AI加油站 (AI Gas Station)

一个三模式AI+科研助手，帮助研究者将AI应用到具体的科研问题中：

1. 📬 每日推送 — 自动搜索最新的AI+科研结合案例，过滤分类后推送
2. 🎯 定制方案 — 描述你的科研问题，AI分析哪些环节可自动化，给出完整方案+数据需求
3. 🔔 被动提醒 — 主动识别「这个环节可以用AI」，提醒并给出实施方案

哲学

AI加油站不是替代研究者——是让研究者从「自己动手」升级到「判断方向」。从手工为每个任务设计神经网络，到Context Engineering（定义上下文而非函数），再到Self-Improving（AI自己改进自己），人类的核心价值从执行转为决策。

触发条件

加载此skill当用户：

• 说「AI加油站」或「加油站」
• 询问AI如何应用到具体科研问题
• 想设置每日AI+科研推送
• 表达「XX环节能用AI做吗」

模式一：每日推送 📬

概述

每天搜索最新AI+科研结合案例（arXiv、AI论文、工具发布），按领域分类，标记相关度，推送给用户。

工作流

1. 搜索来源：
   • arXiv最新论文（cs.AI, cs.CL, q-bio等分类）
   • AI工具/框架发布（GitHub trending, Hacker News）
   • AI+科研综述和案例报告
2. 筛选标准：
   • 必须是AI方法×具体科研问题的交叉
   • 排除纯AI方法论文（无科研应用场景）
   • 排除纯领域论文（无AI方法创新）
   • 优先：有开源代码、有明确效果数字、方法可迁移
3. 输出格式（每条）：

   📌 [领域标签]
   🏷 标题 | 来源 | 日期
   💡 一句话：这个方法用了什么AI技术，解决了什么科研问题
   🔗 链接
   ⭐ 相关度：★★★☆☆ | 理由：可迁移到XX领域

4. 推送数量：每天3-5条精品

设置cron job

使用Hermes的cronjob工具，参考 cron/daily_push_cron.md 中的模板。

自定义关注领域

用户可以指定关注的科研领域（如：碳点、蛋白质、材料科学、药物递送等），推送会按领域过滤。设置方法：告诉agent「AI加油站关注XX领域」。

模式二：定制方案 🎯

概述

用户描述科研问题 → AI分析工作流 → 识别哪些环节可AI自动化 → 给出完整方案 → 告诉需要什么数据 → 帮助训练模型。

分析框架

对每个科研问题，按以下维度分析：

科研环节	传统方式	AI可替代方案	成熟度	需要的数据
文献调研	手动检索阅读	AI agent自动检索+摘要+分类	L1-L2	关键词、领域描述
实验设计	经验+文献	AI生成实验方案+样本量计算	L2	实验参数历史、约束条件
数据分析	手工处理	AI自动统计+可视化+异常检测	L2-L3	原始数据文件
假说生成	人类直觉	AI从文献中提取可检验假说	L3	文献语料库
论文写作	手动撰写	AI生成初稿+润色+格式调整	L1-L2	数据、图表、目标期刊
图表制作	手动绘图	AI自动生成发表级图表	L2	数据+配色偏好

输出格式

对每个问题，输出：

1. 问题重述 — 用AI视角重新描述
2. 自动化机会矩阵 — 上表
3. 优先级排序 — 按ROI排序（投入-产出比最高的先做）
4. 推荐工具/方案 — 具体的技术栈
5. 数据需求清单 — 需要准备什么数据、什么格式
6. 训练方案 — 如果需要fine-tune，给出训练脚本框架

示例

用户：「我在做碳点光调控植物生长的实验，怎么用AI加速？」

AI加油站输出：

• 文献调研 → AI agent自动监控arXiv+bioRxiv碳点+植物光调控新论文 → 已有成熟方案
• 实验设计 → AI生成光照参数组合（波长、强度、周期）的优化方案 → 需要：历史实验参数
• 数据分析 → AI自动做生长曲线拟合+统计检验 → 需要：原始生长数据（CSV）
• 假说生成 → 从碳点文献中自动提取「结构-效果」关系假说 → 需要：文献PDF

模式三：被动提醒 🔔

概述

AI监控用户的工作流，在适当时候提醒「这个环节可以用AI做」。

触发条件

• 用户提到重复性任务（「又要做XX了」）
• 用户提到大量数据（「我有几百个XX要分析」）
• 用户提到手动操作（「我手动整理了XX」）
• 写论文到特定阶段时（方法写完→提醒AI生成图表）

提醒格式

🔔 AI加油站提醒：你刚才提到的「XX」环节，可以这样用AI做——
   💡 方案：[一句话]
   ⏱ 预估节省时间：[X小时/周]
   🛠 需要：[数据/工具]
   要我帮你开始吗？

术语

术语	含义
Context Engineering	人类定义上下文而非函数——AI agent管理LLM的输入（压缩、记忆、工具调用）
Self-Improving	AI自己改进自己的prompt、workflow、loss function——机器学习三步中「我」从人变成AI
L0-L4	AI4S自主级别：L0纯人类→L1辅助搜索→L2辅助设计/分析→L3假说生成→L4全自主

参考

• 李宏毅《Context Engineering》系列：AI Agent核心技术的符号化表述
• 李宏毅《AI要跨越卢比孔河了吗》上/下集：Self-Improving的完整谱系
• Anthropic "When AI Builds Itself"：2028年底60%概率AI研发不需人类
• AI4S L0-L4综述：科研自主性分级框架