从 ChatGPT 到 Claude Code：学术研究者的 AI 原生工作流

TL;DR

一篇面向零技术背景学术研究者的 Claude Code 入门教程，获得了 4.2M views：

核心理念转变 — 不是把文件带给 AI，而是把 AI 带进文件夹

研究者专属场景 — 文献综述、访谈编码、数据清洗、审稿意见解释

CLAUDE.md 的研究版本 — Role/Standards/Writing/Critique 四个维度定制研究助手

AI 时代的学术判断力 — AI 能做 labor intensive 任务，但”什么算学问”是人的责任

📋 本文结构

4.2M views 背后的巨大需求 — 为什么这篇入门教程能 viral
范式转变：从”上传文件”到”带 AI 进文件夹” — 两种交互模式的根本差异
研究者的具体场景 — 定性、定量、系统性评价
CLAUDE.md 的研究者版本 — 四个区块定制你的研究助手
Auto-Memory：让 AI 记住你是谁 — 上下文积累的机制
结论：工具变，学术判断力不变

4.2M views 背后的巨大需求

💡 Key Insight

全球有数百万研究者在用 AI 可以处理的任务上浪费大量时间，但他们不知道怎么开始。这篇是最接近”一键上手”的指南。

Mushtaq Bilal 博士写了这篇面向零技术背景学术研究者的 Claude Code 入门教程。4.2M views，5.8K likes，1.2K 转发。这个数字说明的不是内容有多深，而是需求有多大。

传统学术研究的工作流：

50 篇 PDF 要读 → 手工逐一打开、标注、整理
访谈记录要找主题 → 手工编码、反复遍历
数据要清洗 → Excel 手动处理
文献综述要综合 → Word 里复制粘贴

这些都是 AI 最擅长处理的 labor intensive、time consuming、repetitive 任务。但大多数研究者不知道可以从 AI 获得帮助，更不知道怎么获得帮助。

范式转变：从”上传文件”到”带 AI 进文件夹”

💡 Key Insight

浏览器 AI 和本地 AI 工具的根本区别不是技术，是交互范式：前者是”你带着文件找 AI”，后者是”你带着 AI 进文件夹”。

这是 Claude Code 和 ChatGPT/Gemini 的核心区别：

浏览器 AI（ChatGPT、Claude）：

研究者 → 上传文件 → AI 处理 → 下载结果

局限：每次只能处理少量文件，上下文窗口有限，文件处理后不保存。

Claude Code：

研究者打开文件夹 → AI 进入文件夹 → AI 读/写/编辑所有文件

优势：同时处理 45 篇论文，创建新文件，保留工作历史，跨文件关联分析。

维度	浏览器 AI	Claude Code
文件数量	少量（上下文限制）	45+ 同时处理
工作留存	不保存	自动保存 session
跨文件分析	困难	原生支持
创建新文件	需要手动复制	直接写入文件夹

研究者的具体场景

定性研究者（访谈分析）

加载一文件夹访谈记录，然后：

“给我每个参与者如何谈论’职业发展’的完整记录”
“这些访谈中有什么贯穿始终的主题？”
“哪些参与者的观点相互矛盾？”

定量研究者（数据分析）

加载混乱的 CSV 或 Excel，然后：

“清洗这个数据集，处理缺失值和异常值”
“跑描述性统计，输出可视化”
“解释审稿人这条意见的统计含义”

系统性评价（Literature Review）

把 50 篇相关论文放进文件夹，然后：

“根据以下标准筛选：[列出标准]”
“输出一个表格，包含每篇论文的标题、方法、主要发现、风险评估”
“哪些论文对 [具体论点] 提出了反驳？”

文献综述

50 篇 PDF 放进文件夹，然后：

“阅读所有论文，提取每篇的主要论点”
“按主题分类，输出 markdown 表格”
“哪些论文之间存在观点冲突？”

CLAUDE.md 的研究者版本

💡 Key Insight

CLAUDE.md 不需要完美，可以随项目演化而迭代。重要的是开始，然后让它和项目一起成长。

Mushtaq 推荐把 CLAUDE.md 分成四个区块：

#Role
描述你希望 Claude 扮演的角色，关于你研究领域和当前项目的细节。

#Standards
描述你领域相关的学术标准：引用格式、论文结构、研究伦理规范。

#Writing Style
你希望用学术风格还是非正式风格写作？是否需要使用特定术语？

#Critique Style
你希望 Claude 如何批评你的工作：聚焦论点、证据、方法论还是结构？

如果你不想手动写，直接让 Claude Code 根据你的描述自动生成。

Auto-Memory：让 AI 记住你是谁

Claude Code 有一个被低估的功能：Auto-Memory。

随着你在项目中工作，Claude Code 会自动写短期笔记保存。每次 session 开始时，它读取 CLAUDE.md 和自己的笔记，获得关于你和你的项目的上下文。久而久之，它成为一个真正了解你研究方向、写作风格、偏好的研究助手。

你可以随时问它：”Tell me what you have stored in your memory.” 如果某条信息过时了（比如引用格式变了），直接让它更新。

关键约束：

不要放机密信息进 CLAUDE.md 或让 AI 记忆的内容
几周更新一次 CLAUDE.md，防止它成为过时信息的来源

结论：工具变，学术判断力不变

💡 Key Insight

“Claude Code 擅长 labor intensive、time consuming、repetitive 任务。但它无法创造真正算作学问的东西，因为它给不了你新的、原创的论点。”

Mushtaq 在文章结尾说的这句话，和 Garry Tan 的 skillify 哲学、和我们这周发的所有文章完全一致：AI 是工具，不是判断力的替代品。

你可以让 AI 帮你：

读 50 篇论文并提取信息
在 20 份访谈记录里找主题
清洗混乱的数据集
按标准筛选文献

但你仍然需要决定：

什么是论点，什么是证据
哪些文献对你的研究真正相关
研究问题是否有趣、有价值

工具改变的是 labor intensive 的部分。不变的是”什么是好的学术工作”这个判断。

这就是为什么 AI 时代学术判断力更值钱——不是更少，是更多。