研究生做科研，过程中有很多事情都非常耗时间和精力。比如读到一篇不错的论文，想找其他相关的论文，了解领域发展情况，需要自己先去一个个搜索整理相关文献；改进算法，调整参数，需要自己一个个尝试一遍一遍跑；开题、中期考核、写论文前要把之前看过的一堆文献、分析过数据重新翻出来，进行汇总；每次投稿前要按不同期刊和会议要求改格式……
所以我一直在想，能不能别让 AI 只停留在聊天框里回答问题，而是让它真的替我把当前在做的事情往前推进，让我有更多时间去思考和做创新的工作。

过去几年来，大家对 AI 的理解一直在升级。
最早是 Prompt，怎么问 AI。
后来是 Context，给 AI 什么材料。
再后来是 Harness，怎么把工具、环境、流程组织起来。
今年6月份以来， AI 圈开始热聊「Loop Engineering」，要让AI可以「持续朝一个目标推进」。如果一开始效果不好，它会自己改进，继续迭代，直到完成目标。尤其适合那种长线程有明确指标的任务，比如深度调研、改进分析算法提升性能等场景。

这里我分享下我如何使用AI Agent提高科研效率的