Course Essay
AI 辅助科研的最小知识集
AI 出来以后，科研的整个范式不断被打破和优化。最开始我以为只是让我们做一件事情做得更快，但后来发现在速度提起来以后，如何确保准确性变成了一个困难的问题。在 AI 出来以后，我们到底应该去训练什么样的能力？还需要人具备什么样的能力？
我反复思考这个问题，后来是在得到听刘雪峰老师解读《通用人工智能》这本书时提到了一个概念——最小知识集，才豁然开朗。
核心定义：将知识分为两类，一类是必须深度掌握的最小知识集——即领域内最核心、最常用、支撑后续所有学习的底层概念；另一类是仅需”边界性掌握”的外围知识，只需知道其能解决什么问题即可。
AI 赋能科研中也存在这样的最小知识集。站在科研整体角度上看，它可以分为三块：
- 第一块是研究假设和研究设计的提出
- 第二块是如何对这个假设进行可信验证
- 第三块是将验证过程用学术共同体认同的方式表达出来
所有研究的起点是研究假设和研究设计。这门课先从第一块入手：把一个模糊的想法变成一个可被验证的研究设计。
这门课适合你吗？购买前自检
你不需要有任何编程基础。但这门课有明确的适用范围——它不是万能的。买之前花一分钟对照下面三档判断：
✓ 完全适配（课程主线就是为你设计的）
- 你正在做或准备做实证研究（量化为主、质性也可）
- 你的研究需要文献检索、文献矩阵、Gap 发现、假设提出、方法路径设计中的至少一环
- 你有一个模糊想法/导师给了方向/手上有数据，但还没形成可被验证的研究设计
- 典型场景：硕士课程论文、毕业论文前期、博士开题准备
△ 边界模糊（能用，但部分环节不完全匹配）
- 你的研究偏质性（案例研究、扎根理论、话语分析等）——文献检索和矩阵环节通用，但假设验证和方法路径部分需要你自行适配
- 你的领域有特殊文献来源（如法律判例库、专利数据库）——课程只演示知网 + Connected Papers，其他来源你需要自行导出题录摘要后再接入
- 你已经有完整研究设计只想加速文献环节——可以直接从第 1 步开始，但前面的研究问题和后面的假设部分对你价值有限
✗ 不适配（买了大概率用不上）
- 你的研究不涉及文献（如纯工程实现、纯数据竞赛、纯艺术创作）
- 你只需要 AI 帮你”写论文”而不是”做研究”——这门课训练的是研究判断，不是论文生成
- 你期望 AI 全自动出一篇可投稿的论文——课程明确要求人工判断贯穿全程，AI 不能替你做决策
关于数据来源和文件格式
- 文献来源不限于知网和 Connected Papers。任何能导出题录摘要的平台都可以接入（Web of Science、Scopus、PubMed 等）。
- 全文处理只支持文字型 PDF（鼠标能选中文字的那种）。图片型/扫描型 PDF 和 CAJ 格式不直接支持，详见课程内对应说明。
课程包二、课程包三
假设验证和论文撰写的课程包仍在开发中，上线时间另行通知。