“可以采用各类人工智能（AI）智能体工具辅助科研流程，但研究者必须作为主导者，对AI输出内容逐一审核校验。”9月20日，在华南理工大学召开的2026学术文化节暨第十七届创新发展论坛上，《华南师范大学学报（自然科学版）》编审谭春林从编辑出版实践出发，展示了AI如何协助编程、绘图和知识可视化，并反复提醒：当AI进入科研全流程，研究者必须审视自己是在主导研究，还是全盘接受工具给出的结果。

在题为《Harness、Codex等智能体在学术研究中的应用》的报告中，谭春林围绕智能体在科研与学术出版领域的价值与风险展开，肯定智能体对科研事务性工作的赋能效果，认为其可助力科研效率提升与科学知识可视化，同时着重关注数据安全、模型幻觉、学术诚信等现实挑战。他提出，要划定AI应用红线，规避稿件信息外泄风险，落实AI使用透明披露机制，明确人机协同定位，让科研人员始终承担主体责任，推动AI工具在学术场景下合规、负责任地落地应用。

谭春林作报告。主办方供图

从具体需求出发，让智能体参与科研

日常工作中的具体需求，是谭春林探索AI应用的重要出发点。他介绍，目前中文科技期刊普遍存在编辑人员不足，审编校工作量大，因此尝试借助AI编程开发智能编校工具，辅助发现语法、拼写和知识性差错。在展示案例时，他阐述智编、智校工具可以弥补编辑自身的知识盲区，可以第一时间找到人类编辑不易发现的科学性、常识性、专业术语等硬伤错误。智编、智校工具可以对word和PDF稿件进行智能审校，解决了80%以上的编校工作量，效率提升50倍以上。

在他看来，这些出版场景中的经验也可以迁移到科研工作。对于机械、重复的操作，研究者可以先把需求描述清楚，再借助DeepSeek Harness、WorkBuddy等国产优秀智能体寻找实现方法。他以封面设计为例介绍，安排任务后，通过多轮对话、反馈和测试逐步优化，便可形成服务具体工作的技能。智能体的应用，由此与使用者每天遇到的问题联系起来。

科学绘图是其中一个入口。报告中，他展示了新思路：给出数据，说明要绘制的绘图类型（如三维曲面），并指定配色方案（例如颜色从蓝到红渐变），再由AI辅助编写Python绘图程序。数据形式、图形类型和颜色要求，都成为可以直接沟通的任务条件。

从科研绘图延伸到教学，谭春林分享了与孩子的一次交流。孩子问起无水硫酸铜与五水硫酸铜的颜色差异，他建议孩子使用Harness生成可交互的结构示意图。通过拖动鼠标观察结构，学习者能够获得更直观的认识。

这种协作也可以进入实验环节。回忆攻读光学博士时自行搭建实验装置的经历，谭春林提出，现在可以向智能体说明所用芯片型号、需要监测的电流、湿度或pH等参数，寻求连接传感器、采集数据和显示曲线的编程帮助。他将其作为人机协同的应用方向，讨论AI如何辅助实验装置搭建和数据采集。

AI正在从辅助写作走向辅助研究

展示工具能力的同时，谭春林将学术出版中的风险沿稿件流程展开。他以录用、刊出为节点，区分写作、初审、编校和传播等环节：作者写作涉及学术诚信，编辑和审稿专家使用AI处理未发表稿件，则需要关注数据泄露。到了论文发表之后，视频摘要、科普推文等又提供了新的传播应用场景。不同环节，需要分别判断使用边界。

他还以视频稿件审校程序的开发经历说明，具体使用环境会影响技术方案。面对某机构不能连接外网的工作条件，相关工具需要采用本地部署的视觉模型，使材料在本地接受处理。这一案例把数据如何处理、是否需要发送给第三方的问题，带入了智能体应用的讨论。

谭春林认为，AI正在从“智写”辅助写作走向“智研”辅助研究，参与实验设计、数据采集、整理与绘图等环节。但覆盖范围扩大，也意味着使用者更需要保持审慎。AI仍可能产生错误和幻觉，需要人工审核；研究团队和导师还应关注研究生使用AI的全过程，判断使用方式是否合规，是否存在造假风险。

在写作环节，生成文本流畅，并不意味着其中的观点就能够直接采用。谭春林提醒，AI补充的知识和观点可能来自他人已发表论文，使用者却未必能够追溯其出处，生成的参考文献也可能失实。如果因为文本写得好就全盘接受，容易形成依赖，并带来学术诚信隐患。

跨语言改写是他特别提及的风险。他结合编辑工作中遇到的稿件指出，有的中文稿件实际上有可能是借助AI改写了他人的英文论文内容。面对这种“AI洗稿”，科研人员和出版界作为学术共同体的两个重要节点，需要共同维护良好的学术生态环境。报告呼吁倡导“做真研究、真做研究；写真论文，真写论文”，也要求使用者认真审视自己在人机协作中的实际投入。

谈到透明披露，谭春林介绍了自己发表论文时的做法：在文末说明使用了什么工具、用于哪些环节，例如英文润色、摘要翻译和关键词拟定；同时明确，作者已经对相关内容进行审查和编辑，并对论文内容承担全部责任。AI可以帮助完成越来越多的工作，但研究者对内容的判断、核实和负责，仍须落实到研究与发表的全过程。

在谭春林看来，百闻不如一练。AI智能体的价值，终究要在实践中兑现。研究者不妨放下观望、动手尝试：在多次尝试中校准方向，在多轮对话中厘清需求，在人机共创中沉淀经验，开发出真正契合科研工作实际的各类Skill和工具。唯有躬身入局、勤于共创，AI辅助科研方能行稳致远。