AI 辅助科研：DeepSeek、Kimi、智谱清言怎么用
AI：填补「新生」与「老手」差距的最快方式
刚进组时最容易产生的挫败感，不是实验做不出来，而是听不懂：组会上师兄师姐随口说的一个通路名、文献里一张挤满箭头的机制图、一段写得很绕的英文讨论——对他们来说是常识，对你来说每一处都要查半天。这种差距，过去只能靠「熬年头」慢慢磨平。
现在多了一条捷径：网页端 AI 对话工具。它们能随时充当你的「随身助教」：不懂的术语让它解释、读不动的文献丢给它梳理、图表看不懂让它带着读、写作没思路让它陪你理提纲。对零基础的本科生来说，AI 是目前填补普通学生与「科研老手」之间信息差距最快的工具——前提是用得对。本篇只讲网页端、免费可用的国产工具，不涉及任何需要特殊网络环境的东西，也不教「用 AI 帮我写论文」，只教辅助理解和表达的正确用法。
先认识工具：三个就够了
不需要装软件、不需要付费，浏览器打开官网、注册一个手机号账号即可使用。三个工具各有分工：
| 工具 | 特点 | 适合干什么 |
|---|---|---|
| DeepSeek | 推理能力强、免费、逻辑链清晰（会先「思考」再回答） | 理思路：机制逻辑梳理、计算题检查、代码解释、出题自测 |
| Kimi | 超长文档输入，可以把整篇 PDF 文献直接拖进对话框 | 读文献：整篇丢给它，让它按你的要求总结、解释、翻译 |
| 智谱清言 | 背靠国产 GLM 大模型，文档解读、AI 绘图等功能较全 | 综合用：文档问答、画示意图草图、长文翻译润色 |
其他国产工具（如通义、文心一言等）同理可用，思路一样，会一个就都会了。建议至少熟练用一个、备用一个：不同模型各有长处，同一个提示词换一家问，答案可以互相印证。
五个核心场景（提示词直接抄）
下面每个场景都给出一段可直接复制的提示词。用法：复制进对话框，把文献 PDF 拖进去（Kimi 支持直接拖文件），或把要润色的文字贴在提示词后面。
场景①：读文献——把 PDF 丢给 Kimi
拿到一篇陌生文献，先别硬啃。把 PDF 直接拖进 Kimi 的对话框，配上这段提示词，五分钟拿到「地图」，再决定要不要精读：
请用中文给我解释这篇文献： 1) 研究问题是什么； 2) 主要发现有哪些； 3) 用了哪些实验方法（逐个用一句话说明它的作用）； 4) 结论和局限。 用本科生能懂的话讲，专业名词第一次出现时顺便解释一下。
之后可以继续追问细节，比如「图 3 的结果说明了什么」「方法和结论之间是怎么对应的」。注意让 AI 回答时标注对应到原文的位置（如「见 Figure 2」），方便你回头核对。
场景②：追问机制——把不懂的通路单独拎出来问
读文献卡住的地方往往不是全文，而是某一个通路或名词。这时候把它单独拎出来，让 AI 像老师一样由浅入深地讲：
请像老师一样由浅入深地解释 cGAS-STING 通路： 先用一句话讲清它是干什么的， 再按信号传递顺序展开讲每一步， 最后说说它和炎症、纤维化有什么关系。 我是刚进组的本科生，请少用术语。
追问的技巧是持续对话、层层递进：一句话版本懂了，再要「展开版」；展开版里哪步不懂，就针对哪步继续问。这比一次让它输出一大篇更能保证你真的跟上。
场景③：翻译与润色——中译英摘要
写英文摘要时，先用中文把意思写顺，再让 AI 润色成学术英语，并要求它解释改了什么——这样每次润色都是一次写作课：
请润色以下英文摘要，保持学术语气，不改变科学含义， 并列出主要修改点（改了哪个词、为什么改）：
把你的英文初稿接在提示词后面即可。对照修改点逐条看，常见的收获是：时态统一（方法用过去时）、被动与主动的取舍、「research」和「study」这类近义词的使用场合。看多了，下次自己写就更接近「母语感」。
场景④：做学习计划与出题自测
学完一个知识点，最怕「以为懂了」。让 AI 当考官，出题检验：
我是刚进组的本科生，正在学 Western Blot，请出 5 道题 检验我是否掌握，题型 mix 选择、简答和一道分析题， 先不要给答案，等我答完再逐题点评。
同类用法还有：让 AI 按「本周学细胞培养、下周学 CCK-8」的节奏给你排一个进组第一个月的学习计划；汇报前让它模拟「刁钻的导师」对你的讲稿提三个问题。把被动输入变成主动输出，记忆效率完全不同。
场景⑤：代码与公式辅助
两条常用线。一是计算类：药物稀释、母液配制这类计算（见药物稀释与加药计算），可以让 AI「给出计算过程并检查我的思路」，它的推理能力正适合干这个：
我要用 10 mg/mL 的母液，配 10 mL 终浓度 20 μg/mL 的 工作液。请一步步给出计算和移液方案，并检查我的思路 有没有漏洞（比如要不要考虑母液体积占比）。
二是代码类：接触生信分析（见生信分析入门）时，把报错的 R 或 Python 代码贴给 AI，让它逐行解释这段代码在做什么、报错原因是什么、怎么改。注意：AI 给的代码必须自己跑一遍确认，它会写出「看起来对但跑不通」的代码。
提示词三要素：给角色 + 给背景 + 说清要什么
同样的工具，提问方式不同，答案质量天差地别。一个好提示词基本由三部分构成：
- 给角色：让 AI 扮演什么身份——「你是一位免疫学老师」「你是统计课助教」。角色决定了它用什么深度和口吻回答；
- 给背景：你是谁、在做什么、基础如何——「我是刚进组的本科生，在做肺纤维化方向」；
- 说清要什么：输出的格式、长度、口径——「先一句话总结，再分三点展开，最后举一个例子」。
对比一下：
| 差的提问 | 好的提问 |
|---|---|
| 「帮我看看这篇文献」 ——没角色、没背景、没要求，只能得到一段泛泛的摘要，甚至跑偏。 |
「你是免疫学老师。我是刚进组的本科生，在做肺纤维化课题。请用本科生能懂的话，解释这篇文献里 cGAS-STING 通路的作用：先一句话总结，再分三点展开，专业名词随讲随解释。」 ——角色、背景、要求齐全，答案直接可用。 |
任何回答不满意时，追加这两句通常立刻改善：「请分点回答，每点先一句话，再展开」（治又长又乱）；「请举一个贴近生活的类比」（治太抽象听不懂）。另外，重要的答案可以让另一家模型回答同样的问题，两个答案一致的部分更可信，冲突的部分正是你需要去原文核实的地方。
底线：AI 会一本正经地编造（务必阅读）
- 警惕「幻觉」：AI 会一本正经地编造——虚构不存在的文献、编造数据、张冠李戴的结论，而且语气毫不心虚。凡是要写进笔记、汇报或论文的文献名、数据、结论，必须回到原文核实，一篇都不能例外；
- 保密：不要把未发表的数据、论文草稿原文、基金申报书等上传到公开 AI 平台——上传即可能进入第三方服务器，造成泄密甚至知识产权纠纷，这在多数学校和单位属于明确禁止的行为；
- 责任自负：AI 的定位是辅助理解与表达，不能替代你自己的科学判断。凡写进论文的内容，责任人是作者本人——「是 AI 写的」不构成任何免责理由；
- 遵守规范：多数学校与期刊已出台 AI 使用规范，通常要求AI 不能列为作者、不能用它生成数据或图像、使用情况需如实声明。动笔写论文前，先查目标期刊的作者须知和学校学位论文规定。
组内信息
- 站内主推 DeepSeek：推理强、免费，检索文献思路、解释机制、检查稀释计算都好用；
- 长文献（整本 PDF / 长综述）优先丢给 Kimi；
- AI 输出涉及数据、文献名、结论时，一律回原文核实后再采用。
学完之后
动手练习：找一篇你近期要读的文献，按场景①的提示词丢给 Kimi；再挑文中一个不懂的通路，按场景②追问三层；最后让 AI 出 5 道题自测——完整走一遍「读、问、测」闭环。软件工具线到这里告一段落，可回到科研软件速览复习 Office、SPSS 与 Origin 的分工，或回文献板块看其他文章。