課程背景

同樣是用 AI，有人幾分鐘搭好 PPT 框架 AI自動開始做、批量跑完幾百篇文獻、讓代碼自己寫、自己 debug；也有人折騰半天，最后嘆一句"還不如自己手搓"

過去這一年，這種差距在科研圈里迅速拉開。而拉開差距的，往往不是誰更聰明、工具更高級，而是到底能否正確使用。大多數人還把 AI 當搜索引擎，抱怨它不穩定、愛胡說，卻很少意識到：問題常常不在模型，而在于你沒能真正理解 AI 需要的信息，比如：上下文、提示詞、版本差異、API 調用，以及背后的Agent 自動化邏輯。于是同樣面對 AI，有人在搭建自己的科研生產系統，效率翻倍；有人只能反復和幻覺纏斗，越用越累

對心理學和認知神經科學研究者來說，AI 的價值更遠不止潤色論文。它能幫你建起文獻"第二大腦"、批量處理開放數據、用高維向量重新定義數據、搭建"AI 被試"、跑出可匯報的數據分析、一鍵生成可編輯的學術 PPT，再把這些零散工具串成一條個人科研自動化流水線，讓 AI 在后臺替你干活

這正是本課程要帶你走的路：從"零散地、不成體系地試"走到"系統構建框架，自如地用"！

14 課時、7 大模塊，從 AI 基礎使用一路打到 Agent 云端自動化。這不是聽完就忘的演示課：每個模塊都帶可復用的產出。學完之后，你面對 AI 的狀態會從"它怎么又出錯了"，變成"這個環節，我完全可以放心讓 AI 在后臺跑就好"，相信學完這門課，AI 將徹底融入你的工作流！

培訓對象

本課程主要面向希望將 AI 系統性應用于心理學、認知神經科學、腦科學、行為科學和相關交叉學科研究的老師、研究生和科研人員。

尤其適合以下幾類學員：

1. 完全沒有使用過AI產品，或者淺淺地使用過國內的AI產品、御三家的網頁端，或者輕度使用過 ChatGPT、DeepSeek、Claude 等工具，但感覺效果不穩定、經常幻覺、不知道如何系統提問的學習者

2. 希望用 AI 提升文獻閱讀、論文寫作、PPT 制作、代碼分析和數據處理效率的心理學科研人員

3. 想進一步理解 Prompt、上下文、API、token、批量調用、Agent、CLI、MCP 和 Skills 等概念，但缺少系統入門路徑的學員

4. 希望將 AI 接入心理學研究，例如語義相似度分析、AI 被試、自動標注、實驗材料生成和開放數據批處理的研究者

5. 希望用 Codex、DeepSeekTUI、Claude Code、OpenClaw 等工具搭建個人科研自動化流程的進階用戶

6. 想從“會問 AI”進一步走向“會設計 AI 工作流”的科研人員

課程內容

課程說明

1. 從零基礎入門，幫你真正理解 AI 工具差異

很多人使用 AI 的第一道門檻不是不會提問，而是不知道不同模型適合做什么。本課程將從國內外主流模型的差異、適用場景和使用策略講起，幫助學員理解 AI 的基本能力邊界，避免把所有任務都丟給同一個模型

2. 不只教“怎么問”，更教你理解模型如何工作

AI 幻覺嚴重，很多時候不是因為模型“完全不能用”，而是因為任務拆解、上下文輸入、約束條件和輸出檢查沒有設計好。本課程將進一步介紹模型機制、token、API 配置和批量調用的基本邏輯，幫助學員從“會用 AI”進入“理解 AI 如何工作”

3. 面向心理學科研，講 AI 如何真正進入研究問題

本課程不僅教大家如何用“AI 提效”，重點還在如何用 AI 服務于心理學研究。課程將實操展示如何使用高維向量表示語義相似度，如何將 LLM 方法接入心理學實驗設計、語義表征分析、AI 被試模擬、空間可視化和自動標注等具體場景

4. 聚焦 Agent 工作流，真正把 AI 嵌入科研流程

很多科研任務不是一句 prompt 就能解決的，而是需要反復讀取文件、修改代碼、生成圖表、檢查結果、整理報告。本課程將介紹 Agent 是什么、CLI 是什么，以及如何使用 Codex、DeepSeekTUI 等工具把 AI 嵌入真實科研工作流

5. AI 輔助數據分析，強調可信、可匯報、可復現

數據分析是科研中最需要謹慎使用 AI 的環節。本課程不會鼓勵學員盲目讓 AI “直接跑結果”，而是會強調如何讓 AI 輔助構建可信的數據分析流程，包括任務拆解、算法選擇、代碼生成、結果檢查、可視化、解釋和報告撰寫

6. 完整實操產出，學完不是只知道概念，而是帶走工作流

本課程強調“邊學邊做”，每個模塊都設置明確的實操產出，包括個人 AI 科研工作流、API 批量處理開放數據、語義相似度分析、AI 實驗設計、Agent 工作流、AI 輔助數據分析報告、Claude Code 項目模板、個人 Skill 框架，以及 OpenClaw 科研自動化 workflow

7. 拓展到 Skills、MCP、Claude Code 與 OpenClaw，面向下一階段科研自動化

當 AI 不再只是聊天工具，而是可以調用文件、代碼、網頁、數據庫和外部工具時，科研工作流會發生很大變化。本課程后半部分將介紹 Skills、MCP、Claude Code 和 OpenClaw 等更進階的自動化工具，幫助學員理解如何構建個人可復用的 AI 能力模塊，并進一步探索云端實驗室、后臺任務、分布式部署和多端打通

你可能想問

Q：我之前幾乎沒用過 AI，可以學嗎？

A：可以。本課程前半部分會從模型差異、基礎使用、上下文和 Prompt 講起，不要求學員一開始就掌握 API、Agent 或自動化工具。課程設計是從“會用”逐步走向“會搭建工作流”

Q：我已經會用 ChatGPT 或 DeepSeek，這門課還適合我嗎？

A：適合。很多人雖然會用 AI，但主要停留在問答、潤色和摘要層面。本課程更強調如何把 AI 系統接入科研流程，包括批量處理、代碼輔助、數據分析、語義表征、Agent 自動化和項目模板搭建

Q：AI 幻覺這么嚴重，真的適合科研嗎？

A：AI 不能替代研究者的判斷，但可以成為高效的科研助手。關鍵在于任務拆解、上下文控制、輸出約束、結果檢查和人工驗證。本課程會強調如何建立可靠的 AI 使用邊界，而不是盲目相信模型輸出

Q：這門課是偏寫作，還是偏代碼和自動化？

A：兩者都有，并且都有實操教學。本課程會覆蓋文獻、寫作、PPT、代碼、數據分析、語義表征、Agent 工作流和自動化部署，更接近一套完整的 AI 科研能力訓練。

Q：不會編程可以學嗎？

A：前半部分內容，例如 AI 入門、Prompt、上下文、第二大腦、文獻處理、PPT 制作和基礎工作流對于完全沒有編程基礎的同學是沒問題的。但后半部分涉及 API、CLI、Agent、Claude Code 和 OpenClaw 等進階內容，具備編程基礎會更容易跟上，同時如果 AI 設計和你的預期有偏差也能指導 AI 如何修改。如果完全沒有編程基礎，也可以重點學習工具邏輯和工作流設計或者在課前學習老師推薦的編程入門公開課

Q：課程會提供代碼和示例嗎？

A：建議課程配套提供完整代碼、示例數據、項目模板和操作文檔。這樣學員不僅能聽懂概念，也能跟隨課程完成可運行的實操案例，并在課后遷移到自己的科研任務中

Q：學完之后能不能立刻用到自己的課題？

A：課程目標就是幫助學員把 AI 方法遷移到自己的科研場景中。不同課題的具體流程會有所不同，但學完后應能掌握一套通用思路：如何拆解任務、選擇工具、組織上下文、調用模型、檢查結果，并逐步搭建自己的科研工作流

Q：報名后怎么學習？可以退出嗎？有發票嗎？

A：課程提供發票，我們會在開課前兩種分發課前準備資料，請大家根據資料進行預習和準備工作。分發資料前，如因個人原因需要退、改的同學，聯系小助手進行協商；分發課前準備資料后不再接受退、改申請

↓滑動查看往期學員反饋↓

如何報名？