焦虑的反面是具体：用 3 年 AI 实践和你分享这份 AI 科研心得指南
AI 实践 3 年 从纠结到放弃执念
AI 真正开始改变和侵入我的生活，和不少人类似，开始于 2022 年底的 ChatGPT 尝鲜。
2022 年 11 月 30 号，ChatGPT 上线 后迅速成为现象级产品，据统计发布 5 天后用户突破 100 万。
产品发布第 6 天，我的 homie 在成为 ChatGPT 用户光荣一员后旋即也带我上车，回看那天的聊天记录，彼时我还留下了现在看来仍很有趣的暴论：我觉得最可能被这类 AI 干死的是搜索工具。
以前不敢想的事猛的变成现实。
好在震撼过后 AI 很快漏出了能力缺陷，最简单的数学题算不明白，让它介绍“熊言熊语”就开始“胡言乱语”。我们彼此交流 AI 能做什么，不能做什么，转发一些 AI 看起来弱智可笑的案例。
在应用之外，OpenAI 也为开发者提供 API。
时间来到 23 年 3 月 7 日，那天我的邮箱里出现了 OpenAI API 升级的通知，大概意思是：gpt-3-5-turbo 正式开放，价格比 gpt-3-5 降低 10 倍。
我记不起当时的心情，但清晰能回忆起自己想用它做点什么的冲动。也是从那时起，一个叫做 PaperFlow 的构思记在了 DailyLog 笔记中，我写到：
我一直希望自己所有和 Paper 相关的工作内容，都可以向水一样流动 (flow) 汇聚，现在看这个能量来源应该是大语言模型的 API 能力。
3 个月后的 23 年 6 月 9 日，只有一个功能的 PaperFlow Alpha 版本，一个手撸的不到 1000 行后端代码和不到 1000 行前端代码的极简 Web 网站上线。
我也没想到它会变成如今刚过完 2 周岁生日的 InsightPaper，满脑子就是看到页面上生成的 AI 生成结果后感觉信息流动起来的兴奋。
接着，就是 AI 能力和我自身能力齐头并进的一段时间。
2023 年和 2024 年初，我还密集写过很多专业相关的「雄文」，哦不，是「熊文」。如果你恰好看过那些动辄上万字参考文献几十篇的邮件通讯。
当时我的写作流程大概是：
- 从笔记中挑出感兴趣的既往选题，这些选题往往来自看到的行业新闻和最新的研究论文
- 用两到三周的时间，每天晚上回家，从一篇论文和新闻开始，慢慢扩展到几篇，再到十几篇相关论文。
- 仔细研究这些论文之间的关系，试图从中找到一些并不明显的连接，作为呈现在你面前最终的文章主线
比如：
随着 homie 加入和助力，更名为 InsightPaper 后的 PaperFlow 功能持续增加，我越来越沉浸在和 AI 高度耦合的协作中。也越来越怀疑在 AI 能力上限快速提高的前提下，我做的工作和写出来的东西，除了成为硅基智能未来某次训练的一点点语料之外，还有什么意义。
那段时间我重度使用所有能接触到的 AI，ChatGPT，Perplexity，Poe，Scite……太多知名或者不知名的工具，我尝试探索每一个工具的能力边界，进而得出自己的优势和存在的意义。
不知道该开心还是难过，这段 AI 刺激下的恐慌和不甘并没有持续太久，当我意识到自己的能力进化和 AI 的能力进化完全不是平行线，我们瞬间就产生了交集，然后我看着它的背影，它扬长而去。
也是在那段时间，我接受了把 AI 作为日常所有学习和工作环节的工具。
推理模型终于让我放下了最后的执念
把 AI 当做工具的阶段持续到 2024 年 9 月，我第一次使用了当时 OpenAI 的推理模型 O1-preview。
此前，我从没有赋予 AI 平等对待的人格化特质，接受和输出的也是诸如 AI 只是基于概率来预测下一个 token、AI 能力是大多数人类平均水平这类观念。
但现在，当你面前实实在在出现一个有“思考”能力的模型，当它聊出你自己无法理解的内容和哲理。第一次，我感觉这些年积累和训练出来的“思考”能力，也面临被 AI 代替。
意识到这一点，我终于放下了最后的执念，放下执念也就自然放下了某种偏见和立场。
随后 AI 领域发生的事情，大家应该都比较清楚了。
2025 年春节，DeepSeek R1 现象级火爆，紧接着字节豆包、腾讯元宝，大厂大肆投入营销，随后 MCP、Agent 成为又一个主流趋势，Manus 一码难求。
似乎，当一种趋势扑面而来，你不去应对和自我升级也没关系，这种趋势会主动找到你。但如果你越主动，就会越早适应今后某一天的生活。
以上，就是我过去三年和 AI 纠缠的心路历程，此刻你可能也正处于某个类似的阶段，我写出来是想说告诉你没关系，都差不多。
你和 AI 合作的三种姿态
2024 年中的一次分享，我曾和大家一起讨论过使用乔哈里视窗，通过评估 AI 能力和自身能力之间的关系，找准 AI 的定位和可以做的事情。
当时 AI 仍被我当做一个工具看待，科室到了 2025 年的今天，能力四象限分类方法越来越不适用。
最强大的 OpenAI O3 或者 Gemini Pro 2.5 以及未来即将推出的 DeepSeek R2 这些模型，AI 工具避雷区正在极限缩小，模型能力必然在绝大多数维度上超过每一个个体。
在科研领域，语法润色和知识性问答，已经不再是顶级 AI 能力的核心优势。相反，信息整合、思维发散、复杂理论理解这些高阶能力才是模型真正赋予你的武器。
**AI 不再是一个工具，而是你极好的合作伙伴。**说到这里，不知道你是否和各种各样的人合作过。
生物信息专业出身，在读研和博士的那些年，我天然需要和很多人合作，逐渐我发现：和别人合作之前，最重要的是要先明确自己的段位，拥有一个正确的姿态。
接下来的这个认知，可能是你今后在科研领域有效使用 AI 的前提。
面对顶级能力的 AI，你应该首先学会定义自己的能力边界，判断自己选择低中高哪一种姿态，针对不同的判断使用不同策略。
不过，科研是一个极复杂的体系，所谓的低中高，并非是给自己贴的标签，而是一种“人 + 任务”的组合判断。
没有人在所有维度上都是“高水平”，一个在自己的领域“高水平”的 PI，面对一个全新的编程语言时就是“低水平”的入门者；一个精通湿实验的博后，在处理高通量测序数据时可能一直在“中水平”中挣扎。
以下，简单写一点三个不同姿态的 AI 使用心得，供你参考。更详细的内容希望有机会可以深入聊聊。
- 低姿态，AI 带给你“知识平权”
- 当你在某个任务上处于低水平时（无论是真新手，还是高水平专家在学新技能），此时 AI 能为你提供非线性的巨大提升空间，所有学科的基础知识和技术将不再是限制你的因素。
- 交流起点：总结一下关于 A 蛋白的研究进展？
- 使用策略：拥抱和信任
- 中姿态，AI 带给你“能力平权”
- 中等水平是我们多数人在多数场景下的状态，也是最难和 AI 配合的。
- 你的价值在于比 AI 更懂自己的细节和背景。如果像低姿态一样依赖反而会拉低上限。AI 的回答基于通用数据和知识，缺乏你独有的“微决策”能力和批判性思维；它给你的是则各种能力的无限整合与调用。
- 交流起点：我的实验室数据显示 A 蛋白在一个非典型的细胞通路中起作用。针对这个现象，是否尤其合理性？结合最新的蛋白互作理论，为我设计三个实验假说来探索底层机制。这些假说应该在现有文献中没有被明确提出过。
- 使用策略：辅助和整合。
- 高姿态，AI 带给你“审美平权”：
- 当处于高水平时，你的核心优势在于自己独特的视野和创造力，AI 无法替代但能将其放大。我写在这里的“审美”可以宽泛理解为一种判断能力和品味。你应该尝试直击问题的本质并和 AI 进行思想上的交锋，和他讨论这个世界上和你同等水平的其它阶独特审美。
- 交流起点：这是我过去 5 年发表的所有研究论文，如果把它们与公共数据库 TCGA 进行关联，寻找一个全新的、只有我的数据能揭示的跨疾病分子机制。
- 使用策略：追问和质疑。
评价 AI 科研工具的金字塔策略
接下来聊聊评价一个 AI 科研类工具的策略。
现阶段，大家对于 AI 科研类工具的诉求核心其实是对于上下文准确性的诉求。换言之，AI 搜索是先搜索后处理。
在这个共识下，如下图的金字塔评价策略，AI 科研类工具的专业数据库整合能力、最新论文获取能力，先天决定了一个 AI 科研类工具的下限。这是评价一个 AI 科研工具的基础，即可用还是不可用。
金字塔评价策略的第二个维度是方法论。
AI 科研类工具的本质是开发者团队对科研本身的理解，是科研思维的集中体现，因此也是你评价策略的核心。
回想一下，当你同时使用若干个工具，自己总会因为一些设计和巧思而对某个工具产生偏好，这就是工具背后的方法论刚好契合了你自己的偏好和品味。它决定了工具的表现，即好用还是不好用。
如果一个科研类 AI 工具能够有扎实的最新的数据来源，又有刚好符合你品味的设计思路，已是一个难得的好工具。而回到 AI 本身，工具依赖的大语言模型能力加上工具对模型的把控能力，决定了这类工具的上限。同样的上下文和输入指令，顶级智能模型就是更可能带给你 aha moment。
以上，是我日常评价一个 AI 科研工具的三个核心维度，使用这个金字塔策略，未来再评价一个工具时你想必也会从容些。
焦虑的反面是具体，10 个 AI 行动清单
焦虑的反面是具体，我没办法治疗你的 AI 焦虑，但可以尝试提供 10 个这 3 年 AI 实践后我具体的行动清单建议。
- 尝试最顶尖的 AI 模型
- 如果有机会，尝试深度使用一段时间世界上当前阶段最顶尖的 AI 模型（力所能及可以购买一个月 ChatGPT 或者 Gemini 的高级会员），不被各种评测干扰，自己去感受它的能力。
- 阅读顶尖推理模型的思考过程
- 使用 DeepSeek R1 或者 Qwen3 这类会全量输出 thinking 内容的推理模型。不要在乎回答，而是仔细阅读每一次思考过程。不要针对输出回答对话，而是针对它的思考过程去交流。
- 尝试使用至少一次各类 AI 的 Deep Research 功能
- 比如 ChatGPT 或者 Gemini 的 Deep Research 功能，或者是专业工具的类似功能，比如 InsightPaper 中的综述生成。
- 和 AI 深入讨论自己最新发表的科研论文并对它的回答进行质疑
- 你应该是全世界最懂自己科研项目的那个人，把自己最新发表的科研论文发给 AI 并和它深入探讨。
- 借这个机会，在和 AI 交流的过程中对它输出的内容进行质疑。
- 写一份个人科研说明书，让 AI 认识更全面的自己
- 包括：你的个人背景信息，例如你的性格特征，你的个人喜好；你的科研背景信息，例如你最关心的科学问题，你的短期和长期科研目标，你自己已经掌握和希望掌握的科研技能，你自己的科研洁癖和准则，甚至还应该包括你自己关注的科学家和欣赏的研究论文。
- 内容越详细越好，把这份说明书作为 AI 工具的默认上下文设置，或每次对话首先发送，接下来的交流往往会有惊喜。
- 当 AI 的能力越来越强，你越要让 AI 更全面的了解你。AI 的价值不是让你把现在的工作做得更快，而是帮你发现可以去做什么不同的、更能体现价值的东西。
- 完成 5 之后，把 1-4 所有行动重做一次。
- 认真使用一个符合自己科研思路和审美的工具
- 广泛不设限的使用你能找到的 AI 科研类工具。
- 应用我们的金字塔评价策略认真选择并使用最符合你自己科研思路和审美的工具。
- 如果有机会和开发团队交流，提出一个你自己使用后产生的问题。
- 把一个支持多模态的 AI 工具放在手机首屏和浏览器首页。
- 与 AI 高频对话，随时把自己的新知作为话题。强迫自己提出更高质量、更具颠覆性的问题。习惯自己即时提问和 AI 的即时响应，习惯高密度信息，培养使用 AI 工具的直觉。
- 通过随手拍照和视频的形式和 AI 交流，想象自己以后的生活多了 AI 这样一双眼睛。
- 梳理一个日常的工作流，尝试每一步都让 AI 参与。
- 回想自己日常学习和工作习惯，选择一个最高频的工作流，思考，实践，尝试每一步让 AI 参与。
- 至少把其中一步全部交由 AI 完成，学习和 AI 建立信任的合作关系。
- 用 AI 帮助身边的人长久地解决一个问题
- 观察一下自己同学或者同事，留意一下他们有没有和你讨论过什么问题，选择一个会反复遇到的，思考并且借助 AI 帮他们长久解决这个问题。
- 当你完成上述 9 个具体行动后，可以和此刻的我一样，写一篇 AI 应用实践心得或者在组会上分享自己的 AI 应用感受。
写在最后
写到这里我需要坦白，其实这四个章节来源于不同阶段 InsightPaper 天使用户提过的四个问题，而我也前前后后写了一年。这四个问题分别是：
- 你最早为什么会开发这样一个工具，AI 对你有没有什么冲击？
- 我觉的使用 AI 之后没有别人说的那么震撼，是不是我使用的方法不对？
- XX 工具熊哥你有没有用过，感觉怎么样？
- 现在 AI 发展太快，感觉我每天忙着做实验完全跟不上，非常焦虑。
写完每个问题的回复草稿，我把这些问题抽象后，发现它们原来可以彼此联系，刚好组成一篇「我的 AI 实践心得」，在一个值得纪念的节点分享给你。
嗯，即便到了今天，我在第一节里提到多年养成的写作习惯，也依旧能发挥它的价值，这和 AI 本身没有关系。
InsightPaper 在 2023 年 6 月 9 日默默上线，一开始是为了满足我的好奇心和科研学习需求。随着后期 Homie 洲更加入，他提供了很多技术支持和精神鼓励。如今，一直在迭代优化，成为覆盖不少科研学习场景的 AI 工具。
在没有什么公开宣传的情况下，也慢慢有了 1000+ 注册用户，处理了 20000+ 对话消息，并且度过了 2 岁生日。主域名 insightpaper.work 的访问量过去 30 天 unique visitors 也超过了 5000 人，高阶工具版本 得到了非常多朋友的喜欢～
感谢洲更，每一位参与过 InsightPaper 测试、使用、反馈的用户，感谢豪气支持服务器 API 及各种运维成本的朋友。
写完这篇实践分享，我思考后面还能继续为大家做些什么。
看过草稿的朋友说，感觉遵循“从焦虑到具体”的主题非常好，不如建一个 AI 科研为主的实践讨论群，让希望具体行动的伙伴可以有一个互相交流的渠道。
我请在这个提议下，更具体一些不如设定一个目标：用 AI 解决 100 具体的科研问题。
如果你希望加入，可以直接扫下面的二维码免费入群，提示超过人数限制的话可以添加微信 (kaopu_bear) 拉你进群，一起用具体来对抗焦虑，一起实践～
