AI 科研说
AI 能替您跑分析、查文献，却替不了判断。这些文章，谈的是怎么用好它，又不被它带偏。
方法与思维
从「我来做」到「我来判断」：AI 拿不走的那部分
AI 能做的执行越来越多，但「这个结论敢不敢写进论文」的判断，永远是您不可替代的地方。
前沿与趋势AlphaFold 之后：结构便宜了，然后呢
几分钟就能拿到一个蛋白的三维结构——省下的是几年体力活，省不掉的，是您对这张图到底意味着什么的判断。
入门与概念三个词读懂科研 AI：大模型、智能体、RAG
不用读论文，搞清大模型、智能体、RAG 三个词，您就能判断什么时候能信 AI、什么时候得留个心眼。
场景与实践一个 TCGA 数据集，一下午跑出一版可发表的图
没有自己的测序数据，也能在一下午走通一次端到端分析，末端落到一版能投稿的图——只是要记得，AI 压掉的是执行，判断还得您自己来。
实用技巧别再对着 AI 说「帮我分析一下」：科研人提问的 5 个习惯
同一个模型，您含糊地问，它只还您一段正确的废话；您精准地问，它才逼得出审稿人级别的意见。差别就在这五个习惯。
场景与实践手上只有一个基因，怎么用公共数据把它讲成一个故事
没有自己的数据，也没有整块时间，一个候选基因照样能在一两天里，问出一条值得您走进实验室的线索。
实用技巧组会前一小时，用 AI 读透一篇陌生论文
导师临时甩来一篇没读过的文章让您讲。这套流程用 AI 替您跑腿，把省下的时间全押在最需要您亲自判断的地方。
方法与思维把一个课题，拆成 AI 能接手的最小任务
AI 接不住「帮我做这个课题」，接得住拆细后、输入输出明确的执行单元——而会拆课题，本身就是一种科研训练。
实用技巧给 AI 喂背景：一段好的课题描述长什么样
同样一句「数据不显著怎么办」，您交代的背景不同，AI 的回答能差一个量级——差的往往不是模型，是它还不知道您在做什么。
共 19 篇