Vibe Coding的概念很火，现在也有了Vibe Research，让AI在科研中代替一部分人的思考和实践工作。但是其实到现在Vibe Research还处于摸爬滚打的不稳定的状态，各路名人都纷纷晒出自己的工作流和那些纷杂的skills。但是在几个月前冯如杯的时候我尝试了几个，认为AI尚不能在创造方面给出很好的见解，但是这并不否认其已经可以在某种程度上辅助我们撰写一些文字材料，包括但不限于论文（风险自担），作业（适合水课）等等。我不敢说这里面是否有Research的成分在，感觉更多是笔杆子，所以也自己生造个词Vibe Paper出来，也确实就是paper work
显然决定产出效果的关键在于harness(其实我挺反感现在agent应用这块反复造名词神化的现象，感觉和饭圈有的一拼，在我理解看来就是编写提示词时人的思维习惯以及暴露给agent的环境的取舍，上下文，MCP, Skills都算)，但是显然如果不是紧跟ai发展的业外人士，上面说的那些应该是看不懂几句的。包括下面要做的每一步可能也无法理解背后的含义，所以这个不负责指北也无意解释这些工具背后的交互与原理，那是工科学生应该自己学习探索的内容。本指北旨在给出小白想要用AI写作文件材料的大概思路。
即使可以降低AIGC率，但是AI写作的内容在信息熵等特征上和人类写作还是会有差距，这一差距无法使用AI弥合。在正式学术论文中使用AI写作很有可能带来学术不端的问题
使用LLM API的过程中，你的信息很有可能被中转站或官方记录，尤其是中转站，有很大的获利动机，因此涉密内容一定不要让AI Agent接触
由于渠道投毒或模型本身问题，使用Agent仍有致使本地文件被删的风险，2025年还有因为使用codex被清空D盘的案例。使用Agent前必须知晓其风险
即使用来完成课程作业，也必须知晓使用AI完成材料写作是被禁止的行为，本文仅为原理探讨，不鼓励不支持违反课程要求的行为
以上应该是使用agent的用户所应该知晓的不言而明的共识，但是为了扫盲，把agent的风险拎出来几条再说一下。
如果你压根没听说过AI Agent，那你使用AI的水平大概率还停留在网页端单线程少轮次的对话，这些对话不能直接帮你形成真正的文件，并且除非你主动提供，否则大模型不会知道一些躺在你 电脑硬盘里的背景信息。
我们需要Agent(代理)，这个名字非常贴切，就是LLM在你电脑上的代理人，大模型授意这个代理执行行动。
而这个代理人agent本身作为软件需要被独立安装。业界使用最多的是claude code,codex以及VS Code自带的Copilot
Claude Code以及Codex的安装我本来想提一下，因为早几年看技术博客，作者肯定会给出官网链接，供读者跳过搜索引擎直接下载安装。但我突然发觉现在大家用搜索引擎可能都少了，而且根据平台不同可能会出现不同的问题，还是直接问AI怎么安装这俩玩意儿来的方便，也方便解决安装过程中的问题。
安装完成后，启动agent应该类似于下面的图片。这些Agent刚出来只有命令行界面，我用习惯了，现在有的推出了桌面版我也没有换过去，这个纯看喜好了。
这个Agent相当于只是个马仔，但是没有boss告诉它要做什么。我们必须让它可以和大脑，也就是大模型进行通信。
不要用智能程度低的模型来写作，那是浪费生命
你可能有多个大模型提供商，并且可能还要经常切换，我比较推荐使用CC Switch管理API Key以及配置。
可以在Release界面下载最新版本的CC Switch
软件界面类似这样，我觉得还挺清晰的，右上角选择使用的agent，按加号添加配置，然后根据购买的LLM API服务的提供商的文档，填入端点，API Key(不理解就当它相当于密码，不能泄露),模型名称，然后保存启用就好了。
如果一步一步按照上面的步骤来了，那大概率不会出问题。现在你的Agent已经能和不知何处的数据中心里轰鸣的大模型连接了，当大模型需要读你本地的文件，或者写下什么内容的时候，或者执行操作的时候，它会按照一套约定好的，格式要求非常严格的方式通知Agent，Agent也会同样将LLM需要的东西会传给它。
上面说的交互是由开发agent的程序员负责的，使用者一般无须担心其正确性，如果出问题了基本可以确定是本地配置问题。
现在可以向agent简单发个你好测试连通性（以及价格）
此时的Agent已经具备相当的能力了，我一向认为很多时候Agent不需要那么多复杂的Skill，当模型能力足够强大的时候，它可能自己有更好的想法，或者简单探索一下就会了，就跟人试错一样。当然如果想要特化它在某一领域的知识或者风格，也可以上Github搜索相关的skills。我本来还想写一下怎么装skills以及MCP的,但是看到我室友都是把README复制粘贴给Claude Code让agent自己给自己装skills，装MCP的时候，我意识到我好像又多余了。。。
对了这里简单说一下skills和MCP的区别：skills类似于复杂的事情你记了个口诀，本质上还是别人写好的提示词，只是别人比咱写的清晰，agent看了知道怎么做。MCP则是相当于把 一部分活外包出去了，与Agent按照规定的格式通信，类似于我按计算器而不用自己计算。
就我而言，在我水那篇冯如杯创意赛道论文的时候，我其实只用了很少的几个skills和MCP
Skills:
很明显，这是让Agent反过来质问人。我会给agent我的初步的想法，让我继续写下去比较难，但是使用grill me，agent会来问我问题，并且会给出选项，我觉得它“嗯，就是这个意思”我就选对应的选项，没有合适的我就发文字回应它。这一方面细化了思路，另一方面让最后的产物里会有更多我的思考，甚至一些我打出来的字。让AI输出的文本里有我作为真人的思考以及我的人类写作特征确实可以降低AIGC率!
这个也是降低AI率的。
MCP:
Playwright MCP: Playwright本来是python控制浏览器的库，将它作为MCP提供给agent有助于agent更聪明的使用浏览器自己检索内容，比如上ArXiv找参考文献。
以上我连链接都没有给出，因为我认为现在agent软件不用额外添加功能，就已经足够让一个llm通过思考和操作自行安装这些东西了。如果它做不到，说明这个AI的智能程度还不高，你真的放心让这样一个不聪明的家伙替你写材料吗？
这也算Harness的一部分吧，如果你希望Agent能直接交出成品的话，显然他它需要符合规范要求。
这里分需要提交的材料的类型有两种对策：
如果要求方需要PDF格式提交，那其实对我们而言是方便的。因为很多种文件类型可以在不损失排版的前提下转化为PDF
冯如杯也是让交PDF，并且有极长的格式要求：
（截图字可能看不清，没关系，要求很多就是了）
我们需要的法宝是LaTeX!
如果你是理工科的，很有可能至少听过LaTeX了，没听过也没关系，它像程序一样，只要按照一定的规则写了，就能通过编译，按照你指定的格式规则生成PDF
LaTeX看起来像这样，有点吓人，那些内容以外的部分全部是对格式的指示。LaTeX是专业的排版工具，能做出比Word复杂得多的排版，这也使LaTeX本身有点复杂，不过这对AI来说显然不是事。
我写冯如杯的时候用的是牢学长留下的LaTeX模板，大体没问题，有的细节要求变了，让AI修了修，链接放这儿，大一小登看到了还能用，当室友还在Word里翻设置的时候你已经在美美的玩了（
https://github.com/GFCYqw/Fengrubei_LaTeX_Template
其他材料也是类似，北航毕设论文也有LaTeX模板。
要是你要的材料没有模板的话也容易，要求给AI，让它自己搓。
这个其实是最烦的。上面PDF的路子其实也是可以绕开了Word.为什么呢？因为DOCX可操作性差，Microsoft Office和WPS都只有图形界面，但Agent目前主要的执行方式还是命令行（linux命令行功能强大，这也让它成为什么Claw啊，Claude之类的 第一公民），agent不方便通过外部软件编辑Word.直接修改文件不是不行，但是docx的xml语法十分复杂，让AI来做也头疼。
那，没有办法了吗？
不，这就是Harness发挥作用的地方：你需要提供示例。
首先本地创建一个docx文档，里面可以写一点内容，按照要求设置设置行间距，字体字号啥的，然后另存为HTML.
要有内容的目的是让agent学习这些格式是用什么标签实现的，转成html的目的是因为这方面的训练材料多，ai更了解，这方面能力更强。
这时候让agent去改这个html 也就是写论文.
然后浏览器打开，复制，粘贴到word软件，你可能以为会乱码，但是由于agent学习了word的html标签写法，这时格式往往可以很好的保留。
然后就完工了。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。