01
文献检索
优先试点这一场景的目标是把研究问题、数据库、时间和学科整理成检索式、文献表、证据和缺口。
- 输入
- 研究问题、数据库、时间和学科
- 输出
- 检索式、文献表、证据和缺口
- 验收
- 检查检索时间、引用错误率、复现实验成功率
- 边界
- 逐篇核对题名、DOI、作者和原文
31
科研学术
专业与生产科研学术应用必须保留原文、数据、代码和引用链，防止生成式错误进入研究结论。
- 覆盖角色
- 高校教师、研究员、博士生、实验工程师、科研项目管理员、医学科研人员
- 白皮书位置
- p126-129 · 2 张配图
01
应用场景全景表
9 个场景 · 输入、交付与人工边界左起第一列是这个岗位可交给 WorkBuddy 的场景； 中间两列是它需要什么、能交付什么；最后一列是必须由人或系统决定的部分 —— 这一列才是评审时真正要看的，因为它决定哪些环节不能自动化。
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 文献检索 | 研究问题、数据库、时间和学科 | 检索式、文献表、证据和缺口 | 逐篇核对题名、DOI、作者和原文 |
| 综述与证据矩阵 | 入选论文、研究问题和筛选标准 | 主题、方法、结论、冲突和证据表 | 不得根据摘要虚构论文结论 |
| 研究问题与设计 | 现有证据、对象、变量、资源和伦理要求 | 假设、研究设计、样本和风险 | 研究者与伦理审查承担最终责任 |
| 实验方案与记录 | 协议、材料、设备、变量和历史记录 | 步骤、检查表、记录模板和偏差项 | 危险实验、关键参数和操作由专业人员确认 |
| 科研数据处理 | 原始数据、字典、统计计划和代码 | 清洗日志、分析代码、结果和限制 | 保留原始数据，防止选择性报告 |
| 代码与复现实验 | 论文、代码、环境、数据和随机种子 | 环境说明、运行结果、差异和复现报告 | 不要把运行成功等同于科学结论成立 |
| 论文写作 | 真实研究结果、图表、结构和期刊规范 | 章节草稿、图注、摘要和修改清单 | 禁止代造数据、引用和作者贡献 |
| 引用与事实核验 | 稿件、参考文献和原文 | 引文对应、缺失引用和错误清单 | AI生成引用一律回查数据库与原文 |
| 基金与项目申报 | 指南、基础、团队、预算和计划 | 申请书框架、材料表和一致性检查 | 不得虚构成果、团队经历和预算依据 |
02
三个优先场景
按落地难度排序，建议从 01 开始三个优先场景在各岗位下按同一套方法拆解：明确任务口径 → 收集并检查输入 → 让 WorkBuddy 执行整理、检索或生成 → 输出可编辑结果 → 由岗位负责人复核后进入下一流程。
01文献检索
02综述与证据矩阵
03研究问题与设计
02
综述与证据矩阵
这一场景的目标是把入选论文、研究问题和筛选标准整理成主题、方法、结论、冲突和证据表。
- 输入
- 入选论文、研究问题和筛选标准
- 输出
- 主题、方法、结论、冲突和证据表
- 验收
- 检查检索时间、引用错误率、复现实验成功率
- 边界
- 不得根据摘要虚构论文结论
03
研究问题与设计
这一场景的目标是把现有证据、对象、变量、资源和伦理要求整理成假设、研究设计、样本和风险。
- 输入
- 现有证据、对象、变量、资源和伦理要求
- 输出
- 假设、研究设计、样本和风险
- 验收
- 检查检索时间、引用错误率、复现实验成功率
- 边界
- 研究者与伦理审查承担最终责任
03
四层能力与实施条件
从文件层到决策层，越往后越需要治理同一个岗位的场景会分散在四层里：文件层只用本地文档就能跑， 知识层要先建好有版本、有出处、有权限的资料，系统层要接业务系统， 决策层则必须保留人工批准。先看自己能从哪一层起步。
文件层
- 综述与证据矩阵
- 研究问题与设计
- 代码与复现实验
- 论文写作
使用本地文档、表格和模板，结果可人工检查
知识层
- 文献检索
建立有版本、有出处、有权限的知识资料
系统层
- 科研数据处理
通过受控的Connector、MCP或API读写业务系统
决策层
- 实验方案与记录
展示依据、假设和影响，高风险决定由人批准
04
试点建议与实施边界
试点怎么推进
推荐先做“文献检索”。它所需输入是研究问题、数据库、时间和学科，目标交付是检索式、文献表、证据和缺口。
试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。
建议验收指标包括：检索时间、引用错误率、复现实验成功率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
不能越过的边界
- 论文写作：禁止代造数据、引用和作者贡献。
- 引用与事实核验：AI生成引用一律回查数据库与原文。
- 基金与项目申报：不得虚构成果、团队经历和预算依据。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
05
主要资料来源
白皮书列出的入选来源文章- 麦伴聊斋 ｜ 为什么现在的AI科研工具不好用？
- Codex辅助经管科研：选题、文献、数据、写作，一步到位
- 在AI时代，如何重构你的论文写作工作流？
- WorkBuddy和Codex，新手怎么选
- 从“AI写作”到“AI研究系统”：2026年科研工作流正在发生什么变化？
科研学术的场景能不能落到你们现在这套流程上？
把你们这个岗位最耗人的一件事说清楚，我们按上面四层能力给出可切入点、需要对接的系统清单和人工边界 —— 不是通用方案，是照着你们现有流程改的版本。
