为紧跟人工智能技术发展前沿，推动 AI 大模型与科研、开发工作深度融合，助力课题组师生掌握先进 AI 工具应用方法、提升科研创新与工程开发效率，近日，课题组成功举办AI赋能科研办公专题讲座。本次会议特邀龚红仁老师、田雨老师担任分享嘉宾，课题组全体师生参会学习，围绕 AI 大模型在科研全流程、工程实践中的落地应用展开深度交流与热烈研讨。
全体与会成员合影
会议伊始，龚老师围绕 “AI 工具辅助科研与日常办公” 展开主题分享，率先系统梳理了当前科研与工程开发领域主流的先进大模型工具，详细拆解了不同工具的适配场景、核心使用技巧与避坑要点，并结合自身从零完成路面检测系统全流程开发的实战经历直观展示了 AI 工具如何助力开发者实现开发效率的跨越式提升。同时他强调，在 AI 辅助开发过程中，开发者的核心逻辑把控与技术判断力是关键。此外，龚老师还分享了人机协同模式下论文开题报告的高效生成方法，以及 AI 辅助 PPT 制作的精准排版、迭代优化闭环等实用办公技巧，强调在 AI 大幅降低技术门槛的当下，科研审美与专业判断力是决定成果质量的核心要素。针对 AI 辅助代码开发中的本地化技能复用、本地与远程开发环境打通、团队协同开发等实操痛点，龚老师也分享了可直接落地的解决方案，为课题组师生开展工程化开发工作提供了清晰的实践参考。
龚红仁老师分享AI工具的选择策略
随后，田老师围绕 “AI 大模型赋能科研提质增效” 展开主题分享，重点介绍了 Consensus AI 等面向科研场景的专业工具的使用方法与进阶技巧，结合自身多年科研经历，拆解了如何借助 AI 工具完成文献检索梳理、研究方案设计、论文撰写优化等科研全流程工作的核心路径，为师生们提供了一套可复制的 AI 科研提效方法论。
田雨老师展示利用AI工具进行调研
田老师以自身开展的低空经济领域研究为应用实例，展示了多智能体框架在系统性科研调研中的应用价值与实现方法。田老师介绍了通过构建包含协调者、多领域专家、批判者、探索者在内的多智能体架构，实现科研调研的精细化分工协作与交叉验证；借助 Consensus 工具，在短时间内完成多语种文献的批量检索与系统性梳理，快速形成体系化的调研成果；同时通过智能体的批判性思维验证，能够有效识别研究中的逻辑漏洞与数据缺陷，大幅降低 AI 幻觉风险。最后田老师指出，我们在大胆享受AI提升调研效率的同时，也要小心求证，牢牢守住科研工作的严谨性底线。
分享结束后，会议进入自由交流与答疑环节，课题组师生结合自身在 AI 工具使用过程中遇到的实际痛点踊跃提问，两位嘉宾老师针对模型使用与安全合规、模型能力波动应对、团队级 AI 工具部署、远程开发环境适配等核心问题，逐一进行了细致解答与深度交流。针对境外模型账号使用与支付门槛问题，嘉宾分享了成熟的解决方案与合规使用建议；针对数据安全与隐私保护问题，嘉宾建议在合规前提下合理选用工具，同时持续关注国产大模型开源版本的技术进展，提前做好备选方案储备；针对模型 “降智”、输出内容不符合预期等高频问题，嘉宾给出了多模型交叉验证、优化提示词策略、切换适配工具等可落地的解决方法；针对团队协同使用 AI 工具的需求，嘉宾分享了通过标准化技能文件实现工具能力共享的实践路径。现场交流氛围热烈，师生们纷纷表示收获颇丰。
课题组成员表示收获颇丰
