关于举办“Agent智能体赋能科研创新：
Claude Code智能体+Openclaw 自动化构建与科研应用实战”研讨会
同样是一项数据分析任务，有的人需要两周时间手动完成，而有人借助AI智能体仅用十分钟就能交付结果——到2026年，这样的效率差距已经成为现实。新一代AI正从简单的“对话助手”升级为能够独立执行任务的AI智能体。研究者只需用自然语言描述科研需求，AI智能体便可以自动编写代码、完成数据分析、调试问题并优化结果，全程几乎不需要手动编程。同时，多个智能体还能协同工作，并行处理大量文献，自动提炼核心观点并生成结构化综述——一个人也能拥有类似研究团队的工作效率。更重要的是，这些AI系统可以全天候运行，持续追踪最新论文、监测研究动态，并自动生成科研情报报告，成为长期稳定的科研助手。未来科研效率的差异，不再取决于是否会使用大模型，而在于是否掌握基于AI智能体的自动化科研流程。
本会议面向科研人员设计，属于国内较早系统讲解AI智能体在科研中的实践课程之一。课程将重点介绍以 Claude Code 为代表的AI编程智能体，以及OpenClaw（龙虾）个人AI代理，以coze为表的工作流智能体 在科研全流程中的应用方法，涵盖六类典型科研场景：
多源科研数据自动采集、大规模文献智能处理、科研数据分析与模型构建、科研专属智能体开发、多智能体协同写作，以及科研监测与自动化情报系统的搭建。无需编程基础，AI智能体可以承担大量技术工作，研究者只需学会如何合理“指挥”AI。
一、时间安排及地点（自行选择线上或线下）
时间1：2026年8月21日—8月23日
线下地点：上海 （需自带电脑）
线上平台：腾讯特邀会议直播 （注：线上参会提供三天全程回放视频，支持不限次回看学习）
二、课程特色：
1、零基础也能快速上手
无需编程背景，AI智能体可以完成代码编写、数据分析、建模和文献阅读等任务。学员只需通过自然语言进行指令控制，就能高效完成科研工作。
2、以实践为主的教学方式
课程强调动手操作，约80%的时间用于实操训练。每个模块都配套练习，帮助学员在学习过程中立即应用，并能直接迁移到自己的科研项目中。
3、高强度沉浸式学习
采用三天两晚的集中研修模式。白天系统讲解与实践结合，晚间及课后提供讲师辅导答疑，帮助学员将所学方法应用到实际研究问题中。
4、原创体系化课程设计
课程基于丰富的一线培训与科研实践经验开发，系统讲解AI编程智能体与个人AI代理在科研场景中的应用方法，形成完整学习体系。
5、覆盖前沿AI智能体技术体系
6、课程内容涵盖Claude Code、OpenClaw、coze、SubAgent多智能体架构、MCP工具生态以及Skills扩展机制等关键技术，同时对主流大模型在科研任务中的能力进行对比分析。 完整工具环境与使用支持培训期间提供完整的AI智能体工具环境，无需复杂配置；课程结束后仍可继续使用一段时间，方便学员在真实科研工作中持续实践和应用
第一章 2026年Agent智能体最新进展和技术栈讲解 | 1. Agent智能体是什么，到底能帮我们做什么 2. 2026年Agent智能体技术最新进展介绍 3. 3种类型Agent智能体工具对比 1）当前确定性最强，落地效果好的工作流智能体工具coze、dify 2）当前工程化最强的智能体工具Claude code 3）发展潜力最强的智能体工具OpenClow、manus 4. Agent智能体相关技术介绍Skills、Tools、Memory等等 5. 大模型体系技术介绍Agent、MCP、RAG、知识库等等技术介绍 6. 关键性能指标对比：上下文容量、输出能力、文件处理、多模态识别 7. 国内模型vs 海外模型的差异化优势与科研场景适配 8. 模型选型的成本效益分析 9. 提示词工程的终极方法论与高级应用技巧 10. （课堂动手练习）几个可以免费使用Token的模型申请 |
第二章 基于工作流构建论文各模块自动生成的智能体 | 1. （课堂动手练习）不同模型选择 2. （课堂动手练习）通过研究方向给出有创意的选题并且给选题评分的智能体 3. （课堂动手练习）通过选题生成论文大纲的智能体 4. （课堂动手练习）通过选题生成前言并且自动添加引用论文的智能体 5. （课堂动手练习）通过选题生成文献综述并且自动添加引用论文的智能体 6. （课堂动手练习）从文献数据库查询论文，提取论文重要信息写飞书文档 7. （课堂动手练习）通过选题生成论文其他部分的智能体 |
第三章 基于工作流构建生成完整论文的智能体 | 1. （课堂动手练习）配置大模型 2. （课堂动手练习）搜索、爬虫、使用方法介绍 3. （课堂动手练习）使用论文搜索插件搜索主题相关论文列表 4. （课堂动手练习）使用网络爬虫插件抓取任务正文 5. （课堂动手练习）只要提供一个科研课题，智能体自动提取研究热点、发展趋势、应用价值、研究局限性性，产生研究不足和研究问题，生成论文标题和大纲，继续撰写论文各部分，最终输出一篇完整科研论文，能落地 |
第四章 科研知识库构建理论基础 | 1. Embedding 模型是什么 2. Embedding 维度的作用 3. Embedding相识度算法 4. 常用的Embedding对比 5. 不同场景Embedding模型选择 6. 向量数据库介绍 7. 不同场景向量数据库的选择 8. 什么是RAG 9. 向量检索 10. Reranker检索（重排序） 11. 混合检索（Hybrid Search） 12. 三者的协同关系 13. 技术选型建议 14. 图数据库、知识图谱和graphRag |
第五章 基于工作流构建科研问答类知识库系统 | 1. （课堂动手练习）pdf解析神器，可以把公式、图表等复杂结构全部解析出来 2. （课堂动手练习）使用大模型格式化数据分块 3. （课堂动手练习）使用大模型对分块内容自动生成问题 4. （课堂动手练习）使用大模型调整或者新增问题 5. （课堂动手练习）通过大模型自动生成问题和答案对 6. （课堂动手练习）QA对下载和格式转换 7. （课堂动手练习）优化RAG搜索功能 8. （课堂动手练习）构建问答系统工作流 9. （课堂动手练习）发布问答系统对外使用 |
第六章 科研智能体的工程化起点：Claude Code 环境搭建与基础研究范本构建 | Claude Code是当前最强工程化智能体开发工具，每位学员完成全体环境部署并验证可用 1. 底层工具链：命令行起源与现代终端/Shell选择 2. （课堂动手练习）掌握核心操作：命令行文件与路径管理速成 3. （课堂动手练习）配置跨平台集成开发环境（IDE）与终端 4. （课堂动手练习）安装AI编程智能体核心引擎与依赖管理 5. （课堂动手练习）接入多模型科研计算后端：API配置与密钥安全管理 6. （课堂动手练习）实现首次启动验证与基础功能测试 7. （课堂动手练习）建立用量监控、成本分析与资源优化策略 8. （课堂动手练习）制定配置备份、版本控制与持续维护规范 |
第七章 Claude Code 智能体高级架构设计—记忆、子智能体与插件生态 | 1. 记忆管理系统详解：多层级记忆架构的设计理念与使用策略 2. 上下文容量监控与资源分配：上下文使用情况的可视化分析方法 3. SubAgent 子智能体系统：并行任务分配、独立上下文与动态调度机制 4. MCP 模型上下文协议：实现智能体“插件化扩展”的标准接口机制 5. MCP 插件生态概览：科研常用插件及其安装与配置方法 6. Hooks 生命周期钩子机制：五大关键节点的自动化控制与应用场景 7. （课堂动手练习）体验子智能体并行协作的任务流程 8. （课堂动手练习）安装核心MCP 插件并进行功能验证 通过本章学习，你将掌握智能体的高级能力体系，包括记忆管理、上下文优化、子智能体协作机制以及插件化扩展能力，能够构建具备复杂任务处理能力的科研智能体系统 |
第八章 Claude Code工作流工程化实践—Skills系统、流程编排与效率优化 | 1. Skills模块化技能系统的架构设计与渐进式加载原理 2. Skills的标准开发规范、文件结构与配置字段详解 3. 自动化Skill创建工具的使用与最佳实践 4. 历史会话的状态回溯、恢复与对话导出管理 5. 多模型动态切换策略与任务 6. IDE集成方案与可视化工作界面配置 7. 组合运用全部高级功能构建个人专属高效工作流的系统化方法 8. （课堂动手练习）如何将记忆+子智能体+插件+技能+钩子五大功能融为一体 9. （课堂动手练习）设计并开发一个符合规范的自定义Skill 10. （课堂动手练习）配置多模型切换策略并测试任务分配效果 11. （课堂动手练习）构建一个完整的科研工作流（整合记忆、子智能体、插件与Skills） 通过本章学习，你将掌握Skills技能系统的完整开发流程、工作流的系统化构建方法以及多功能模块的协同优化策略，能够打造一套高度定制化、高效率的科研智能体工作系统，实现从单一功能到完整工作流的能力跃升。 |
第九章 Claude Code批量化科研论文处理 | 1. 国产模型API的申请流程、环境配置与密钥安全管理实践 2. （课堂动手练习）构建批量文献处理管线：自动读取→ 智能分析 → 结构化输出 3. （课堂动手练习）基于AI分析结果的文件批量智能管理方案设计 4. （课堂动手练习）科研论文关键信息的多维度自动提取技术与实现方法 5. （课堂动手练习）从单篇到百篇的规模化处理策略与工程化实施方案 6. （课堂动手练习）API驱动的结构化分析报告自动生成系统 7. （课堂动手练习）批量处理中的成本控制、错误处理与容错机制设计 8. （课堂动手练习）构建一套完整的科研文献批量智能处理系统 通过本章学习，你将掌握大模型API的工程化应用方法、批量文献处理的完整技术链路以及规模化科研信息处理的系统设计能力，能够将AI能力从单次对话扩展到批量自动化处理，实现科研信息管理的质的飞跃。 |
第十章 Claude Code智能体数据自动采集 | 1. 科研数据采集的法律合规要点与风险规避策略 2. 主流采集技术方案的对比分析与选型指南 3. （课堂动手练习）国家统计局多层级数据的自动化采集与结构化存储 4. （课堂动手练习）中国气象数据网气象图片与每日天气文本数据的跨源采集 5. （课堂动手练习）气象数据采集+ AI深度分析 + 自动生成图文并茂新闻报道的完整案例 6. （课堂动手练习）定时自动化任务的设计与系统级部署：让采集系统每天自动运行 7. （课堂动手练习）构建一套"采集 + 分析 + 生成 + 定时"四位一体的科研数据自动化系统 通过本章学习，你将掌握AI智能体驱动的科研数据采集完整技术链路，能够构建集数据采集、智能分析、内容生成、定时调度于一体的自动化处理系统，实现科研数据获取与处理的全流程智能化 |
第十一章 AI智能体全栈开发架构认知 | 1. AI时代程序员角色的转变：从单纯写代码到“指挥AI开发” 2. 现代软件架构的核心模块与协作机制（结合类比讲解） 3. 前端技术体系概览：从基础三件套到现代框架的发展路径 4. 后端技术要点：主流编程语言对比及科研场景下的选择 5. API接口的基本原理：前后端之间的通信机制解析 6. 一次完整请求的执行流程：从用户操作到数据返回的全过程 7. AI编程智能体如何整合前端 + 后端 + 数据库 + API，实现一体化开发 零基础学习者无需担心，本章不要求编写代码。只需理解整体架构逻辑，即可在后续章节中通过AI完成完整的智能体应用开发。 |
第十二章 Claude Code科研智能体设计方法论与全栈开发实战 | 1. 科研智能体的需求分析框架：如何定义一个优秀的智能体 2. 从需求到原型的快速设计方法论 3. （课堂动手练习）交互式智能体的完整设计与实现流程 4. （课堂动手练习）领域专用智能体深度案例：覆盖多个科研与医疗场景 5. （课堂动手练习）智能体界面设计与用户交互体验优化 6. （课堂动手练习）智能体状态管理、会话控制与异常处理机制 7. （课堂动手练习）将智能体从本地部署到可分享服务的技术路径 通过本章学习，每位学员设计并开发一个面向自身科研领域的专属智能体应用 |
第十三章 通用Agent智能体OpenClow搭建 | 1. （课堂动手练习）本地电脑搭建原生OpenClow 2. （课堂动手练习）OpenClow云端一键部署 3. （课堂动手练习）OpenClaw安全配置 4. OpenClaw基本参数配置详解和优化 5. OpenClaw记忆系统介绍 每个人选择一个合适自己的方式安装OpenClow |
第十四章 通用Agent智能体OpenClow搭建 | 1. （课堂动手练习）OpenClaw在学术场景的人设分析 2. 课堂动手练习）OpenClaw学术初步设定 3. （课堂动手练习）给OpenClaw注入灵魂（SOUL.md / IDENTITY.md / USER.md） |
第十五章 OpenClaw个人AI代理——科研自动化的新范式 | 1. OpenClaw的系统定位： 从AI编程助手到“个人AI代理型任务执行智能体”的技术跃迁 2. OpenClaw核心架构深度解析：Planner任务规划、Tool工具调用、Memory长期记忆、Execution循环执行机制 3. OpenClaw与AI编程智能体的能力边界对比：代码生成型AI vs 自主任务执行型AI 4. OpenClaw适合解决的三类科研问题：长期任务、跨系统协作、持续监控型任务 5. OpenClaw工作循环详解：Plan → Execute → Observe → Reflect 的自治运行机制 6. OpenClaw工具系统：浏览器操作、API调用、文件系统操作与外部软件控制 7. OpenClaw任务规划能力解析：复杂科研任务如何自动拆解为执行链 8. OpenClaw在科研自动化体系中的定位：科研Agent系统的控制层架构 理解OpenClaw从AI编程助手向个人AI代理的技术跃迁，掌握其核心架构（Planner、Tool、Memory、Execution）与工作循环机制，认识其在科研自动化体系中的角色，以及其在长期任务、跨系统协作和持续监控类科研问题中的应用价值。 |
第十六章 OpenClow智能体科研文献自动化处理 | 1. （课堂动手练习）基于智能体的学术文献元数据自动解析与结构化抽取 2. （课堂动手练习）基于智能体的文献结构化摘要生成与核心知识自动归纳 3. （课堂动手练习）OpenClow科研情报监测与热点文献自动推送系统 4. （课堂动手练习）基于智能体的多源学术数据库自动检索与文献发现 5. （课堂动手练习）科研文献库智能分类、标签化管理与自动归档系统 6. （课堂动手练习）跨文献研究主题关联分析与学术趋势自动识别 掌握利用OpenClow与智能体实现文献解析、文献检索、摘要生成与科研趋势分析等科研自动化方法。 |
第十七章 OpenClaw科研自动化系统设计与典型应用 | 1. OpenClaw最适合的科研任务类型：长期运行任务、自动情报监控、数据持续更新 2. 科研文献自动追踪系统设计：自动扫描arXiv / PubMed / bioRxiv 最新论文 3. 科研情报监控系统：自动追踪研究热点、引用增长与开源项目动态 4. 科研知识库自动更新系统：论文下载→ 摘要生成 → 自动加入知识库 5. 科研数据持续采集系统：定期抓取数据库更新并自动触发数据分析流程 6. OpenClaw长期运行系统的部署方案：本地服务器、云服务器与实验室工作站 7. （课堂动手练习）构建一个自动追踪最新科研论文并生成每日科研简报的OpenClaw系统 掌握OpenClaw在科研自动化中的典型应用，掌握科研文献追踪、科研情报监控、知识库自动更新及长期运行系统的设计思路。 |
第十八章 课程总结、成果展示与持续成长 | 1. 回顾三天课程的知识体系与核心要点 2. 对二十一个模块的关键技能进行总结与自评 3. 优秀方案分享与跨学科交流讨论 4. AI技术持续学习的资源与信息跟进策略 5. 学员社群建立与后续答疑支持说明 |
三、主讲专家：
人工智能领域一线专家，大模型算法工程师，主导工业数据分析低代码平台从规划到落地的全流程工作，深度融合前沿技术，实现数据的高效采集、处理和算法平台的稳定部署。近年，全力聚焦大模型算法研发，将先进算法深度融入企业业务，驱动业务创新发展。在多类型期刊发表数篇高质量论文，同时持有多篇专利，涵盖大语言模型、图像描述生成，多模态等前沿技术领域等，为多个企业和高校做过AI相关的课程培训。授课风格通俗易懂，深入浅出，大量的实战案例，广受同学好评。
四、课程收益：
1、掌握AI智能体的系统化使用能力： 全面理解AI编程智能体的核心技术体系，包括多种工作模式、记忆机制、SubAgent协作架构、MCP插件生态以及Hooks与Skills扩展能力，能够快速适应和使用各类新兴AI工具。
2、高效开展文献批量处理与分析： 构建自动化文献处理流程，通过多个AI智能体协同完成文献阅读、观点提取与对比分析，辅助生成结构化综述和论文初稿。
3、实现从数据处理到模型部署的完整流程：利用AI智能体完成数据清洗、特征工程、机器学习或深度学习建模，并将模型部署为Web预测服务，显著降低编程门槛。
4、构建自动化科研数据采集体系
搭建多源数据抓取系统，自动获取如PubMed、中国气象局等科研数据，并完成数据采集、清洗、存储与分析的一体化流程。
5、开发面向科研场景的专属智能体应用
能够独立设计并开发适用于自身研究领域的智能体应用，例如文献助手、数据分析机器人或领域知识问答系统。
6、实现科研数据管理自动化
通过AI自动完成数据格式转换、批量文件整理与异常数据检测，减少重复性数据处理工作。
7、打造全天候运行的科研智能助手
基于OpenClaw构建持续运行的科研自动化系统，实时追踪最新论文与研究动态，自动更新知识库并定期生成科研情报报告
五、收费标准及证书
A类：统一收费3980元/人（会议费、资料费、指导费、证书认证费、发票费）
中职人才评测中心颁发：人工智能应用工程师”证书
B类：统一收费5580元/人 (会议费、资料费、指导费、工信部证书认证费、发票费)
由工业和信息化部教育与考试中心颁发:“AI智能体应用工程师”高级证书 需要考试/官网可查
C类：统一收费6880元/人 (会议费、资料费、指导费、工信部证书认证费、发票费)
由工业和信息化部人才交流中心颁发:“智能体开发应用师”高级证书 需要考试/官网可查
D类：统一收费7980元/人 (会议费、资料费、指导费、工信部证书认证费、发票费)
由工业和信息化部人才交流中心颁发:“人工智能算法工程师”高级证书 需要考试/官网可查
该证书可作为有关单位专业技术人员能力评价、以及求职应聘和从业人员加薪、晋升、考核等任职的重要依据。申报资料：请准备两寸蓝底照片、身份证电子版即可。
六、课程优惠（以下优惠不可同时享有）
1、 在校学生报名可优惠300元
2、 两人报名每人可优惠200 元
3、 三人报名每人可优惠300 元
4、 四人报名每人可优惠400 元
5、 五人以上报名可免费赠送一个名额（第6人免费）
联系人：刘老师 手机/微信:18311050656 邮箱：1549935216@qq.com
