Codex + Claude Code + Claude Science三智能体科研训练营

模块一：科研 AI 工作台基础

建立 Codex + Claude Code+Claude Science 三智能体科研工作台，系统搭建项目目录、任务看板、版本记录和隐私合规清单。同时覆盖机制图制作、PPT 生成、文件管理、项目资产盘点、论文图表精修、服务器任务提交和 Claude Skills 使用，让大家形成一套可长期复用的科研 AI 项目管理框架。

模块二：智能体 + SCI 综述写作全流程

围绕 SCI 综述从选题到投稿的完整流程，训练学员判断不同综述类型，凝练有投稿空间的题目，并完成检索式设计、文献池构建、精读笔记、证据矩阵、Proposal、大纲、正文、总览图、三线表和投稿包。重点是让智能体参与选题、检索、证据整理、写作、图表规划和修稿，把综述写作变成可复查、可迭代的工程化流程。

模块三：智能体助力国自然标书写作

聚焦国自然标书的 AI 辅助设计与写作，先建立个人科研画像，再让 Codex 以评审专家视角评估候选方向。课程按照“方向—背景—问题—假说—目标—技术路线—风险方案”逐层推进，完成立项依据、研究目标、研究内容、技术路线图、创新点和可行性分析，并封装为可反复调用的技能。

模块四：课题设计与科研假说打磨

面向新课题、新方向和新文章框架设计，训练学员用 Claude Code 整理研究基础，用 Codex 从导师和评审视角追问科学问题、核心假说和技术路线。课程将模糊想法拆解为科学问题树，最终输出课题题目、核心假说、研究目标、技术路线图、创新点、风险替代方案和完整课题设计书，并封装为新SKILL。

模块五：智能体复现顶刊多组学数据分析

用 Codex + Claude Code 零代码复现CNS顶刊多组学分析。覆盖bulk RNA、单细胞、空间转录组、代谢组与蛋白多组学，以及 16S 测序数据。每类数据都会完整跑通数据定位、文件审计、分组检查、代码生成、图表输出、结果解释、Codex 审查和 Skill 封装。

模块六：临床科研 AI 工作台与论文投稿闭环

面向临床医生和医学科研人员，搭建从临床研究设计、电子病历清洗、统计建模、SCI 图表到论文投稿的完整 AI 工作流。课程覆盖 PICO/PECO 研究设计、入排标准、变量字典、统计分析计划、数据脱敏、Table 1、回归分析、生存分析、PSM、亚组分析和交互作用，最后由 Claude Code 生成论文初稿，Codex 完成统计审查、结果校准和投稿生成。

模块一：科研 AI 工作台基础

第一节课：科研 AI 工作台部署

1. 理解 Codex、Claude Code、Claude Science 在科研中的不同分工。
2. 搭建科研 AI 工作台三层结构：资料层、执行层、审查层。
3. Codex 从 0 建立医学科研 AI 项目目录。
4. 编写 README、AGENTS.md、CLAUDE.md 和 CODEX_REVIEWER.md。
5. 建立任务看板、版本记录和人工核查机制。
6. 搭建 Claude Science 工作台入口，整合文献、绘图、生信、实验记录和团队协作。

课堂产出：项目文件夹、AI 行为规则文件、任务看板、版本记录表和隐私合规清单。

第二节课：Codex 制作文章机制图

1. Codex 从一句话科学假说拆解成机制链条。掌握机制图四层结构：场景、角色、关系、证据。
2. Codex 建立机制元素表和机制关系表。
3. 使用 Codex 生成 Mermaid、SVG 和 PPT 可编辑图稿。
4. Codex 进行机制箭头证据映射和人工审核。
5. 联合 Claude Science、BioRender 和 PPT 进行后期精修。

课堂产出：机制图草图、SVG 文件、图注和证据检查表。

第三节课：Claude Code 做 PPT

1. 理解 Claude Code 作为 PPT 工程师和科研表达助理的角色。
2. 用 Claude Code 读取项目目录，盘点可用素材。
3. Claude Code 从材料清单生成 PPT 故事线。
4. 设计逐页大纲：页标题、核心信息、所需图片和讲者备注。
5. Claude Code 生成组会版、基金答辩版和论文汇报版 PPT。
6. 对 PPT 进行科学审查：结论是否超过证据、图文是否匹配、缩写是否解释。

课堂产出：Claude Code 创建10 页组会 PPT 大纲、讲者备注和 PPT 初稿。

第四节课：Claude Code 做文件管理

1. 训练 Claude Code 作为科研项目秘书，管理项目资产。
2. Claude Code 搭建科研项目标准目录。
3. 制定文件命名规范：日期、主题、版本和作者。
4. Claude Code 对文献、图表、代码、PPT 和标书材料进行资产盘点。
5. 建立文件关系映射：证据表、机制图、PPT、标书之间如何互相连接。
6. 完成版本管理、重复文件识别、缺失材料检查和 final_package 输出。
7. Claude Code 建立私人文献知识库，对本地 PDF 文件夹建立 RAG 向量索引，后续用自然语言检索和提问。

课堂产出：项目资产盘点表、命名规范、版本记录和最终项目包清单。

第五节课：Claude Science 科研全能工作台

1. 理解 Claude Science 在科研中的定位：把文献、数据、脚本、分析、服务器计算和图表交付串起来。
2. 搭建 project card、data、scripts、results、figures、provenance 标准目录。
3. Claude Science 从差异分析表、单细胞对象、空间数据、临床数据和综述证据矩阵出发生成科研图表。
4. 完成火山图、热图、UMAP、DotPlot、KM 曲线、森林图、机制图和 Fig.1 总览图设计。
5. Claude Science 精修论文级图表：统一 panel、字体、标签、图例、颜色、统计标注、分辨率和导出格式。
6. 掌握 AI 修图规范：只做规范化表达，不改变数据事实，保留原图、代码、参数和修改记录。
7. 连接 SSH/HPC/Slurm，完成远程服务器任务提交、日志监控、结果下载和失败排查。
8. Claude Science 根据任务选择文献分析、单细胞、空间组学、蛋白组、结构生物学、化学信息学、图表设计或服务器计算 Skill。

课堂产出：科研项目结构、作图任务卡、修图 checklist、服务器任务模板、Skill 选择表、Fig.1 设计说明和可复现记录表。

模块二：AI + SCI 综述写作全流程

第六节课：AI + SCI 综述文章思路解读

1. Codex 拆解 SCI 综述发文逻辑：科学问题、研究空白、证据层级、图表论证和投稿表达。
2. 判断不同综述类型：Narrative Review、Systematic Review、Scoping Review 和 Meta-analysis。
3. Codex 建立智能体写综述完整流程：选题 → 检索 → 文献池 → 精读 → 证据矩阵 → 大纲 → 正文 → 投稿。
4. 学习选题收缩公式：领域 + 对象 + 机制 + 场景 + 新视角 + 核心问题。
5. Codex 建立选题评分矩阵：新颖性、文献量、碰撞风险、可聚焦性、作者优势、投稿空间和图表潜力。
6. 检查已有综述，判断题目是否已经被写烂，是否还有差异化空间。

课堂产出：个人项目卡、候选题目表、选题评分表、最终题目和一句话中心问题。

第七节课：智能体对 SCI 文献检索式设计与第一版文献池构建

1. Codex 将综述题目拆成 2–5 个可检索概念块。
2. 完成中文关键词到英文专业术语校准：MeSH、WOS Topic、标题摘要高频词。
3. 扩展同义词、缩写、拼写变体和领域表达。
4. Codex 设计 PubMed 宽泛版、适量版和精准版检索式。
5. 做 Review 碰撞检索，判断已有综述和差异化空间。
6. 建立检索日志：数据库、日期、检索式、命中量、导出量、格式和限制条件。
7. Codex 建立第一版文献池：大文献池、核心文献池和关键证据池。

课堂产出：检索式、检索日志、已有综述碰撞表和第一版文献池字段表。

第八节课：对标综述、文献筛选、精读笔记与证据矩阵

1. Codex 建立 5–10 篇高质量对标综述库。
2. 拆解对标综述的标题、摘要、章节、图表、论证顺序和未来方向。
3. Codex 完成文献去重和元数据清洗：DOI、PMID、标题、作者、年份。
4. 对文献进行强相关、中等相关、弱相关和待人工核查分类。
5. 建立文献二级分类：背景、机制、技术、证据、争议、局限、应用和未来方向。
6. Codex 建立标准核心文献表：PMID/DOI、研究类型、关键发现、支撑章节、证据强度、局限和引用句。
7. 建立精读笔记和综述素材笔记，把文献转化为背景、机制、争议、图表和正文素材。
8. Codex 建立证据矩阵：章节、核心论点、支撑文献、证据类型、证据强度、冲突证据和可用图表。

课堂产出：对标综述学习表、文献筛选表、精读笔记、综述素材笔记和证据矩阵。

第九节课：Proposal、大纲、正文写作与综述图表系统

1. Codex 将中心问题拆成 4–6 个子问题。
2. 学习三种综述大纲结构：机制递进型、问题解决型和证据地图型。
3. Codex 完成 Proposal 写作：题目、中心问题、研究空白、差异化、章节安排和图表计划。
4. 搭建 Introduction 逻辑链：背景 → 进展 → 缺口 → 必要性 → 本文范围。
5. Codex 训练主体段落写作：主题句、证据句、比较句、解释句、综合句和过渡句。
6. 学习智能体分阶段写作，不一键全文生成，每次只写一个章节或段落。
7. 设计综述图表系统：Fig.1 总览图、机制图、证据地图、分类矩阵、时间线和未来方向图。
8. 设计三线表：核心研究证据表、机制/通路比较表和转化策略表。
9. Codex 做图表反模板审查：无证据箭头、无意义颜色、伪造关系、图文重复和标签混乱。

课堂产出：Proposal、大纲、Introduction 逻辑链、主体段落初稿、Fig.1 设计说明和表格规划。

第十节课：审稿人视角修订、引用核查、降 AI 味、选刊与投稿包

1. Codex 模拟编辑和审稿人评估：创新性、结构、证据、图表、引用和期刊匹配。
2. 拆解常见退稿原因：选题重复、主线混乱、引用薄弱、图表低质和目标期刊不匹配。
3. Codex 建立 Revision checklist：结构问题、证据问题、表达问题和格式问题。
4. 完成引用核查：文献是否存在、对象是否匹配、是否支持当前句子、引用位置是否准确。
5. Codex 建立 AI 防幻觉清单：不编 DOI、PMID、作者、年份、数据和机制关系。
6. 训练降 AI 味写作：去掉模板化表达，提高信息密度和作者判断。
7. 进行目标期刊反向写作：scope、review policy、近期综述、图表数量、参考文献数量和 APC。
8. Codex 完成 Cover Letter 和投稿包整理。

课堂产出：模拟审稿意见、修订清单、引用核查表、目标期刊表、Cover Letter 和投稿前 checklist。

模块三：国自然 AI 工作台与标书写作

第十一节课：科研画像构建与国自然 AI 工作台搭建

1. Codex 建立个人国自然 AI 项目文件夹。
2. 用 Claude Code 记录研究身份、研究方向、前期基础和标书偏好。
3. 建立 research_profile.md、previous_foundation.md 和 style_guide.md。
4. Codex 编写 CLAUDE.md，让 Claude Code 生成内容越来越贴合你的学术身份。
5. 编写 CODEX_REVIEWER.md，让 Codex 扮演基金委评审专家。
6. Codex 根据科研画像生成 3 个候选课题方向。
7. 让 Codex 从创新性、可行性、前期基础和风险角度打分。

课堂产出：科研画像、前期基础表、AI 行为文件、候选课题方向和评分表。

第十二节课：结构化生成立项依据与研究目标

1. 不再一次性让 AI 写完整标书，而是按照“方向 → 背景 → 问题 → 假说 → 目标”逐层推进。