阿哲研一开学第一个月，栽在一件小事上。
导师甩来一份参考文献列表，三十多篇，要求统一成 IEEE 格式再交。他手动复制到 Word 里改了一下午，眼睛花了，还有两处卷期号搞反。交上去导师没说啥，但他心里清楚：这三小时，一点科研含量都没有。
这只是开胃菜。真正让他崩溃的是选题。
他想做"多模态医学图像分析"，打开 Google Scholar，搜出来的论文像雪球——读了这篇引那篇，三天过去，连"这个方向到底卷没卷、还有没有坑"都没搞明白。导师问进展，他只能说"还在看"。
研究生最痛的其实不是"不会做"，是四件事卡住：
- 查文献效率低：手动搜 Scholar，重要文献总漏；
- 趋势分析靠直觉：看到什么火做什么，没数据支撑；
- 研究空白（GAP）难发现：不知道哪些是红海、哪些是机会；
- 综述框架不会写：文献攒了一堆，不知道怎么组织成章。
阿哲的问题，本质上是一个：重复性脑力劳动霸占了本该用来判断和创造的时间。区别在于阿哲在和"信息密度"本身搏斗。
拆开看阿哲的卡点，会发现它们不是能力问题，而是结构性浪费：
一句话：阿哲缺的不是能力，是一套把"科研杂活"外包出去的操作系统。下面就搭这套系统。
系统架构与角色分工：科研三层
把阿哲的科研系统拆成三层，正好对应 WorkBuddy 现在的三层能力：
必做设置：先把"科研装备"配齐
动手前，阿哲先做了三件一次性的事，之后每天省两小时：
阿哲没想一口吃成胖子。第一周，他只让 WorkBuddy 接手三件高频且机械的事：
- 参考文献格式归一：最痛的起点，十分钟见效；
- 每周 arXiv 简报：设置一次，长期躺赚；
- 一篇论文的 PDF 读摘：验证"读摘→笔记进 IMA"的链路。
其余（定方向、判数据、做创新）他亲自来。先让 AI 证明"它能扛住机械活"，再逐步放权。
下面五个提示词，是阿哲科研闭环的主干。每条都注明用途和为什么这样写。
任务 1 · 文献检索 + 趋势分析
用途：替代手动搜 Scholar。为什么这样写：明确要求"多源 + 标注来源 + 限流降级"，避免编造和单点失败。
任务 2 · 选题 GAP 识别 + 综述框架
用途：把"选题迷茫"变成"有数据支撑的方案"。为什么这样写：先 GAP 再框架，符合"先搭骨架再填肉"，质量远高于直接让 AI 写全文。
任务 3 · PDF 读摘 + 引用一键转
用途：读摘进 IMA + 引用格式归一。为什么这样写：把机械读摘外包，阿哲只判"这篇值不值得精读"。
任务 4 · 科研数据绘图（含代码）
用途：绘图从 4 小时降到 1 小时。为什么这样写：要求"注释 + 矢量输出"，AI 生成的代码阿哲能看懂、能改。
任务 5 · 组会 PPT + 周报底稿
用途：组会前不再通宵。为什么这样写：对接第一季第 7 篇（PPT）和第 5 篇（文档处理），复用成熟模板。从灵感到交付：不是一步成文，是流水线
很多人以为"让 AI 写篇综述"就完了，结果漏文献、口径乱。阿哲的链路是技能组合串联，每一步都有人把关：
两个铁律（来自真实踩坑）：
- 先搭框架再填内容：让 AI 先出章节大纲和每节核心要点，阿哲确认结构合理，再逐节扩展。比直接要全文质量高一个档次。
- 技能别单用：检索→解析→润色→引用管理四段串起来，效率远高于单独调用任何一个。
下面两组数字来自两位作者的真实使用分享，供你判断"值不值得上手"，不是本教程的承诺值
怎么读这两张表：把"提升 60–70%"当上限参考，不是保票——学科、基础、用量不同，落到你身上会有偏差。重点是确认"机械活确实能被外包"，再决定投入。
让"文献库"变成"下一轮的燃料"
阿哲每周做两件事，把产出喂回知识层：
- 文献沉淀：所有读摘笔记、导师批注、自己的灵感，存回 IMA。下次检索直接从知识库捞，不用重复搜；
- 周报回灌：每周生成的周报底稿存进 IMA 的"项目进展"分区，月底自动拼成月度进展，开题和结题直接调。
- 让 WorkBuddy 的资产云端可见、跨会话可复用。
WorkBuddy 不是万能的，它不能替你想出物理模型，也不能替你做实验决策。但它能把你从"格式整理、文献搬运、绘图调参"这些零科研含量的活里捞出来，让你把精力压在真正值钱的地方——设计实验、解读结果、构建属于自己的创新点。
热门跟贴