北京
AI FOR SCIENCE
把重復工作交給工具，把完整精力留給真正有價值的科學問題。
“十五五”規劃明確提出深化“人工智能＋”行動，AI正在改變科研工作的方式。
但對不少科研工作者來說，真正把AI用進日常工作并不容易：大模型用過不少，卻缺少系統的方法；提示詞反復調整，結果仍不穩定；擔心AI生成虛假文獻，不敢直接采用；想搭建專屬科研智能體，又不知道從哪里入手。文獻檢索、論文寫作、基金申報、科研繪圖和數據處理，依然占用大量時間。
針對這些實際問題，中國科學院人才交流開發中心將舉辦“人工智能賦能科研實踐效能提升與智能體構建應用”高級研修班，由中國科學院軟件研究所專家授課，幫助參訓人員將AI工具真正應用到科研工作中。
本文看點
01
五層課程體系
02
三地培訓安排
03
報名與費用
01
ORGANIZER
本次研修班由中國科學院人才交流開發中心主辦。該中心于1992年經中央編辦批準設立，是中國科學院直屬全民所有制事業法人單位，具有三十余年科技人才培訓經驗。
課程師資主要來自中國科學院相關研究所及重點高校，長期從事AI for Science及相關領域研究與實踐。課程內容貼近科研院所、高校和企事業單位的實際需求，完成培訓后可獲得結業證書。
02
CURRICULUM
課程設置
本次課程強調實際應用，采用理論講解、現場操作和案例拆解相結合的方式。課程內容按照“大模型基礎—科研通用流程—科研繪圖與數據可視化—本地私有知識庫—科研智能體開發”逐步展開。
13
核心教學模塊
57
實操小節
AI大模型基礎入門
本部分幫助初學者建立必要的基礎認知，重點解決模型不會選、提示詞不會寫等問題。
大模型基本原理
科研常用大模型的對比與選擇
大模型在科研中的五類核心應用
面向科研任務的提示詞設計與優化方法
通用科研全流程AI工具
圍繞科研人員日常高頻任務，課程將演示如何把AI用于文獻、論文、課題申報、實驗設計、代碼編程和成果匯報。
文獻智能檢索與分析
批量檢索文獻、多篇文獻對比閱讀、識別并規避AI文獻幻覺。
論文寫作與潤色
輔助初稿撰寫、英文潤色、內容修改及規范表達。
基金與課題申報
挖掘選題、梳理技術路線、分析申報書常見問題。
實驗方案優化與預測建模
優化實驗設計，搭建機器學習預測模型。
科研編程
輔助生成代碼、定位并修復報錯、理解實驗算法。
論文返修與學術PPT制作
分析審稿意見，輔助制作科研匯報材料。
科研繪圖與數據可視化
科研繪圖部分將講解標準化繪圖提示詞，以及項目框架圖、技術機制圖、流程圖、時序圖和甘特圖的生成與修改方法，幫助參訓人員減少反復改圖的時間，并提升圖件的規范性。
數據可視化部分覆蓋原始數據清洗、建模分析，以及折線圖、柱狀圖等常用實驗圖表的生成，完整演示從實驗數據到可視化圖表的處理流程。
本地私有知識庫搭建
針對涉密文獻、實驗數據和內部資料的安全需求，課程將介紹低成本本地AI部署方案。通過本地化部署，科研資料可以在可控環境中存儲和使用，降低敏感信息外泄風險。
DeepSeek本地部署所需的硬件配置
本地部署的完整操作流程
RAG檢索增強生成的基本原理
專屬課題知識庫的搭建方法
本地文獻庫與大模型的融合調用
科研智能體Agent開發實戰
在前述內容的基礎上，本部分進一步講解自動化科研工作流和專屬科研AI助手的搭建方法。
智能體基本架構與開發平臺選擇
AI Agent創建、配置與提示詞優化
搜索引擎接入及完整項目Agent發布
Claude Code編程助手實操
OpenClaw智能體框架應用
本地、云端和端側部署方式
面向不同學科的科研智能體案例
03
WHO SHOULD ATTEND
適合參訓人員
科研院所及省市級科研單位
科研骨干、實驗人員和繪圖人員。
高校科研人員
高校教師、碩博研究生、博士后、科研管理及項目申報人員。
行業研發人員
醫療機構及生物醫藥、新材料、環境、農林等領域的研發人員。
相關技術從業者
人工智能、數據可視化、科研繪圖和期刊編輯相關從業者。
有科研提效需求的人員
希望借助AI提高論文寫作、課題申報、科研繪圖和數據處理效率的科研人員。
04
SCHEDULE
培訓時間與地點
第27期｜北京
2026年7月24日至26日，7月23日報到。
第28期｜南京
2026年8月21日至23日，8月20日報到。
第29期｜成都
2026年9月18日至20日，9月17日報到。
05
FEES AND FORMAT
培訓費用與形式
方式
費用
包含內容
線下參訓
3280元／人
培訓、資料和結業證書
線上直播
5880元／單位
3個直播碼＋3張證書
線上直播
14800元／單位
10個直播碼
線下參訓的食宿統一安排，費用自理。培訓采用線下現場授課與線上同步直播相結合的形式，全程提供不限時回放。
06
REGISTRATION
報名方式
掃描報名二維碼并填寫個人信息，會務組將在收到信息后聯系報名人員并發送報到通知。
THE END
科研真正需要投入時間的，是提出問題、設計實驗、分析結果和形成判斷。文獻篩查、代碼調試、繪圖修改和數據清洗同樣重要，卻常常消耗大量精力。
AI不能替代科研人員的專業判斷，也不能代替嚴謹的實驗驗證，但它可以承擔一部分重復工作。
“把工具用對，省下來的不只是時間，更是一段可以專心思考的完整精力。”
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
