本人转载，目前好像社区标签不全呀，只有vibe-coding，没有其他选项
我是古典学方向，主要领域为古希腊史，所以文内较多例子与我领域相关。整篇文章主要是AI辅助科研的一点心得，适用于初步掌握ai能力，想要进一步朝世界史领域优化的朋友们。
1.目前使用的ai模型
世界史学科特点决定了所需的大部分文献、最新进展都在国外，因此在文献检索等科研辅助上，最好优先使用御三家（Gemini、Chatgpt、Claude）。此外科研要求模型智力较高，SOTA。Grok据说在检索上有独到之处，但我没有体验过，不能妄下定论。
下面说一下我的主要支出，因为是学生党，比较穷，所以开发出很多邪修招数。有些招数上手门槛较高且不稳定，只是提一嘴。正常有收入或者课题组报销还是正价开较好。
Gemini，目前我基本只在antigravity中使用，配合着自己的skills。虽然已经好久没发新模型，但是其中世界知识层面，像是古典学方向古希腊语、拉丁语我体感准确率最高。另外Deepmind之前专为古典学开发的Aeneas、Ithaca模型（我后面单独讲）也可以通过安装GitHub上官方science skills安装到本地。相关账号很容易获得，
上看看8-25以内应该能搞定。
Chatgpt，目前主要使用web端，之前用有聚合渠道中转站的低倍率（一般来说相当于api定价的0.05-0.2）。自己写好提示词使用web端的pro模型进行文献检索，还有和sol-xhigh来battle我的想法。web端是之前几个月官方有开通48月team优惠送一个席位的活动，两个席位11磅，我找程序员朋友只拼了其中一个席位的web端，一个月30-50。
Claude，基本用途和Chatgpt一致，文献检索+battle想法。a/官方封禁中国人实在太严重，模型又太贵，只能各种想办法。比如说在L站的any公益用fable，搞notion半年商业试用opus5等模型。notion相关试用可以去上找。
国模，之前充过ds的官方api。现在主要是用用workbuddy、灵犀等agent11镑平台限定的积分，做一些要求没那么高的任务。有问题上找。
2.世界史科研的workflow与注意事项
我一般是
①使用ai去写我要进行任务的提示词。但要注意一定要根据自己要求去修改（事实证明ai写提示词比人自己从头来写考虑周全）
②和ai就这个提示词进行battle。这是提高ai针对性与准确的重要一步。通过追问、思考不同角度来把模糊想法变清晰，同时可以填充你所知领域相关信息。（如把你专业领域重要的数据库、常用的网站、你方向重要的学者等告诉ai，更具针对性）
③多模型交叉使用。根据不同模型的优缺点来分配任务。如gemini的deep research功能现在远远不如gpt、claude调用效果。
④及时固定skills，并留档。现在的agent平台都可以安装skills，可以随时切换。根据上述流程，借助ai，你可以总结出适合你方向的、有针对性的skill。将其固定并与时俱进的修改，会更能有科研的针对性。（比如说可以要求你偏好的论文结构、写作风格、总结要求，俗称个性化）
注意事项：
①多角度追问后，记得新开对话。防止上下文污染，在已推倒的思路上绕路。
②要定期复盘自己的skills，同类型只保留一个，不然会导致能力忽高忽低，耗token。（vide skills 是个不错的开源项目）
③可以通过skill来满足历史领域真实性需要。比如找文献时如何验证真假，面对历史材料时如何解读等。
④许愿式科研不可取，要把现在的ai工具当作你的助手。一切非创新性，能流程化工作其实都可以使用ai代劳。不过前提是自己要懂得并及时写好工作规范。
3.一些推荐配套工具
下文会涉及一些科研工具，也有古典学领域的专用工具。
zotero
文献管理工具。ai出现前就广为流传。目前主要提醒大家利用好ai相关插件、可以做到ai对论文初审可读性、ai翻译等用处。
doc2x
一个ai翻译工具，类似工具有很多，我之前帖子就提起过。推荐它的主要原因就是便宜，用处在于可以使用一些国模对英文著作进行通篇翻译。从而提高对文献的阅读速度，节省时间。
划词工具栏
有很多agent平台都支持这种功能，比如豆包。主要用处在于，在阅读文献遇到专有名词时，可以简单划词让ai给你初步定义。
文献网络分析
将这类paper connect工具的结果喂给ai，可以让ai知道论文间的引用与被引关系。一是有助于史学史梳理，快速定位学术争议区，二是检索关键词不同、但学术同源的文献。
ima数据库+自建古典学数据库
这是我目前在使用的数据库，类似的有很多。主要用处是可以把相关方向文献汇总上传，上传后会自动切片识别，之后就可以通过mcp连接到各种agent平台中。这样只要把ai连接到ima数据库，可以解决学术幻觉与伪造引注的情况。可以在目前上下文检索大量论文（取代一篇篇上传ai）。
但在古典学领域，许多内容上传数据库无法识别，这时就需要自建
像是LSJ、Perseus都开源了相关数据，使用ai与你的agent平台连接。可以解决古希腊语这样低资源、高屈折语言的识别偏差。但是如果你使用的材料比较偏门、没有数据化，就要自己处理了。现代古希腊语书籍用Tesseract的grc，老版本古籍存在混排用Kraken，手稿用Transkribus（前两个开源、Transkribus是免费版有额度）。少量就直接让ai来+人眼修正。其他流程让ai来代劳。
Aeneas、Ithaca
这是谷歌deepmind为古典学开发的两个模型。可以在deepmind官网相关页面使用，也可以把相关模型下载到本地agent平台使用，安装deepmind官方提供的science skills即可。
Ithaca是古希腊语碑铭模型。主要用途辅助历史学家进行文本复原、确定地理归属、进行年代推断。具备可解释性，即为何模型会如此选择。
Aeneas是古拉丁语碑铭模型。还是多模态。精度提高+可以找数据库中平行例证。
4.目前ai在古希腊语翻译的能力，skill写作建议
目前，对于古希腊语翻译，古希腊语准确度较高。
有篇ACH的Echoes of Antiquity进行了讨论，对规范的文本、有数据库的文本，已接近专家水平。但对于诗歌、未出版、复杂句法段落效果变差，对于particle的翻译也有问题，认为模型倾向于强化已有的主流译法，而不是扩大解释空间。但这篇论文发表时所使用的模型只是御三家的4o、1.5pro、3.5sonnet。
26年arxiv上有篇Evaluating LLM-Based Translation of a Low-Resource Technical Language ，用了部分Galen无英译本文本，认为已具有独立古希腊语解析和翻译能力，对于复杂句法翻译能力提升，但仍会在罕见词密集的段落崩溃。可以说这时ai会在低频知识翻译上出错，但距离现在主流ai仍差半代，5，2.5pro，4.5sonnet。
目前主流ai能力又进一步提升，一方面低频知识库数据不断扩展，另一方面我认为通过合理的skill束缚+允许检索+通过mcp提供自建数据库，可以基本解决上述内容。比如可以将赫西俄德词典识别建库，从而解决赫西俄德作品在低频知识上的翻译精度。
比如我抽取了论文中Comp. 8 和 Comp. 10，使用5.6xhigh盲测并模拟打分，原Comp. 8最高Gemini 2.5 Pro：65.8
83.4，原Comp. 10最高Claude Sonnet 4.5：54.296.9。3.1pro同样使用gpt模拟打分为，94.5、91.6。可以说在原有基础上进步极多，通过检索和自我检验也可以进一步提高正确性。
对于古希腊语的skill
建议将语法拆解指令化、将单词原型、各部分情况、句中语法功能全部列出，自己再通过相关词典进行复核，人机对比使用。