同样读一篇论文，AI Agent 比对话框强在哪？
从「读懂」到「动手」
一条主线：说 → 做
对话框只会「说」——Agent 能「动手做」
对话框「说」，Agent「做」
- 对话框：读懂/讲解/画图，终究是说
- Agent：抓文献织网、翻知识库印证、跑二次分析复现
样例：三十年黑猩猩研究
- 2026.4 发表于 Science
- 乌干达 Ngogo 种群——全球已知最大黑猩猩社群
- 永久分裂约每 500 年一次
论文原图：时间 × 空间双维度
- 长期行为记录（时间）
- 一个个 GPS 坐标点（空间）
- 后续数据清理用上了 Claude
问答：三个问题层层深入
- Q1 论文说了啥
- Q2 用了哪些方法
- Q3 哪里用到 AI
Q1：这篇论文说了啥
- 拎出骨架：核心内容/结论/背景/争论/方法/三阶段
- 还主动提议做报告、笔记、PPT
Q2：用了哪些方法
- 三十年追踪+行为观察+GPS+遗传学
- 社会网络分析：Leiden/模块度/变点检测
- 三条独立证据线都指向 2015 转折点
Q3：哪里用到了 AI
- 核心算法≠大模型
- 生成式 AI(Claude)：整理空间数据 + R 绘图排版
- 这才是要找的那条线
上手：从「问」跨到「做」
- 用真实数据写 R，跑出 2018-2024 种群下降图
- 完整脚本带严丝合缝的注释
- 连踩过的坑都交代清楚
越界：比论文那张更好的图
- 16.5 万个空间点
- 分裂前/分裂后/重叠度崩溃三图
- 再加逐年动态 MP4 + GIF
选择：好鞍还得配好马
- 自动模式把黑猩猩错说成倭黑猩猩
- 模型选择是人的判断，别让渡给框架
- 严肃任务用更好的模型才踏实
小结：模型 + 框架
- Agent = 模型 + 框架
- 模型自由选，框架越人性化越好
- 真正的本事不在读懂，在动手
