11 · 30 分钟速通比赛：一个工具包，把初赛方案写到能交
Claude Science 绿皮书第 11 期 · 2026-08-05
Claude Science 绿皮书 11 · 30 分钟速通比赛
上一篇讲的是把一堆实验数据改成一篇论文，改了六轮。这一篇换个场景：一个比赛给了模板和截止时间，怎么在半小时里把方案填到能交。
这个比赛是这么回事。GOAI 世界人工智能开源大赛 2026，主办方是杭州市开源人工智能基金会，7 月 16 日开报名，8 月 16 日截止交初赛作品，9 月 22 日在杭州办总决赛，四条赛道分 500 万现金奖池。我报赛道三「前沿探索 AI for Research」，这条赛道的学习营由 Datawhale 协办，官方 baseline 任务就是从那边放出来的。
这一篇带着把这个 baseline 跑完。任务本身很清楚：交一份初赛方案，用官方 Word 模板，五个一级标题、十三个小节，标题一个字不能改，正文 3000–5000 字。
模板下载下来一看，标题都在，内容一个字没有。
我第一反应是把模板扔给 AI，让它照着写。它写出来了，四千字，格式全对。我读完一遍就知道这份不能交。差的不是写作能力：模板里真正缺的三样东西——我打算做哪个材料领域、手上有什么资源、能投多少时间——它一件也不知道。
先说结论
- 方向三要的是一个文献调研智能体：检索、抽取、找缺口、出证据链报告，每一步都要能回溯到原文
- 四条红线里最狠的是零虚假引用，编造一条文献就直接出局，这比分数低严重得多
- 顺序得反过来：先把只有我能回答的那几个问题答完，再让 AI 动笔写全文
- 我把这件事拆成三段：六轮提问把内容问出来，脚本填进官方模板，AI 按官方维度打分再照着改
- 熟了之后跑一轮 30 分钟，一半时间花在回答提问上；第一次上手按两小时预算
一、这个比赛要你干什么
赛道三下面分了几个方向，我跑方向三：材料科学文献驱动的科学发现智能体。智能体在这里的意思很具体：一个能自己拆活、自己搜文献、自己把结果整成报告的程序。官方还多要一层：报告里的结论要能被后续实验或计算推翻，也就是可证伪，不能是一句读起来对、但没法检验的话。
任务分两块。必做的那块是文献调研智能体，四步：
- 检索筛选：多源搜完之后去重、去噪、排序
- 知识抽取：抽出成分、结构、性能、工艺条件
- 缺口识别：从真实证据里找出还没人做的问题
- 证据链报告：出结构化报告，每句结论能指回原文
必做任务四步闭环：每一步都要留下能回溯的痕迹
四步单看都不新鲜。难的是第四步倒着管前面三步：报告里每句话都要能指回来源，那前面三步就不能只留结果，得把过程也存下来。检索了几轮、用了什么词、为什么把某篇滑掉，这些当时不记，事后补不回来。
选做的那块是三选一：从文献里挖成分结构跟性能的关系、再给出新候选；做模拟计算；给合成路线。第一条路的要求写得最硬：模型必须真参与搜索过程，不能只在最后写个总结；找出来的新候选还要跟公开材料数据库对上。初赛只要给出路线设计，不要求做完。
初赛交三件：调研报告、系统说明、路线方案。系统说明允许基于开源项目搭，但必须说清自己加了什么。路线方案就是这一篇要讲的那件，也是官方 baseline 任务指定的那件。官网最多让交三次，以截止前最后一次为准，所以早交一版占位不吃亏。
评分是四个维度：技术方案 45、科学意义 30、创新 20、开源 5。材料方向内部还细分了一层，必做和选做各占一半。流传的「60 分线」是流程完整加发现有效加引用干净：解析、抽取、假设、证据、提交这条链要走通。看完这三段我的判断是：这题拼的不是创意，是完整度。
二、四条红线，踩一条出局
官方把四条硬约束单列出来了，没有写进评分表，但位置比评分表高。
- 证据链：每条结论都要能追溯到具体的文献或数据来源
- 新知与已知分清：不把已知事实包装成自己的发现，也不把假设当结论
- 拒绝黑箱：智能体为什么这么判、为什么选这条，要能说清、能审
- 零虚假引用：一旦发现编造的文献或引用，直接出局
前三条是写法问题，写得粗糙扣分；第四条不是扣分，是取消资格。而偏偏这一条最容易被踩到。方案里写到「已有研究表明……」这种句子，如果是 AI 顺手接上去的，后面往往跟着一条看起来很真的引用。AI 那边没有造假的意思，它只是想把句子补完整。
所以我在包里写死了一条：只给结构，不给假数据。自己提不了的内容，标一个【待补充】放着。空着能补，编了没得补。
除了红线，官方解读里还提了三个常见坑：贪多嚼不烂、只堆文字不跑流程、模型不在回路。三条指的是同一个毛病——方案写得很漂亮，但没人真跑一遍。
三、模板到手，还是写不动
开头那三样东西，缺一样都写不动，为什么？
领域没定，检索策略、评价指标、验证方案就都没有落点，只能写成哪个领域都能套的一段；资源没数，工具表只能照抄官方推荐，说不清哪些我真跑得起来；时间没数，路线就分不清初赛做到哪一步、决赛再往前推什么。三样都空着，AI 只能把模板标题换个说法再说一遍。
标题是官方定的，内容只能我自己给。我一句「帮我写」什么都没提供，它只能拿行业平均值填。
官方模板的五章十三节：标题全是给定的，格子里的内容一个字都得自己填
那顺序就得反过来：先把这些事问清楚，再动笔。这套问法是别人先做出来的，@WinnerLoveSheep 的 TRQA 十轮问答法就干这个：把「思考」和「建造」分开，问够了再开工。我把它压成六轮，因为这比赛的模板标题已经给定、任务边界也清楚，不需要十轮那么发散；再把官方模板、评分维度、红线自查一起打包，就成了这个包。
四、包里备了什么料，省掉哪些活
包只管三件套里的第三件，也就是路线方案。调研报告和系统说明那两件我没放进去。
| 东西 | 干什么用 |
|---|---|
| 背景卡 | 方向三的任务说明压成一页：必做加三选一、四条红线、三件套、评分与 60 分线 |
| 提示词 | 三部分：六轮提问的脚本、逐节填写的提示词、评分用的提示词 |
| 输出模板 | 官方 Word 模板两份，标准版和含团队介绍版，原样收录不动标题 |
| 评价指标 | 官方四个维度的权重、四条红线、给 AI 用的打分锚点 |
| 提问方案 | 六轮竞赛适配版：勘察两轮、设计两轮、验收两轮 |
| 官方原件 | 赛事手册全文和官方标准提示词也收进仓库了，想跑官方流程可以不走我这套 |
| 两个技能 | 说「开始 baseline」走六轮提问到填文档；说「评分」出一份模拟评审报告 |
| 一个脚本 | fill_template.py：把回答整成的数据文件填进官方模板；内容里有团队那几节就自动换成团队版 |
| 一套示例 | 虚构热电领域的完整演示，示例方案正文 3896 字。领域、成员、数字全是编的，只用来看结构 |
装完之后上手就两句话：
git clone https://github.com/Dalaoyuan2020/ai4r-baseline-kit.git
pip install python-docx然后在仓库目录里打开 AI 编程助手，说「开始 baseline」。
五、六轮提问：先勘察、再设计、后验收
六轮分三段，每段两轮。
六轮提问的三段：前两轮不动笔
勘察（第 1–2 轮）：做什么、拿什么做
第 1 轮我讲，它记：学科背景、会什么不会什么、能投多少时间、手上有什么现成的数据和代码。这一轮它只记录，不评价，不给方案。
第 2 轮它反过来追问：为什么选这个方向、团队怎么分工、有没有领域内能给我把关的人。这一轮还顺带做一件事：把几个候选领域拉出来，到 OpenAlex、arXiv 上真搜一遍看多少条，再看有没有公开数据库和能照着跑的参照工作。选领域的标准就三条：文献多、有公开数据、不靠自己不会的专业。
设计（第 3–4 轮）：做到什么程度
第 3 轮定科学问题和角色分工。科学问题要把领域里的困难翻成能检索的形状，常见三类：没人试过的候选、文献之间矛盾的结论、已知体系往外推。这一轮还要先声明一件事：哪些是文献里写的事实、哪些是我跨文献推出来的、哪些只是待验证的假设。
第 4 轮拆流程和列工具。流程每一步写清输入、处理、输出；工具表把官方推荐的、开源的、自己写的分三档列，顺带注明许可证。分工原则我写死了：假设、评估、解释交给模型；去重、单位统一、引用编号、过程留痕交给规则程序。后一类活交给模型只会多一道校对。
验收（第 5–6 轮）：怎么算完成
第 5 轮逐条过四条红线，有一条不过就回到对应那一轮重做，不带着毛病往下走。
第 6 轮出待补充清单：团队成员和分工、作品链接、API 成本、领域里能给我把关的人——这些只有我自己能提供，一律显式标出来。清单全绿才进下一步。
六轮里最容易被跳过的是第 2 轮和第 5 轮，一个因为要真去搜文献，一个因为很无聊。跳了的代价都往后面挪：领域选错要从头重写，红线漏掉要重新查引用。
六、30 分钟跑完一轮
这个 30 分钟指的是熟了之后跑一轮的时间，不包括第一次装环境，也不包括提交前的隐私自查。第一次上手把两小时预算进去，后面就快了。
| 步骤 | 时间 | 产出 | 什么算过关 |
|---|---|---|---|
| 六轮提问 | 15 分钟 | 一份回答记录（本地留着，不进仓库） | 六轮都确认过，红线全绿 |
| 填模板 | 3 分钟 | 填好的官方模板文档 | 正文在 3000–5000 字区间，脚本没报标题找不到的错 |
| 模拟评分 | 3 分钟 | 一份打分报告：总分、四维分项、红线检查、强弱项 | 报告拿到手 |
| 照着报告改 | 10 分钟 | 下一版文档 | 红线零警告，弱项清单在变短 |
循环停在哪？我的停法是连着两轮没新增红线警告、弱项清单不再缩短，就不再跑了。模拟分数自己会往上飘，但它不是比赛成绩，盯它没意义，要盯的是弱项里那几条具体意见。
30 分钟动线：四步的时间、产出和过关标准
提交前还有两份清单要过：一份查隐私，密钥、联系方式这类东西只走官方报名表，不进仓库；一份查那三个坑。两份加起来二十分钟，不算在 30 分钟里。
对照着看更清楚
一份方案里的内容按来源分成三类，到底哪些是我跑不掉的活，一张表就看清了。
| 这一块 | 官方给了什么 | 包里备了什么 | 只能我自己给 |
|---|---|---|---|
| 任务与红线 | 赛事手册、四条红线 | 压成一页的背景卡、红线自查清单 | 选哪个方向、选做那三条路走哪一条 |
| 研究领域 | 不指定 | 实测文献体量的问法和三条选型标准 | 定下来哪个领域，并承担选错的后果 |
| 科学问题 | 不指定 | 三类问题原型、事实与假设的区分声明 | 领域里真正卡人的那个问题 |
| 系统设计 | 允许基于开源项目搭 | 角色分工表、模型与程序的分工原则 | 说清自己在开源基底上加了什么 |
| 正文与格式 | Word 模板、3000–5000 字 | 脚本自动填、模拟评分报告 | 这一栏可以全交出去 |
| 团队与成本 | 官方报名表 | 待补充清单 | 成员、分工、作品链接、API 成本 |
最后一栏就是六轮提问要问的全部内容。包里那些东西不能代我回答，只能把问题提到我面前，并且保证我答完之后不用再管格式。
复盘
这一轮省下来的时间，来自四件事：
- 第 2 轮先实测文献体量再选领域。凭感觉选领域，写到一半发现文献不够多，那就是推翻重来
- 把【待补充】当正式产物。缺的东西明确标出来，比让 AI 顺口补上安全
- 把评分标准提前放进去。评分提示词跟官方四个维度同一套口径，改的时候就不用猜
- 模板不动。标题一个字不改，省了排版和说明的扯皮
没省下来的部分也得说：六轮提问里有三四个问题我答得很含糊，后面写到工具表那一节又回去重答了一遍。提问这一步省下的时间，都会在填内容时要回来。
如果只记一句
模板给的是容器，内容得自己提供；六轮提问就是把「自己提供」拆成几个能回答的问题。
一张图看完：比赛要什么、包里有什么、30 分钟怎么走
下一篇
这套 baseline 跑通之后，我拿同一份任务在 Codex、Claude Code、Claude Science 上各跑了一遍，想看看三家到底差在哪。下一篇讲那三份结果，以及一个比工具本身更难说清的问题：prompt、工具、任务，谁说了算。
📌 这个包是参赛的人自己做的互助工具，不是官方出品，赛题解释权归官方，跟官方不一致的地方以官方为准。里面的 AI 评分是给自己迭代用的，不是官方成绩。所有填写内容必须来自真实背景与实测，缺的地方留【待补充】，不编。