回来。2025 年，工具的形态变了。Claude Code、OpenAI Codex 和 Gemini CLI 这样的编程智能体直接运行在你的项目文件夹里，读取你的数据和脚本，编写并执行代码，检查输出并修正自己的错误。对研究者来说，这比更好的自动补全意义大得多：智能体可以从原始数据到图表完成整个分析，而你可以全程观看。本教程解释这些工具是什么、如何设置项目以保证结果可复现，以及在哪些环节必须保留人工介入。 三个工具分别是什么 Claude Code（Anthropic）可在终端、桌面应用或 VS Code 与 JetBrains 内运行。它擅长理解已有代码库和执行冗长的多步骤任务。 Codex（OpenAI）内置于 ChatGPT，在你代码仓库的隔离云端副本中工作，以 pull request 的形式提出修改。也有命令行版本。 Gemini CLI（Google）是开源的终端智能体，拥

Image: "Oral History of Egypt's Education 2.0 Reform-Nelly ElZayat, Deena Bora" by Antoineberlin (CC BY-SA 4.0) via Wikimedia Commons, recoloured. AI 主持的访谈使用对话式智能体提问、倾听回答并追问，可以通过文字或语音进行。它们无法取代熟练的人类访谈者所能达到的深度，但可以在一周内以十种语言收集数百份半结构化访谈，成本更接近问卷调查而非田野工作。本教程从设计到分析完整走一遍研究流程，并标出人类判断仍然必须介入的环节。 第一步：判断这种方法是否合适 当主题具体、参与者愿意与机器交谈、并且你既需要广度也需要深度时，AI 主持效果良好，例如用户体验研究、消费者决策历程、员工脉搏调查，或在小规模人工访谈之前进行的探索性研究。对于创伤、丧亲、违法行为，或任何需要建立信任和随时中止能力的主题，它表现不佳。如有疑问，先做五次人工访谈，并以此为基础构建 AI 访谈提纲。 第二步：为机器编写访谈提纲 AI...

Image: "A view of the server room at The National Archives" by The National Archives (UK) (CC BY 3.0) via Wikimedia Commons, recoloured. 模型格局又变了。GPT-5、Claude 5 系列、Gemini 3，以及一批强大的开放权重模型（Llama 4、DeepSeek-V3、Qwen3、Kimi K2）在大约一年内相继问世。对大多数研究任务而言，坦率的答案是：好几个模型都已经足够好。因此，选择应当由四个实际问题驱动，而不是由排行榜驱动。 1. 你的数据去了哪里？ 这是第一个问题，而不是最后一个。如果你把访谈记录、未发表的手稿或被试数据粘贴进聊天窗口，你就是在把这些数据转交给第三方。在用任何工具处理研究数据之前，请核对三件事。 是否用于训练。 ChatGPT 和 Gemini 的消费者版本可能会用你的对话来改进模型，除非你主动选择退出。主要供应商的付费团队版、企业版和 API 版默认不会用你的数据训练。 数据保留。

在定性研究中，访谈是获取深入数据的关键方法。但是，由研究者本人进行访谈需要耗费大量时间进行设计、执行和数据分析。Mimitalk是一款专为研究者设计的工具，利用生成式人工智能，帮助您简单、快速地实现访谈的自动化。本文将引导您完成从设置到数据分析的完整流程。 1....

访谈过程自动化有可能改变我们收集定性数据的方式，尤其是在处理大规模研究时。 在本教程中，我将探讨新兴工具如何支持访谈流程自动化，使研究人员能够高效地收集用户反馈并获得洞察力。 本次讨论将介绍两种不同的工具，它们仍处于早期开发阶段，需要仔细实施。...

想象一下，您正试图将数以千计的产品评论整理成主题或话题。 传统上，研究人员要么必须手动阅读所有内容（费时又费钱），要么使用老式的计算机程序，而这些程序往往会遗漏重要的上下文。 OSF 的一份最新预印本显示，GPT-4、Claude 和 Gemini...

谷歌推出了一款功能强大的笔记本应用程序，名为 NotebookLM。 这款功能强大的人工智能工具由 Gemini 1.5 Pro 等先进模型提供支持，旨在彻底改变您与可信内容进行交互并从中获得洞察的方式。 主要功能 文档集成： 上传各种文件类型，包括 Google...

本视频来自 DataScienceDojo。一个非常适合您学习数据分析的地方。版权所有 @DataScienceDojo 生成式人工智能是一个快速发展的领域，有可能彻底改变我们进行数据分析的方式。在这个关于数据分析和生成式人工智能的实践课程中，您将学习到 -如何使用...