用 Claude Opus 做科研：一个老科研狗的实测笔记

我带的几个研究生，现在电脑上几乎都常开着一个 Claude 的标签页。有意思的是，问他们拿来干嘛，答案五花八门： 有人用来读文献，有人用来 debug 那段死活跑不通的 R，有人专门用它把审稿人那几句阴阳怪气翻译成"人话"再逐条 回。我自己也一样。一开始我是不太信这套的——总觉得"AI 写科研"听着就不靠谱。用了一年多，态度变了一半：它 确实接管了我工作里很大一块，但接管的不是"科研"，而是科研里那些又费时间又不动脑子的杂活。

这篇就是我的实测笔记。哪儿真好用、哪儿差点坑了我、它跟 ChatGPT 和 Gemini 比是个什么定位、跟 Elicit 这类 专门工具怎么分工，我尽量讲具体，少讲虚的。先把结论摆这儿：把它当一个读得飞快、反应又快、但偶尔会一本正经 胡说的同事，你盯着点用，它能帮你省下不少命。

先说清楚：Claude Opus 到底是个什么东西

Claude 是 Anthropic 家的大模型系列，Opus 是里头最能打的一档，当前最新是 Claude Opus 4.8¹。它不是给 科研专门做的"学术引擎"——没有内置的论文库，默认也不联网。所以别指望它替你查到上周刚出的预印本。

图 1. Claude 是 Anthropic 的大模型系列，Opus 是其中最强的一档。标志来源：Wikimedia Commons（CC）。

那它强在哪？强在三件特别朴素的事：读得多、想得细、写得清楚。听上去平平无奇，可你回想一下自己一周的工作， 是不是有相当大一块就是在读、在想、在写。它正好卡在这块。

那个真正改变用法的数字：100 万 token

如果非要我挑一个最该记住的参数，是上下文窗口：Claude Opus 4.8 一次最多能吃下约 100 万 token，差不多 一千多页文字¹。

这个数字为什么重要，得举个例子才说得清。早些年用这类工具，最常见的翻车就是你只把"结果"那一段贴给它，它 看不到方法，于是对着一张表瞎评价。现在不一样了：你可以把一篇论文连同附录、把一份标书连同指南原文、 把一整个分析脚本连同它的数据字典，一股脑全塞进去，再问那种"得看完全部才答得上来"的问题。

而且不只是"装得下"。我自己的体感，加上第三方测评的说法是一致的——Claude 这一档是真的把整个窗口用起来， 扔进去一百多页，问到第八十页的某个细节它也能翻出来；有些模型超过十万 token 之后就开始"丢线索"了²。 所以我现在的习惯很简单粗暴：能给全的，绝不切片。

它在我的工作里具体接管了哪些活

这一节我讲得细一点，因为"它能干嘛"光说能力没用，得落到你真按几个键能干成什么。先用一张表把对应关系摆出来， 后面几小节再各自展开。

图 2. 科研里你天天要读、要做的，很多就是这类图——比如单细胞转录组的 UMAP 聚类。把这种图截下来丢给模型，它也能帮你读个大概。

读文献：二十分钟摸清一篇论文的底

把全文贴进去，我一般按这个顺序问：这篇的核心主张是什么？支撑它的证据是哪几条？最薄弱的一环在哪？然后再补 一句——"要让我相信标题里这个结论，我至少得看到哪三个结果？"它列完，我再正经读论文。区别在于，这回我是带着 "该盯哪儿"去读的，效率完全不一样。

解读结果：让它当陪练，别让它当捧场的

跑完一组数据，我会把设计和结果给它，然后下一道死命令：站在我的对立面，挑刺。最可能的混杂因素是什么、一个 难缠的审稿人会先咬哪里。它当陪练比当捧场的有用太多了——而你完全可以直接要求它当陪练，它就老老实实开喷。

写代码：让它把"假设"先吐出来

这是我用得最多、也最省心的一块。一句"这是我 CSV 的列和每列含义，写个脚本做 X，顺便把你做的假设都 print 出来"，基本能省掉半小时。重点在最后那半句：你只要扫一眼它打印的假设，就能拦住大多数闷声出错的地方。它在 写代码和跑这种多步骤的活上，确实是第一梯队¹。

改论文：框架交给它，判断留给你

摘要、cover letter、审稿回复，这些有固定套路、又特别磨人的文字，丢给它起个框架最划算。注意是"框架"，不是 最终稿。审稿回复尤其如此：把意见和稿子一起给它，要一份逐条回应的提纲，剩下的实质内容还得你自己填。

它会在哪些地方让你栽跟头

好用归好用，边界得心里有数。下面这几条不是"偶尔"，是结构性的，踩了就是踩了。

第一条我得多说两句，因为它害人最深。它编出来的引用，作者、年份、期刊、卷期页码全像模像样，你不点开根本看 不出假。这不是我一个人的牢骚：2026 年有研究专门记录了已发表论文里 AI 伪造引用的明显上升³；另一项对 五万多篇顶会论文、两百多万条引用的大规模分析发现，约 1.07% 的论文里藏着无效或伪造的引用，而且 2025 一年 就涨了八成多⁴。

好消息是，提示给得越具体、越在你熟悉的领域，它编的概率越低⁵。坏消息是，"越低"不等于"为零"——多篇综述 都把这种"看着规范、其实不存在"的引用列为当前学术诚信的真实风险^{6 7}。所以核对这一步，永远省不掉⁸。

它默认不联网，对很新的工作会过时

它脑子里的知识有个截止点，截止点之后的事它要么不知道，要么瞎猜。我有次问它某个方法的"最新进展"，它讲得 头头是道，我一查，引的都是两年前的综述。除非你用的产品明确给它配了联网或检索工具，否则别拿它当文献数据库。 要把某个题目的文献查全，老老实实配上 Elicit、SciSpace 这种有真实索引的工具^{9 10}。

它不是统计学家，你让它跑它就跑

这点最隐蔽，因为它不会拒绝。你给它一组本不该做参数检验的数据，它会非常配合地给你跑个 t 检验、再附上一段 解释，看着特别专业。它缺的不是算力，是"该不该做这个检验"的判断。所以统计方法怎么选，最终还得你自己拍板， 它顶多帮你把选好的方法写成代码。

材料一长，它会偷偷"偷懒"

输入特别长的时候——比如你一次塞了一百多页——它偶尔会略过一些细节，或者把某段过度概括成一句话。大体不错， 但你要拿来下结论的那几个关键点，一定要回原文核一遍。我的习惯是：让它给概览没问题，但凡要写进稿子的具体 数字和结论，都按它给的位置翻回去对一眼。

Claude、ChatGPT 还是 Gemini：我的实际感受

这三家我都在日常里轮着用，说点主观但实在的体会（基准分这种东西仅供参考，最后还得看你自己的活实测）。

图 3. 科研里最常被拿来比的三家通用模型。标志来源：Wikimedia Commons（CC）。

说句扫兴的话——这点差距，在我日常里经常被"你会不会提问"给抹平了。把材料给全、把假设逼出来，比纠结选哪家 重要得多。下面是我具体什么时候开哪个。

我什么时候开 Claude

啃长材料、写代码、跑多步骤的活，我默认开它。一篇论文连附录、一个要改的脚本连数据字典，丢进去问到底，它 不太丢线索；让它写脚本、改流程，返工率也低²。需要它老老实实当陪练挑刺时，它也配合。

我什么时候开 Gemini

要它快速搜点东西、再把搜到的东西揉进答案里，或者我本来就在 Google 那套文档/邮件里转，开 Gemini 更顺手； 它在一些纯推理的基准上分数也亮眼^{2 11}。但它终归是通用助手，碰到要它当"科研搭子"深聊时，我还是回 Claude。

我什么时候开 ChatGPT

图省事、要最广的插件和应用生态、或者团队里别人都在用它、要对齐时，我开 ChatGPT。它通用、上手快。只是 碰到那种"一次塞十几万 token"的超长材料，据测评它比另外两家更容易断片²，这种活我不太交给它。

一个真实例子：从"这趋势是真的吗"到一张能投稿的图

举个我常遇到的场景。你做了个小的剂量-反应实验，手里就那么几个点，想在往下砸时间之前先掂量掂量：这趋势是 真的，还是我看花眼了？

这件事其实分两半。前一半是"想清楚"，特别适合交给模型。 把数据和问题甩给它：单调趋势成不成立、用什么 检验合适、样本量这么小要提防什么、要不要先看效应量再谈显著性。它会把推理一步步摆出来，你负责挑里头站不住 的地方。

后一半是"出成品"，这时候对话模型就该退场了。 它能写画图代码，但它看不见渲染出来的图长啥样，判断不了 排版顺不顺眼，更交不出一张你能直接塞进稿子、还能继续编辑的矢量图。这最后一公里我一般交给专门的出图工具——我自己用 MindPlot：传上数据、说一句要画什么，它出一张可编辑的图，省得再跟 matplotlib 的字体边距较劲。

图 4. 像这样一张带统计检验、显著性标注的分组图，传上数据说一句就能出，还能在画布上接着改。

一句话概括这个分工：模型负责对数据动脑子，工具负责把成品端出来。两件事别让一个工具硬扛。

通用模型之外，还有一类专门工具

光有通用大模型不够。真要做穷尽式的文献覆盖，专门工具往往更靠谱，因为它们背后是真实的论文索引，而不是模型 脑补。

• Elicit 擅长在真实论文库上做结构化的筛选和信息抽取，做系统综述、meta 分析时特别顺手；但它窄，基本不 管通用推理和写作⁹。
• SciSpace 覆盖面更宽，能跨海量论文发现、读、解释、找相关工作，从"发现"一路接到"初稿"；但它偏阅读发现， 不是你拿来做通用分析的工具^{9 12}。

把通用模型和专门工具放一起看，分工大概是这样：

我最后落到的组合是这样的：用前沿模型来想和写，需要把文献查全时用 Elicit / SciSpace 这种带真索引的工具 ¹⁰，再用 MindPlot 这类生产工具把图、幻灯片、论文这些"成品"做出来。 三类东西是互补的，别逼着一个去干 另一个的活。

学生、博后、PI：同一件工具，三种用法

同一个 Claude，不同阶段的人用法差挺远。说几个我身边真见过的。

如果你是研究生

我见过最划算的用法，是拿它降低"卡壳成本"。代码报错看不懂，整段贴进去让它解释、给最小可复现的修法；英文写 不顺，让它在不改你意思的前提下顺一遍语言（注意是顺语言，不是替你写）。读不动的经典文献，让它先讲个大白话 版本，你心里有底了再去啃原文。一句话：哪儿卡住了，先问它一句，往往能省半天。

如果你是博后

图 5. 数据形态复杂时（比如这种 3D 曲面），手画图很费劲——把推理交给模型、把出图交给工具，这种活会轻松不少。

博后的时间最碎，它正好补这种碎活。跑数据时让它写脚本顺带 print 假设；投稿前让它当审稿人预演一遍，把最可能 被咬的点先补上；带学生时让它把你脑子里那套方法学口述整理成可发给学生的文档。它不会替你做研究，但能让你在 同样的时间里多转几圈。

如果你是 PI

到了 PI 这一层，瓶颈常常是"看不过来"。组里的稿子、跨领域的文献、一个还没想清楚的 idea——把材料整段丢进去， 让它先给你一个结构化的概览和几个该追问的点，你再决定往哪儿深挖。它替你做的是"先过一遍、标出重点"，省的是 你最贵的那点注意力。

几个我天天在用的提示词

光说方法太虚，直接把我贴了无数遍的几句模板放这儿，你拿去改改就能用。它们都不花哨，重点是把"上下文"和 "我到底要什么"说清楚。

读一篇论文

这是一篇论文的全文（含附录）。请按顺序回答：①它的核心主张是什么；②支撑这个主张的证据有哪几条，分别在 哪一节；③你觉得最薄弱的一环在哪。最后再列：要让我相信标题里的结论，我至少得看到哪三个结果？

解读一组结果

我做了 [实验设计一句话]，得到这组数据：[贴数据]。我想知道 [你的问题]。请一步步推理：这个比较成不成立、 用什么统计方法合适、样本量这么小要提防什么。先别急着下结论，把你的推理和假设都摆出来。

让它当陪练挑刺

下面是我的研究设计 [贴设计]。请站在一个挑剔审稿人的立场，告诉我：最可能的混杂因素是什么、方法上最容易 被攻击的点在哪、如果你要拒这篇，你会写哪三条意见。不要安慰我，尽管挑。

写脚本顺带亮假设

这是我 CSV 的列和每列含义：[贴列说明]。写一个 [语言] 脚本完成 [任务]，并在运行时 print 出你对数据做的 所有假设（比如默认哪列是数值、怎么处理缺失值）。我要先看假设再看结果。

这几句的共同点你应该看出来了：给全背景、说清要什么、逼它把假设和推理露出来。养成这个习惯，比换哪个模型 管用得多。

多少钱、怎么开始

Claude Opus 有好几种用法，照你的需求挑：

我的建议是别一上来就纠结接 API：先用网页版在你自己的活上试两周，确认它真能帮上忙，再谈怎么接。把它替你 省下的时间和这点钱摆一起算，值不值通常一目了然。

我给新手的几条话

• 每条引用、每个数字都得自己核。 把它的输出当草稿，别当结论^{3 6}。
• 能给全就别给片段，那 100 万 token 的窗口就是干这个用的。
• 逼它把假设说出来，代码里、推理里都是，这一个习惯能拦住一大半错。
• 提示尽量具体：领域、目标、约束写明白，它跑偏和编造都会少很多⁵。
• 科研那部分判断，永远是你的活。 它快的是机械那一层，判断这块别外包。

我踩过的三个坑

道理讲再多，不如说几个我真摔过的跟头。希望你别重蹈。

坑一：差点把它编的一条引用写进 intro

有回写引言，它给我顺出一段背景，附了三条引用，格式漂亮、年份作者都像那么回事。我当时赶时间，差点直接抄进 去。后来习惯性点了一下 DOI——第二条，根本不存在。那条"论文"的标题、作者、期刊全是它拼出来的。从那以后我 立了条铁规矩：它给的每一条引用，不点开原文核到，绝不进稿子。这不是我一个人会碰到的事，研究里这种伪造引用 正明显增多^{3 4}。

坑二：它把"相关"讲成了"因果"

让它解读一组观察数据时，它写得特别顺，顺到把一个明显只是相关的关系，悄悄叙述成了"A 导致 B"。它不是故意骗 你，是语言上"因为…所以…"读起来更通顺，它就那么写了。如果我当时不较真，这个口径很可能就被我带进讨论部分。 现在我让它解读结果时，会专门追一句："这里能下因果结论吗？还是只是相关？"

坑三：超长输入里，它漏了附录里的一条关键限制

有次我把一篇带长附录的论文整篇丢进去，让它总结方法和局限。它总结得不错，但漏掉了附录里作者自己写明的一个 重要限制——而那条限制恰恰决定了这方法能不能用在我的数据上。材料越长，它越容易把某些细节"概括没了"。所以 凡是要据此做决定的关键点，我都回原文再确认一遍。

常见问题

问：它能替我写论文吗？ 能帮你起草、改写、润色，但实质内容得是你的。更稳的用法是让它产框架和草稿，你来填判断和结论，并且每一处 事实和引用都核一遍³。

问：它真会编参考文献？ 真会，而且是常态不是偶发。研究显示伪造引用在已发表论文里明显在涨^{3 4}。所以任何引用，点开原文核了 DOI 再用。

问：它能联网查最新文献吗？ 默认不能。除非你用的产品给它配了检索/联网工具，否则对很新的工作它可能过时。要把文献查全，配上 Elicit、 SciSpace 这种有真索引的工具更踏实^{9 10}。

问：科研到底选 Claude、ChatGPT 还是 Gemini？ 要稳地处理长材料、写代码、跑多步流程，我多半选 Claude；纯推理跑分和 Google 生态，Gemini 占优；最广的通用 生态和最快上手，ChatGPT 顺手^{2 11}。日常里"怎么提问"经常比"选哪家"更决定结果。

问：它能直接出我要投稿的图吗？ 模型能写画图代码，但看不到渲染结果、交不出可编辑矢量图。把推理交给模型、把出图交给 MindPlot 这类生产工具， 是更顺的分工。

写在最后

用了一年多，我的总结其实就几句话。Claude Opus 真正的价值，是读得多、想得细、写得清楚，再加上那个能把完整 材料整段塞进去的超长上下文¹。它最大的两个坑，是会编引用和默认不联网——前者核 DOI，后者配专门的检索 工具^{3 9}。不同的活用不同的家伙：模型负责想和写，专门索引负责把文献查全，生产工具负责把成品端出来。 至于科研里真正需要判断的那部分，到今天为止，还得你自己来——我觉得这是好事。

上面那张图用的工具。 把分析变成一张出版级、可编辑、又不用自己写画图代码的图，我用的是 MindPlot 的 AI 协作科学家。它是和 Claude Opus 这类推理模型互补的"生产层"：你和模型把 问题想清楚，然后不被最后一公里绊住，把图、幻灯片或初稿做出来。

冯丹给 MindPlot 写科研工作流的文章，常年纠结一个问题：AI 到底在哪儿真帮上了忙，又在哪儿只是看着热闹。