31 · 按岗位学习
科研学术：WorkBuddy 应用场景
了解科研学术岗位的 WorkBuddy 应用场景、输入、交付结果、实施条件与人工边界。
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 核心判断：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。
一、岗位为什么值得优先梳理
科研与学术每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。
岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 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 |
三、三个优先场景
1. 文献检索
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。建议把任务拆成五步：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。
- 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
图：31-科研学术入选来源文章中的正文配图，用于辅助理解场景。
2. 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。建议把任务拆成五步：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。
- 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
图：31-科研学术入选来源文章中的正文配图，用于辅助理解场景。
3. 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。建议把任务拆成五步：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。
- 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
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 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 |
五、建议从这个试点开始
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。
六、实施边界
- 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。
七、主要资料来源
按岗位用 AI · 完整版