一、 目标 这半年来我的核心任务是：从头搭建单细胞RNA测序数据分析的 workflow，复现经典论文的代码与图表，以及最后阶段的论文撰写和答辩 PPT 制作。
二、 工具 在这期间，实名感谢 Claude Code 和 Gemini 。
三、 我是怎么做的
跑数据与写代码： 生信分析最让人崩溃的就是没完没了的 bug。遇到 R 语言或 Python 报错时，直接把报错代码和环境配置扔给 Claude Code。它不仅能快速帮我排查代码漏洞，还能直接帮我把繁琐的清洗数据脚本写好初步框架，我再在这个基础上进行修改。
读文献与理思路： 在开题和写引言阶段，我用 Gemini 来辅助提炼大量英文文献。输入核心段落，让它帮我总结某条特定信号通路或黑素细胞的最新研究进展，极大提高了我的阅读效率。同时，答辩 PPT 的逻辑梳理也是让它帮我搭的骨架。
四、 结果如何 最直观的感受就是大幅缩短了代码 Debug 和文献筛读的内耗时间。AI 帮我把精力从“解决代码报错”解放出来，让我能更专注地去思考数据背后的生物学意义，最终顺利产出了毕业论文并圆满完成答辩。
五、 踩坑
AI 提供的生信分析代码有时会调用过时的包或函数版本，切记不能盲目复制粘贴，一定要对照 Seurat 等工具包的最新官方文档进行核查。生物学解释需谨慎： AI 可以在统计和代码上帮你，但它给出的“生物学意义解释”有时会似是而非。这部分内容必须回归你自己的专业知识，并及时和导师讨论确认，千万不能让 AI 替你下结论。
六、 可复制建议
“报错即提问”： 遇到环境配置或跑图报错，连同你的系统环境、软件版本、完整的 Error 提示一起发给 AI，越精准的输入，得到的修复方案越有效。
分拆任务： 不要指望 AI 一次性帮你写完一整段讨论。把任务拆细，比如“帮我润色这段关于差异表达基因的描述”，效果会好很多。