大家论文都是怎么写的？

985计算机硕士，发了2篇CCF-A和若干CCF-B论文，同时在某大厂做Agent应用实习。

从24年，我开始科研并撰写论文，但更多是手搓；当时已经有LLM了，但仍然以聊天形式存在，代码能力也远不如今天，更别说用来撰写，至少看上去没有AI味，专业且有严格约束的学术论文；

此后很长一段时间，尽管模型不断迭代，我仍然以AI辅助的手搓为主，虽然效率没那么高，但还是能中稿一些CCFA类论文。但如今，随着Agent领域火热，从Cursor到 Claude Code和Codex等工具横空出世，我在各个公司实习，包括大厂的Agent应用岗位，逐渐熟悉了其中的应用，我想，是否可以用 Agent 流水线科研，甚至功利一些，高效率地产出一些有一定质量保证的论文。

我花了大概一个星期时间，把科研的大部分流程用 AI Agent 重新搭了一遍。现在文献调研、idea 验证、实验设计、论文初稿这几个环节加在一起，比以前快了至少一半。

当然，我以下所分享的仅仅是个人的经验和尝试，可能并不完美。

先说一下背景：我经历了什么

研一的时候，我对”用 AI 做科研”的理解停留在：打开 ChatGPT/Gemini/Claude，把问题粘进去，看看它说什么。

但如果提示词和上下文不充分，它不知道你的研究语境，输出的内容大而泛，缺乏前后一致性和整体性，每次都要花时间重新解释背景，生成的内容大量是废话。

除了上下文语境不充分，AI只能输出文字和代码，没法帮我直接运行代码，修改论文，显得非常麻烦和低效。

后来接触到了 Agent 落地实践，才真正意识到：目前用 AI 提效的正确方式，不完全是更好地问问题，而是搭一条跑得通的流水线。

科研流水线（Pipeline）

这个词听起来很工程，但说白了就是把重复性的工作模块化，让 AI 按照固定的流程自动完成。和Harness工程编码类似，需要许多约束和规则设计。

我自己的科研大概可以拆成这几个阶段：

1. 文献调研（通过调用网络搜索能力，找方向、找 gap）
2. Idea 验证（看有没有人做过、讲不讲得通故事）
3. 实验设计（设计对比 baseline、消融实验方案）
4. 代码实现（跑通模型、处理数据）
5. 论文写作（写 Introduction、整理实验结果）

以前这五个阶段每一个都要从零开始手工做，现在除了最核心的”想 idea”这一步还得部分地靠自己的判断和check，其他的基本都有 AI 辅助的自动化模块在跑。

文献调研

文献调研是最耗时间的环节之一，尤其是一些研究新手。我当时借助谷歌学术当人肉搜索引擎，一篇一篇去看，一个月以后能大致画出领域地图，但这个速度实在太慢了。