科大（USTC）实验室手记：科研学者的生产力工具箱与工作流

工欲善其事，必先利其器。在科大实验室攻读大模型与 AI Agent 方向的过程中，建立一套自动化、高可复现、低心智负担的科研工具流，能将研究效率提升数倍。

在此分享我日常工作中最核心的 4 个工具模块：

一、 文献阅读与灵感捕捉 (Literature & Zettelkasten)

1. Zotero + Better BibTeX：
   • 自动抓取 arXiv 论文元数据并生成标准 citation key（如 Vaswani2017Attention）。
   • 配合 Obsidian 实现文献笔记的双向链接与知识图谱沉淀。
2. arXiv Daily Digest 自动化机器人：
   • 编写轻量 Python 脚本抓取 cs.CL、cs.AI 最新论文，调用大模型提取核心 Innovation & Limitations，每天早晨推送至飞书/邮件。

二、 实验管理与指标追踪 (Experiment Tracking)

在跑 LLM 微调与 Agent 评测任务时，切忌“终端跑完看 log”的散乱模式：

• WandB (Weights & Biases)：实时监控 GPU 显存、Loss 曲线、Learning Rate 调度与评测 Benchmark 分数。
• Hydra：管理多级复杂的 YAML 实验配置，支持通过命令行直接覆盖超参数：

  python train.py model=deepseek_7b optimizer.lr=1e-4 dataset.batch_size=32
  

三、 GPU 集群与远程开发流

在实验室多卡计算集群中：

• Tmux + Tmux-Resurrect：保护长时间运行的训练任务，防止 SSH 断连导致进程挂起。
• VS Code Remote - SSH + PyCharm Remote Interpreter：无缝连接远程算力节点，享受本地般的代码补全与断点调试体验。

四、 论文排版与 LaTeX 最佳实践

• Overleaf + Git 同步：多人协同写作。
• TikZ / Matplotlib 风格统一：所有实验图表统一导出为矢量图（.pdf / .svg），配色遵循 Science / Nature 标准配色板。

科研不仅是智力的博弈，更是工程习惯的修行。保持专注，持续沉淀！