01 · Claude Science 是什么

Claude Science 绿皮书 · 第 1 篇 · 2026-07-04

我最近开了个新坑，目标就一句话：帮你从零基础开始完成自己的课题，人人都能发 SCI。

做法是一天一篇，把「用 AI 跑通科研全流程」的每一步记录下来：选题、查文献、写论文、投稿，每一步都真跑、都留档。这些记录最后会合并成一本开源的书，《Claude Science 绿皮书》。这是第 1 篇。

先说清楚这个词

Claude Science 是 Anthropic（做 Claude 的那家公司）今年推出的官方科研产品（入口 claude.com/science）：一位把科研流程里的粗活全部接走的搭档。

相当于官方给 Claude 做了一套科研特训：接入 60 多个学术数据库、每张图每个数字都留着「怎么算出来的」底账、自带后台审查员盯错误引用。先摆正我们的位置：这个工具不是我们做的，我们是教你把它用好的，摸出来的手艺这个系列全部免费开源。它和你用过的聊天 AI 有个本质区别：

聊天框帮你想，Claude Science 帮你做。

你在聊天框问"帮我查查这个方向的文献"，它给你一段看起来很对的文字，然后呢？复制、粘贴、存文件、做表格，还是你自己来。Claude Science 不一样，它住在你的电脑里：你说查文献，它真的去调学术数据库的接口，查完自己存成文件、自己统计、自己排成报告。你只负责提要求和读结论。

它凭什么强：四根柱子

讲点专业的。它的强不靠「模型更聪明」一件事，靠的是围着科研搭的一整套架构：

1. 手上有家伙：60+ 学术数据库连一次永久继承；笔记本到百卡集群，环境自己搭、任务自己提交
2. 背后有查岗的：一个「后台审查员」Agent 专盯错误引用、没出处的数字、图和代码对不上
3. 每个产物有底账：图表带着生成它的代码、环境、对话，导师追问三秒调出
4. 手艺能存档：流程存成技能包一句话复用，专家做法能「编码」进去不许即兴发挥

一句话：模型给它智商，架构给它纪律。 科研这行，纪律比聪明值钱。这四根柱子后面的连载一根一根拆。

它到底能干到什么程度：一单真实案例

不看广告，看疗效。这单是我们拿自己研究课题真跑的（2026-07-04，全程记录已存档）。

输入只有三样：一句话任务（给「工业图像瑕疵转换」方向写份研究综述）、18 篇种子文献的家底、三条硬规矩（每个数字标出处 / 对照矩阵可审计 / 结论落到「单类缺陷 20 张图、16GB 显卡」的真实条件）。

它先干了什么：没抢答。先把范围和交付物列成清单递过来过目，拆成 8 步计划，批准了才动手。

然后它开始跑：

• 自己翻出 OpenAlex / arXiv 连接器，装上「文献综述」「图表风格」两个技能包
• 18 篇种子逐条核成真实档案（DOI、年份、引用数），6 篇第一把没查到就自己改检索词补齐，顺手挖出几篇 2026 最新工作
• 广域检索被材料学「晶体缺陷」论文污染，自己识别自己剔除，定格 25 篇语料
• 开 Python 环境建参考文献表，数出家底：加瑕 20 篇、去瑕 1 篇。「反向去瑕没人做」这个空位是数出来的，不是拍脑袋
• 引用数全部标「版本相关下界」，因为常匹配到 arXiv 预印本记录（DRAEM 预印本只挂 38 次引用，正式版远不止）
• 画了两张能直接进论文的图：

结果：交付 7 份产物。综述全文、参考文献表、数据集指标表、对照矩阵（图+csv）、谱系时间线图、底层语料档案，外加按「文献稀疏度 × 手头资产契合度」排序的 4 个候选选题。人只在批计划和授权时出了几次手。

最值钱的一幕在收尾：交付前，后台审稿人 Agent 把它自己抓了现行——4 处引用第一作者张冠李戴（arXiv 编号全对、姓氏错了，人眼基本查不出），矩阵两格文字和色阶不符。它回去翻原始语料逐处修正、重新存档。不是它不犯错，是架构默认它会犯错，并且抓得住。

另附一单你现在就能复现的小活：用我们开源的检索技能包摸一个陌生方向，第一把翻车 25,331 篇，收紧后半小时出摸底报告：

到你了：这个 Prompt 拿去就能跑

上面那单不是表演，是可以复现的。开工那段话拆成模板就三个格子，填完丢给它：

【项目名称】
给「＿＿＿＿」这个方向写一份研究综述

【项目要求】
1. 每个数字必须标出处，没出处的不许写
2. 方法对照做成表格，方便我逐格审计
3. 所有结论落到我的真实条件上：我只有＿＿张样本 / 显卡＿＿GB / 目标发＿＿期刊

【项目上下文】
- 我手头已有的资料：＿＿＿＿（有种子文献就贴列表；没有就写「无，从零开始」）
- 我的研究场景：＿＿＿＿（一两句话，你是做什么的、这综述用来干嘛）

三个格子各管一件事：名称给它目标（写窄一点，「轻量化工业异常检测」就比「人工智能」能跑出好东西）；要求给它规矩（它的强来自纪律，规矩是你喂的，「数字标出处」「表格可审计」原样保留，这是防它胡编的缰绳）；上下文给它你的家底（没这格它只会给通用正确的废话）。

它会照固定的路子跑：快速广搜 → 收敛剔除跑题的 → 数出重点和空位 → 按重点提取摘要成文。你盯两头就行：开工批计划，收工验结论。帮助词和进阶写法，后面的连载专门开一篇。

但是，两个问题

动手之前，先泼两盆冷水，这也是我们自己撞上的：

第一，上手门槛对 Windows 用户不友好。 我们全程是在 Mac 上跑通的，命令行、配置这套东西在 Mac 上顺得多；而国内科研人的主力机，恰恰大部分是 Windows。

第二，它很能烧钱。 它每替你干一件事，背后都是大量的模型调用。干科研这种重活（一次读几十篇文献、反复改稿），普通订阅档一个认真干活的下午就可能碰到用量上限。它确实在替你干很多活，但钱包会有感觉。

这两个问题不解决，"人人都能用 AI 做科研"就是句空话。

所以下一篇就讲第一个：怎么在 Windows 电脑上，把 Claude Science 这套东西真正用起来。

---

本系列所有素材（含实测原始数据和已开源的文献检索技能包）都在 GitHub 仓库 免费拿。