AI辅助科研工具使用说明

面向课题组研究生的 AI 辅助环境配置与工具使用指南

在线阅读（正式版）：https://2dmaterial-lab.github.io/AIUserManual/

若仅在 GitHub 上浏览本仓库中的 Markdown，目录与渲染可能与站点不一致，请以部署后的网页为准。主要修订见 docs/changelog.md。

项目简介

本手册旨在帮助课题组成员快速上手科研常用软件，并学会利用 AI 工具（Claude、ChatGPT、DeepSeek、Copilot、Cursor 等）显著提升工作效率。

核心理念：AI 不是替代你思考，而是帮你把重复性工作自动化，把精力留给真正需要创造力的事情。

目录导航

基础篇

章节	内容	链接
00	前言：AI辅助科研的理念与心态	introduction.md
01	AI工具选择与使用指南	ai-tools-guide.md

工具篇

章节	工具	用途	链接
02	Origin	数据绘图与分析	origin.md
03	MATLAB	数值计算与编程	matlab.md
04	Excel	数据处理与可视化	excel.md
05	COMSOL	多物理场仿真	comsol.md
06	FDTD	光学仿真	fdtd.md
07	SolidWorks	三维机械建模	solidworks.md
08	C4D	三维可视化渲染	c4d.md
09	LabVIEW	仪器控制编程	labview.md

模板篇

章节	内容	链接
10	通用提示词模板集合	prompt-templates.md

附录

章节	内容	链接
11	课题组信息与本地约定	11-lab-info.md
—	更新日志（主要修订）	changelog.md

使用建议

• 新生：建议从 00、01 开始，了解 AI 辅助的理念和工具选择，再按需阅读具体工具章节
• 有基础的同学：直接跳到你使用的工具章节，重点看"AI辅助使用核心技巧"和"提示词示例"部分
• 所有人：收藏第 10 章的提示词模板，日常科研中可以直接复制使用

本地构建站点（MkDocs）

如需离线阅读或部署为网页：

cd AIUserManual
pip install -r requirements.txt
mkdocs serve    # 浏览器访问提示的本地地址预览
# mkdocs build  # 生成 site/ 静态文件

说明与依赖版本见项目根目录 requirements.txt。

访问统计（可选）

在线站点可接入 Google Analytics 4（GA4），在 Google 分析 后台查看访问量、页面浏览与流量来源等（静态站本身不保存访问日志）。

1. 在 GA4 中为该网站创建数据流，复制衡量 ID（格式 G-xxxxxxxxxx）。
2. 打开本仓库 Settings → Secrets and variables → Actions，新建仓库密钥 GOOGLE_ANALYTICS_ID，值为上述衡量 ID。推送 main 后的部署构建会自动注入该变量。
3. 本地验证：可先执行 export GOOGLE_ANALYTICS_ID=G-你的ID，再 mkdocs serve 或 mkdocs build，在生成的页面中应能看到对 googletagmanager.com 的请求（浏览器开发者工具 → 网络）。

未配置该密钥时，站点不会加载任何统计脚本。若部分访问者网络无法连接 Google 服务，统计可能不完整，属正常现象。

页脚「全站累计约 ×× 次页面浏览」（可选）

在页脚展示约计总浏览量（数据来自 GA4 的 page_view 事件累计，非实时秒级）。需要在 Google Cloud 侧启用 Google Analytics Data API，并为本仓库配置两个 Actions Secret（与上方的 GOOGLE_ANALYTICS_ID 是不同用途，需同时配置才会在页脚看到数字）：

Secret 名称	内容
GA_SERVICE_ACCOUNT_JSON	Google Cloud 服务账号 的 JSON 密钥全文（多行粘贴到 Secret 中）。
GA4_PROPERTY_ID	GA4 媒体资源 ID（纯数字，如 123456789；在 GA「管理 → 媒体资源设置」中查看，不是 G- 开头的衡量 ID）。

Google Cloud 简要步骤（需有权限操作 GCP 与 GA4 媒体资源）：

1. 打开 Google Cloud Console，选择或新建项目。
2. 「API 和服务 → 已启用的 API」→ 启用 Google Analytics Data API。
3. 「IAM 和管理 → 服务账号」→ 创建服务账号 →「密钥」→ 添加 JSON 密钥并下载；将 JSON 整份粘贴到仓库 Secret GA_SERVICE_ACCOUNT_JSON。
4. 打开 Google Analytics → 管理（齿轮）→ 选中你的 媒体资源 → 媒体资源访问管理 → 新增使用者，填入服务账号邮箱（形如 xxx@项目id.iam.gserviceaccount.com），角色选 查看者。
5. 仍在「管理」→ 媒体资源设置 中复制 媒体资源 ID（数字），写入 Secret GA4_PROPERTY_ID。

配置完成后，推送 main 触发部署：构建前会运行 scripts/fetch_ga_stats.py 拉取累计值并写入 docs/assets/analytics-stats.json，页脚脚本会读取并显示。请勿将服务账号 JSON 提交到 Git，仅放在 GitHub Secrets。

为什么多访问了几次网站，页脚数字不变？ 静态站上的 JSON 只在「部署」时从 GA 拉取一次；访客访问不会改写服务器上的文件（GitHub Pages 无动态后端）。updatedAt 表示上次成功部署的时间。若要立刻刷新：打开 Actions → Deploy MkDocs Site → Run workflow 手动运行。

能「实时」更新吗？

• 严格意义的实时（每打开页面都从 Google 拉最新数）：需要自建一个小接口（如 Cloudflare Workers、Cloud Functions）在服务端保存服务账号并返回数字，页脚用 fetch 调该接口；纯静态仓库无法实现，也不能把密钥写进前端。
• 当前做法（折中）：定时 每小时（UTC 整点）自动跑一遍部署，从 GA 拉数并更新站点上的 JSON，延迟一般在 约 1 小时 + GA 处理延迟；仍非秒级实时。需要更快可把 deploy.yml 里 cron 改成 */15 * * * *（约 15 分钟一次，但 gh-pages 提交会很密）。想省 Actions 可改成每天一次 0 2 * * *。

本地可安装 pip install -r scripts/requirements-analytics.txt 后导出上述两个环境变量，运行 python scripts/fetch_ga_stats.py 再 mkdocs serve 预览页脚效果。

示例脚本

各章「进阶资源」中已挂链；文件统一放在 docs/assets/examples/，与 MkDocs 构建产物一并发布。

文件	说明
matlab_publication_plot.m	MATLAB 论文级出图模板
matlab_fft_spectrum.m	MATLAB FFT / 频谱示例
excel_batch_process.bas	Excel VBA 批量处理示例
fdtd_waveguide.lsf	Lumerical FDTD 脚本示例
c4d_batch_render.py	C4D Python 批量渲染示例

测试数据

示例脚本引用的数据文件放在 docs/assets/test_data/，可直接用于验证脚本运行效果。

文件	说明
data1.csv	MATLAB 绘图示例 — Sample A 透射率数据
data2.csv	MATLAB 绘图示例 — Sample B 透射率数据
data3.csv	MATLAB 绘图示例 — Sample C 透射率数据
signal_data.csv	MATLAB FFT 示例 — 采样信号数据

贡献

详见 CONTRIBUTING.md。摘要如下：

1. 发现错误或过时信息，请提出修改
2. 有好的 AI 使用技巧或提示词，欢迎补充
3. 新增工具章节请遵循现有模板格式（简介 → 安装配置 → AI 辅助技巧 → 提示词示例 → 排错 → 进阶资源）
4. 新增可下载脚本时，请放入 docs/assets/examples/，文件名使用小写加下划线，并在对应章节的「进阶资源」中加链接说明用途

许可与可见性

本手册仅供课题组内部学习与交流使用，请勿擅自对外传播。仓库与 GitHub Pages 站点为公开访问，搜索引擎可收录。若课题或学校对数据与资料有更高保密要求，请将仓库设为 private 或结合校内部署等方式另行约定。

若需将手册完全限制在校内或组内网络，请与导师或信息化部门确认可行方案。