外观
科研学习 & 学术表达
TraeWork 是字节跳动旗下 AI 办公平台，侧重学习、办公与工程执行场景，无论你是开发者、职场人、学生，都可以用它写方案、做分析、处理文件、推进协作，并完成需要持续执行、检查和产出结果的自动化任务。支持桌面端、网页版和移动端，多端协作，随时发起任务、查看进展、持续推进。
立即下载 TraeWork 桌面端
面向科研训练、论文写作和学术表达场景，帮助你整理文献、形成研究思路并完善学术产出。
适合文献阅读、论文润色、研究综述、实验设计、开题报告、投稿回复和学术汇报等场景。
No.60｜用 TraeWork 生成论文对比与阅读路线
作者：wyty ｜ 人工智能专业研一学生（多模态大模型方向） ｜ 工具：TraeWork ｜ 阅读约 3 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172055
**用法总结：**把 8 篇 PDF 论文一起喂给 Work，用长上下文 PDF 理解和结构化信息提取能力生成对比表、阅读路线和方向建议。
**场景：**研一刚进实验室，导师一次塞 8 篇论文（从 CLIP 到 2025 综述），不知从哪下手。
**效率提升：**预计一周 → 约 2 小时。
**成果：**一张核心信息对比表 + 一份 7 天阅读路线 + 3 个带难度评级的研究方向建议。
一、个人背景介绍
**个人背景：**人工智能专业研一学生，刚进入实验室研究多模态大模型。
**当前痛点：**导师一次给出从 CLIP 到 2025 年综述的 8 篇论文；逐篇阅读两天后，仍难以理清方法、backbone 和对齐方式之间的关系，也不知道合理的阅读顺序。
二、提效前后对比
| 环节 | 传统方式 | TraeWork 方式 |
|---|---|---|
| 梳理耗时 | 预计约一周 | 约 2 小时 |
| 阅读方式 | 逐篇读、越读越乱 | 8 篇一起喂入横向对比 |
| 产出 | 零散笔记 | 对比表 + 阅读路线 + 方向建议 |
三、我用 TraeWork 怎么解决的
**核心方案：**在 Work 模式中一次性导入 8 篇 PDF，利用长上下文理解和结构化信息提取能力横向比较论文，再根据学习基础生成阅读路线与研究方向建议。
实践步骤：
**横向对比论文：**提取方法、视觉编码器、对齐方式、参数量和主要贡献，形成统一对比表。
**规划阅读路线：**按从易到难安排 7 天阅读顺序，明确每天的重点章节、问题和学习目标。
**筛选研究方向：**结合论文脉络与硕士生的实验条件，推荐 3 个方向并标注难度和切入点。
四、成果展示
最终呈现：
8 篇多模态论文的核心信息横向对比表
从入门到进阶的 7 天论文阅读路线
3 个带难度评级和切入建议的研究方向
五、实践经验总结
1️⃣ 批量喂入横向对比
批量读论文不要一篇篇问，把所有 PDF 一起扔进去让它横向对比，比单篇总结效率高太多。
2️⃣ 说清基础水平和目标
让它给阅读路线时，一定要说清楚你的基础水平和目标（比如「研一刚入门」），不然排出来的难度可能不对。
3️⃣ 方向建议要加约束条件
研究方向建议要加约束条件（比如「适合硕士生」「实验成本不要太高」），出来的建议才接地气。
六、提示词参考
Plain我是人工智能专业研一学生，刚进入多模态大模型研究方向。手上有8篇这个领域的经典和最新论文PDF。 请你帮我完成以下三件事： 【任务1：文献对比表】 请通读全部8篇论文，生成一张结构化的对比表格，包含以下列： - 论文名称（简称） - 发表年份 - 核心方法/创新点（一句话概括） - 视觉编码器（用了什么backbone） - 对齐方式（对比学习/指令微调/其他） - 模型规模（参数量，如果有的话） - 主要贡献/影响力 【任务2：阅读路线规划】 我是初学者，请帮我设计一个7天的阅读路线，从易到难，告诉我： - 每天读哪几篇 - 每篇重点看哪些部分（方法/实验/引言等） - 每篇需要带着什么问题去读 - 读完应该掌握什么 【任务3：研究方向建议】 基于这些论文的脉络，给我推荐2-3个适合硕士生入门的小研究方向，每个方向简要说明： - 为什么值得做 - 已有方法的不足 - 可以从什么角度切入 请用中文输出，结构清晰，重点突出。
No.61｜用 TraeWork 自动写实验报告
作者：AllenCheng ｜ 高中生 / iGEM 合成生物学科研 ｜ 工具：TraeWork ｜ 阅读约 4 分钟 ｜ 原帖：https://forum.trae.cn/t/topic/172683
**用法总结：**用 TraeWork 的飞书直链能力，读取共享文档大纲、学习本人写作风格、参考同日他人内容，自动生成并写入飞书对应位置补齐三天实验报告。
**场景：**iGEM 团队每人每天要往飞书共享文档补写英文实验报告（Objective/Materials/Protocol），格式统一、耗时长，作者积压了 7/13、7/14、7/15 三天未补。
**效率提升：**手写三天报告约 1-2 小时 → 约 10 分钟完成，约 6-12 倍提效，且内容比手写更详细。
**成果：**三天完整实验报告，格式与文档原有风格完全一致，自动写入飞书对应位置，Protocol 每步写清温度、时间、用量等参数。
一、个人背景介绍
**个人背景：**作者是一名高中生，暑假跟着实验室做 iGEM 合成生物学科研项目，团队使用飞书共享文档记录每日英文实验报告。
**当前痛点：**每份报告都需要包含 Objective、Materials、Protocol 三个大段，Protocol 还要逐步写清操作细节并保持统一格式。做完一整天实验后，再翻别人报告对格式、查流程、手敲上千字英文 protocol 很耗时；作者 7/13、7/14、7/15 三天报告一直空着没补。
二、我用 TraeWork 怎么解决的
**核心方案：**用 TraeWork 的飞书直链能力直接读取和编辑飞书云文档，先理解共享实验报告的结构和作者本人写作风格，再参考同日其他组员内容，生成并写入缺失的三天英文实验报告。
实践步骤：
**读取文档结构：**把小组实验报告的飞书 Wiki 链接发给 TraeWork，让它自动读取文档大纲，理解文档按日期分章节、每日按组员分条目、每条包含 Personnel / Experiment Content / Objective / Materials / Protocol 五个板块。
**学习本人风格：**让 TraeWork 重点读取本人 7/6 写的报告，分析用词习惯、句式结构、Protocol 分步逻辑和材料列表排列方式，保证补写内容“看起来就是我写的”。
**参考同日上下文：**读取 7/13、7/14、7/15 三天其他组员的报告，理解每天实验主题，并推断本人当天参与的环节。
**写入对应位置：**生成内容后直接通过飞书 API 写入文档对应位置，插入到每天日期下、其他组员条目之后，并保持标题层级、有序列表和缩进格式与原文档一致。
三、成果展示
最终呈现：
**三天完整英文实验报告：**补齐 7/13、7/14、7/15 三天内容，包含 Objective、Materials、Protocol 等必要板块。
**与原文一致的飞书格式：**报告自动写入每天日期下、其他组员条目之后，标题层级、有序列表和缩进格式与共享文档原有风格一致。
**更详细的 Protocol：**每一步写清温度、时间、用量等实验参数，生成后作者仍会对照实验记录本核对准确性。
四、实践经验总结
1️⃣ 先让它「学风格」再动笔
不要一上来就让它写，先指定一篇已有报告让它分析写作风格，补写内容才能和原文档浑然一体。
2️⃣ 提供同一天的他人内容作为上下文
补写某天报告前，先让它读取当天其他组员写了什么，才能知道那天做了哪些实验、用了哪些材料，避免凭空编造。
3️⃣ 飞书直链是最大杀器
不用导出、复制粘贴、手动调格式，直接读飞书、直接写飞书，格式自动对齐，这才是真正省时间的地方。
五、提示词参考
科研报告补写指令模板（仅限此类场景，不保证都适用）
Plain
访问 [飞书文档链接]，分析了解一下"[你的名字]"的报告格式与内容风格，针对[日期]号，浏览其他组员的内容，为[你的名字]补写[日期]号的报告。⚠️ 提醒：AI 生成的内容一定要自己核对实验细节是否准确，科研报告的准确性是第一位的，作者每次都会对照实验记录本检查 Protocol 里的参数。
No.62｜用 TraeWork 准备论文汇报
作者：LLM 方向研究生 ｜ 工具：TraeWork（Work + Code + Design）｜ 阅读约 6 分钟
**用法总结：**把论文 PDF 和开源仓库链接交给 TraeWork，让它以「研究生助教」视角拆解论文，并做成可在浏览器演示的交互式汇报网页。
**场景：**组会论文汇报，梳理动机、模型结构、实验结果、讲稿并预判提问。
**效率提升：**准备一次汇报原本约 1 天，这次从上传论文到可讲的第一版只用了 16 分钟。
**成果：**一份可直接用于组会展示的交互式论文解读网页：一页看懂、可展开的模型流程图、实验可视化、讲稿和模拟问答。
一、我是谁 & 遇到什么问题
我是 LLM 方向研究生，经常在组会分享论文。准备汇报不只是「看懂摘要」：要梳理动机、读懂结构、核对实验、制作图表、准备讲稿，还要预判提问。论文越长、公式越多，越容易「似乎看懂了，但讲不清楚」。
二、我怎么用 TraeWork 解决
把论文 PDF 和开源仓库链接交给它，先以研究生助教视角拆解，再做成交互式汇报网页。分四步：
从论文提取研究问题、核心假设、方法结构、实验设置、主要结果和局限，并标注页码；
用通俗语言解释关键公式和模块，补充「输入—处理—输出」；
自动绘制方法流程图和实验对比图，将复杂模型拆成可逐步点击的模块；
生成逐页讲稿、可能被追问的问题，以及基于原文的参考回答。
我只需检查引用和关键结论，再按自己的理解修改重点，不用从空白页面开始。
三、我做出了什么
最终呈现：
**主交付物：**一份可直接用于组会展示的交互式论文解读网页：含「一页看懂论文」的研究问题与核心贡献、可逐步展开的模型流程图、实验结果可视化对比、汇报讲稿和模拟问答。原本准备约 1 天，这次到可讲的第一版只用了 16 分钟。
**成果补充：**一份可直接用于组会展示的交互式论文解读网页：一页看懂、可展开的模型流程图、实验可视化、讲稿和模拟问答。
**效率表现：**准备一次汇报原本约 1 天，这次从上传论文到可讲的第一版只用了 16 分钟。
四、效果展示
五、经验 & 技巧总结
**先建立证据表，再生成网页。**要求每条核心结论附论文页码或原文片段，避免网页好看但与原论文不一致。
**明确汇报对象。**提前告诉它听众背景，生成的类比和术语解释会更合适。
**让它暴露不确定性。**论文中没明确说明的内容统一标记为「待确认」，而不是补一个听起来合理的答案。
六、提示词参考
Plain
你是一名人工智能方向的研究生助教。请阅读我上传的公开论文 PDF，
制作成一个适合 15 分钟组会汇报的交互式中文网页。
第一步，先建立论文证据表，提取研究问题、现有方法不足、核心假设与贡献、
模型输入/模块/信息流/输出、训练目标与关键公式、数据集/基线/指标/主要结果、
消融实验与结论、局限与可继续研究的问题；每条重要结论必须附页码或原文片段，
无法确认的信息标记为"待确认"，不要自行推测。
第二步，制作自包含 HTML 汇报网页：首页一句话说明论文解决什么问题，
用可逐步展开的流程图解释模型（每模块显示输入-处理-输出），
关键公式给出原公式+符号解释+通俗解释，实验只用论文真实数据并标来源，
每章节配简短讲稿，最后生成 8 个可能被问的问题及基于论文的参考回答。
第三步，做一次内容核对，列出核心结论及其依据、仍需人工确认的内容、可删减部分。No.63｜用 TraeWork 清洗实验数据
作者：推荐算法 / 策略工程师 ｜ 工具：TraeWork（Work + Code）｜ 阅读约 6 分钟
**用法总结：**用 TraeWork 清洗推荐算法 A/B 实验数据，整理成分群评分、风险收益表和可直接复盘的 Markdown 摘要。
**场景：**A/B 实验复盘，判断某策略在不同人群、参数方向上是否值得推进。
**效率提升：**数据清洗 + 初版分析从半天缩短到 1 小时内，数据量从 1.4w 清洗到 1.3k。
**成果：**一组可直接用于复盘的结果文件：清洗后 CSV、分群评分表、风险收益评分、Markdown 摘要。
一、我是谁 & 遇到什么问题
我做推荐算法 / 策略相关工作，日常看 A/B 实验结果。这类数据经常不是一张干净表：混着实验版本、分群标签、参数方向、收益指标、guardrail 指标和异常值。手动处理时最怕两件事：清洗规则写漏，以及只看整体均值、忽略某些人群里更高的风险。
二、我怎么用 TraeWork 解决
把脱敏后的实验数据交给它，要求它不要直接下结论，而是先做数据质量分析，再做清洗和分群分析，围绕「数据能不能信、哪些人群值得看、证据是否充分」三个问题推进。
| 步骤 | 我给的材料 | TraeWork 做的事 |
|---|---|---|
| 第一步 | 脱敏实验 CSV、分群字段和参数结果 | 浏览字段和样本，判断异常、缺失、重复或口径不一致 |
| 第二步 | A/B 指标和 guardrail 约束 | 按收益、风险、证据强度重新组织清洗规则 |
| 第三步 | 清洗后的中间表 | 生成分群评分、参数方向摘要、风险收益表等结果文件 |
| 第四步 | 分析目标：找出值得关注的人群 | 输出 Markdown 摘要，说明哪些人群值得看、调整方向、证据强弱 |
三、我做出了什么
最终呈现：
**主交付物：**一组可直接用于复盘的结果文件：清洗后 CSV、分群评分表、风险收益评分、Markdown 摘要。
**效率表现：**数据清洗 + 初版分析从半天缩短到 1 小时内，数据量从 1.4w 清洗到 1.3k。
| 产物 | 内容 | 对我的帮助 |
|---|---|---|
| 清洗后的 CSV | 过滤异常值、统一字段、整理分群和参数结果 | 不用再从原始表手动筛选 |
| 分群评分表 | 按人群计算选择分数、guardrail 风险和支持证据 | 更快定位值得重点看的实验人群 |
| Markdown 摘要 | 回答哪些人群值得圈、调整方向、指标变化和证据强弱 | 可直接放进复盘材料二次修改 |
四、经验 & 技巧总结
**先让它做数据体检，再让它清洗。**先检查字段、空值、异常值、重复样本和口径，而不是一上来就要结论。
**指令里要写清「不要编」。**不确定的地方标成待确认，证据不足就说证据不足。
**让它输出文件而非只输出聊天结论。**CSV 和 Markdown 都能复查，方便后续继续改脚本或贴进复盘。
五、提示词参考
Plain
帮我清洗这批推荐算法 A/B 实验数据。请先不要急着给结论，先自己做数据分析，再决定怎么清洗。
请重点检查：
1. 数据是否有空值、重复、异常分群或明显不合理的指标；
2. 实验版本、分群字段、参数方向和基础指标之间是否能对应上；
3. 哪些人群有明确正向收益，哪些人群收益高但 guardrail 风险也高；
4. 证据不足请标成"证据不足"，不要替我编结论。
输出两类结果：
- 清洗后的 CSV：分群评分、风险收益评分、参数方向摘要等；
- Markdown summary：只回答哪些人群值得圈、对应调整方向、指标增减、证据强度。
要求：过程可复查，字段命名清楚，结论说人话。来源说明：本文整理自 TraeWork 官方知识库，仅用于个人学习与参考。TraeWork 为字节跳动旗下 AI 办公平台。如涉及版权或官方更新，请以官方发布为准。