GCL班级活动："AI赋能科研—范式变革与认知升维"交流研讨会成功举办

2026年3月18日晚，数学科学学院应用数学教师党支部、计算与应用数学研究生第一党支部和图形与几何计算班在2106教室联合举办"AI赋能科研—范式变革与认知升维"交流研讨会。本次研讨会以"探讨AI如何重塑科研范式"为主题，邀请方清老师、吴康老师、程开良同学、熊易同学四位嘉宾进行报告分享，吸引了众多师生到场参与。

当前，人工智能正深入科研各环节，不仅提升效率，更开始复现研究者的思维模式，这促使我们重新思考研究者的核心价值与科研教育的未来方向。本次研讨会旨在促进跨学科交流，分享AI作为"研究伙伴"的实用经验，共同探索如何在AI辅助下持续突破科研天花板。

吴康老师以"AI Agent赋能科研——从’人工’到’人工智能’的科研工作流"为题作报告。他从科研中的常见痛点切入——环境配置困难、代码量大且文档缺失、实验参数反复调试、报告撰写耗时等，引出AI Agent的核心价值。他指出，AI Agent不只是"聊天机器人"，而是能够感知环境、自主规划、调用工具、执行任务并反馈迭代的智能体。吴康老师通过环境配置与文档生成、快速理解陌生代码库、自然语言驱动代码修改、Agent自主运行实验、数据分析与改进方案生成五大应用场景进行了深入讲解，展示了"想法→实现→实验→分析→新想法"的科研闭环。他强调，Agent的最大价值在于加速整个"科研迭代"的速度，同时提醒大家警惕幻觉问题与前沿理解有限等局限性，指出问题本质的思考和实验设计的创造性仍需人来把控。

方清老师以"Coding with AI for Discrete Geometry Processing (DGP) Frame"为题作报告。他从自身研究领域出发，分享了利用AI辅助编程构建离散几何处理框架的实战经验。他结合具体的几何处理代码场景，展示了如何借助AI工具高效完成复杂数学算法的代码实现与调试优化，为在场师生提供了AI赋能专业领域科研编程的生动案例。

程开良同学以"AI Agent的’开源’与’节流’——从聊天工具到生产力工作流的进阶"为题作报告。他首先厘清了AI Agent的核心定义——一个能够围绕目标持续推进任务、自主调用工具和处理外部材料的大模型工作体，并深入分析了使用Agent的"隐形账单"：模型依赖成本、Token消耗陷阱、长上下文副作用以及返工成本。在方法论层面，程开良同学提出了"开源与节流"双轮驱动的实战心法：“开源"即通过开放工作区、精准介入和沉淀Skill来拓展Agent的能力边界；“节流"即通过标准化Prompt模板、大任务拆解和轻量化优先来控制算力与时间消耗。他还通过标准Prompt实践、Agent工作流搭建、Skill生成与一键调用三个随堂闭环实验，带领大家亲身体验了这套方法论的落地过程。他总结道：“开源是能力的组织，节流是成本的治理。”

熊易同学以"AI Agent in Development & Research Productivity"为题作报告。他从开发与科研生产力的角度出发，介绍了当前主流的AI IDE工具和Agent概念，并重点展示了如何将Agent融入日常科研工作流。他提出了利用plan.md和execution.md进行科研项目管理的实践方案，让Agent围绕结构化的计划文档推进任务、记录执行进度。此外，他还分享了Agent在团队协作与GitHub项目管理中的应用场景，包括自动化日报生成、commit总结与PR管理、issue追踪等，展示了Agent从个人效率工具进化为团队协作助手的可能性。

四位嘉宾报告结束后，在场师生围绕AI在科研中的实际应用、Agent的局限性与风险规避、如何避免"认知外包"陷阱等话题展开了热烈讨论。与会者纷纷表示，本次研讨会内容丰富、实操性强，对理解和应用AI Agent辅助科研具有重要的启发意义。

本次研讨会的成功举办，为师生搭建了一个关于AI赋能科研的交流平台。四位嘉宾从科研工作流重塑、AI辅助编程实践、Agent使用的成本治理、团队协作生产力提升等多个维度，深入探讨了AI Agent在科研中的应用前景。正如与会嘉宾所言，AI与研究者的关系不是"替代"而是"增强”，未来的科研能力将是领域洞察力与AI协作能力的有机结合。