LuffyBlog

华南农大科研指北！

Sat, 08 Aug 2026 00:00:00 GMT

致各位高校大学生们，尤其是华南农业大学的同学：

你们好！

无论你是刚入学的萌新，还是已有方向的高年级同学，科研路上总会遇到迷茫。

这里为大家扫扫盲，带你从0到1了解如何快速入手科研

全文3500字+，一个个字手敲，用时3小时半

码字不易，希望大家耐心看完！

文献检索篇

想必刚进入课题组的你，师兄/师姐第一件事就是让你去读他们研究领域的文献

他们可能会发资料给你，但是如果你要自己去找文献的话，去哪里找？怎么找？

下面我将分为两大检索方式分别告诉你

1. 常规手动检索

首先，每个学校的电子图书馆都是非常宝贵的资源，很多人都忽略了

这里以我本科所读学校为例

https://lib.scau.edu.cn/

在这里，你点击首页的电子资源

最常用的就是中文数据库、外文数据库、学位论文库

先说说中文数据库

通用文献检索优先级排序：

知网>学校博硕学位论文库>万方>原创力文库（个人看法）

其他每个专业也有各自的专用数据库，比如法律的北大法宝、社科的CSSCI、农业的环球农业等等

数据库显示不同的状态（试用、停订）等是学校的购买权限，外文数据库也同样如此

一般文献使用知网和万方维普就足够了

这里以知网为例：

首先来看登录方式，分为VPN和校园网

前提是你已经购买了学校的校园网

如何购买校园网？

找到你所在学校的统一身份认证平台/教务系统/门户地址

登录后找到类似校园网开户/缴费的服务

然后进行办理即可，缴费后一般审核几天就可以使用了

如果是在学校，一般是会自动直连，当然有时候需要手动连接

找到本学校的标识，比如我学校英文缩写是SCAU，后面有个NET表示网络，1x是加密类型，网络稳定，不带1x是使用浏览器登录，登录快速但是容易掉线

在校内，一般连接上校园网就可以直接访问知网，外文数据库也是如此

在校外，需要经过学校电子资源平台入口进行登录，也就是通过VPN

当然，部分学校比如华农就提供了VPN客户端，使用atrust也可以实现VPN环境登录

VPN即Virtual Private Network，一种虚拟专用网络

具体如何使用？每个学校的VPN类型有所区别，需要找到自己所在学校的信息网络中心查看附件

例如，华南农业大学的信息网络中心网站：

https://metc.scau.edu.cn/

一般手机端、PC端都会提供详细教程

解决好网络问题后，后面就可以畅通访问知网等中文数据库、Web of Science等外文数据库了

这里中文数据库文献检索以知网为例：

常用的检索方法就三个，按主题、关键词、DOI检索

右侧有个高级检索，在搜索框输入你的关键词或主题词，可以适当使用逻辑运算符（如AND、OR）组合多个词，缩小范围

中国知网和谷歌学术的高级检索式有一些区别

当然我更建议使用专业检索

中国知网的专业检索的方法如下：

文献优先找近3-5年的、学位论文优先看博士的

含金量一般是：学位论文>期刊>会议和专利

文献类型一般分为研究性论文和综述类论文

在领域初期一般先看综述类论文，后面对自己专业领域发现有个大概的认识后再来看研究性论文，一般是解决某个具体的问题和提供新的方法

在左侧可以根据不同类型进行筛选，可以根据IF、中科院分区、引用数等指标综合判断文献质量

讲完中文数据库，现在来看看外文数据库

一般常用的是Elsevier（爱思唯尔）、Springer（施普林格）、Wiley、Nature、Science、Web of Science（wos）科睿维安、Cell、NSTL（国家科技图书文献中心）、Google Scholar（谷歌学术）、百度学术、X-mol、科研通、SCI-Hub

上面的是通用学科文献数据库，除了正版谷歌学术、SCI-Hub需要特效网络环境才能访问，学校的校园网和VPN都能解锁访问权限

其他学科还有各种专用的数据库，比如化学还有专门的数据库有：ACS（American Chemistry Society）美国化学工会、CA（SciFinder Scholar）化学文摘、Reaxys（Elsevier旗下）、NIST，以及材料的Material Project数据库等

这里以谷歌学术为例

谷歌的检索式和前文图片描述的一样

然后左侧可以进行筛选和排序

其他的和知网常规检索差不多

总得来说，谷歌学术适合外文数据库，知网适合查找中文文献

以上所讲得全部内容是常规人为手动检索文献的途径

下面介绍AI检索文献的方法

2. AI检索

AI检索也是一种很高效的方式，区别于豆包、kimi等通用LLM大模型直接联网搜索的方式，下面所讲的内容是使用专业文献AI搜索工具

我懒得粘贴链接了，直接把我书签截图下来

其中，Consensus和Elicit我个人给到「夯」级别

然后有开发者经验的使用ai4scholar再Codex或者WorkBuddy进行使用也是很不错的方法

用这些工具有个好处是：DOI真实，因为调用的是真实文献数据库，使用RAG切块进行文本匹配来筛选相关的文献

所以不会出现编造文献、捏造数据的情况

此外，部分AI已经能够接入这些AI检索的工具

所以，可以通过自然语言的方式，向AI描述清楚要查找的文献主题、关键词等即可

这时候就不用去刻意学习前文所讲的那些高级检索、专业检索式，因为LLM大模型在理解你的语义后会自动拆解你的文献查找目标、需求，然后调用这些外部的AI检索工具，并在发送请求时已经带上高级检索的语法，然后等插件返回的结果就是经过层层筛选、高精度匹配的相关文献

甚至会根据结果为我纠正

国内的话，AI检索平台比较好用的有秘塔学术和玻尔学术

学生认证的话好像也有积分可以免费获取

https://www.bohrium.com/

操作也很简单，这里就不再具体介绍如何使用这些AI检索平台了

文献下载

文献下载和管理的软件有很多，但是找到适合自己的就行

如果是中文社会领域，大部分是使用NoteExpress和CAJ

如果是经常看外文文献（自然学科、基础学科领域），一般使用Zotero看文献，EndNote处理文献引用

如果需要经常做笔记，使用Obsidian会比较方便，可以清晰展示文献图谱

如果不知道选择什么，选择zotero就行，功能全面，插件丰富

基本涵盖文献下载、文献阅读、文献引用、批注笔记等等所有可能遇到的一切

下面简单介绍如何使用Zotoro

Zotero的使用

访问官网下载Zotoro最新版本

https://www.zotero.org/

以及安装zotero浏览器插件（文献下载的必要前提）

在对应文献网页，点击刚刚安装的zotero connector插件

稍等一会会自动触发下载文献

Elsevier有时候会触发Cloudflare机器人验证是正常现象，可能是IP质量问题（开了代理）

然后在zotero运行的情况下，会把文献下载到zotero库

涵盖了标题、作者、期刊信息、年份、DOI、摘要、URL、PDF附件等

附件也是可以预览做批注和划词翻译

同时Zotoro还有一大堆丰富的插件

在插件市场即可一键安装

https://zotero-chinese.com/plugins/

新手建议一次不要安装过多，安装前面5个即可满足日常进阶需求

所谓大道至简，安装过多容易因为插件冲突和bug存在导致内存泄露影响使用

文献翻译

文献翻译分为两类情况

1.网页翻译

网页翻译使用浏览器插件进行翻译即可

好用的浏览器翻译插件有两个，一个是沉浸式翻译（比较贵），另外一个是陪读蛙（沉浸式翻译开源平替）

具体使用官方文档也配置了详细的教程，这里不重点介绍

https://www.readfrog.app/zh/docs

使用陪读蛙可以接入便宜的模型，比如DeepSeek进行翻译（后面涨价了）

沉浸式翻译是订阅制的，不过可以在某宝、某鱼找渠道买积分或者日制的会员

2.文档翻译

知云文献翻译、沉浸式翻译都能解决问题

不过知云文献翻译还需要单独下载个软件，有免费积分但是太臃肿了，翻译质量也不太行，没有沉浸式翻译的高质量翻译和排版一致性

另外，zotero的一些插件也有提供PDF翻译功能，比如pdf2zh，还有超能文献

我往期的文章有介绍如何配置使用，感兴趣可以翻看，这里不多赘述

科研绘图

科研绘图工具选择因人而异，Matplotlib、Origin和Python的Seaborn各有优劣，新手建议从Origin上手，学术图表模板多且操作直观。

对于材料、化学类，Origin是通用强大的数据分析和处理软件

在某宝上可以安装汉化版、B站上也有很多教程，当然官方文档教程也有、甚至不会的也可以让截图问AI怎么操作，更有甚者，你还可以借助Codex，让AI操控电脑帮你解决Origin绘图，如果有开发者经验的，可以使用Origin MCP工具，B站上有位博主是开发了这么一个工具

如果不想学习Origin，可以学一下AI绘图

对于数据分析类，尤其是使用Python进行绘图，AI训练比较多

结合Nature-SKILL知道AI绘制顶刊图不是很难的事情

可能到这里小白没有接触过AI，不了解SKILL是什么，下面图片我简单说明一下

也就是说不需要你掌握编程语言（如Python），你只负责写提示词、SKILL，然后让AI帮你生成代码绘制图片，目前已经有很多个科研绘图专用的SKILL

直接套用别人的刚刚就可以一键使用，后续微调也能达到nature期刊级别的水准

当然，对于实验材料合成示意图，涉及到大量微观复杂结构的图片这种是没法通过编写代码实现，更多的是需要人为选择图片素材在PPT进行绘制可编辑的图片

这时候我们可以先让AI为我们生成参考图，然后进行绘图

至于科研图片素材，某鱼几块钱就能买到，或者让AI批量生成单图，然后保留白色透明背景，使用PS扣除边缘，让每一个单独的素材干净，然后到PPT进行编辑

当然对于简单的图片，可以使用现成的PNG转矢量图工具，放到PPT或者Adole illustrator是可编辑的形式

https://aippt.wps.cn/aippt/convert-ppt/home

https://www.vectorizer.io/

类似的网站还有很多，这里就不一一放出来了

当然，直接在PS图像描摹、AI矢量化也可以，不过复杂图像效果真不行

后续

其实我本来想写个大而全、涵盖科研网站流程的指南文章，尤其是准备开学了，刚刚好给各位学弟学妹们一点经验分享

但是吧，我自己也没有完整体验过所以过程，更多的是文献检索和绘图、文献管理和整理经历的比较多，所以我将作为续作，那天有时间、积攒更多经验后再来续作

最后想说的是，科研工具终归是辅助，真正的核心在于你的问题意识和坚持探索的耐心。希望这篇指南能帮你在入门阶段少走弯路。

后续有新的经验，我会继续更新，也欢迎大家在评论区探讨。

还有想说的：科研之路贵在积累，工具可以快速学会，但理解文献背后的逻辑、培养绘图的美学，都需要时间沉淀。

那么，以上是所有要分享的内容，我是爱学习的三木，期待你的下次光临！

介绍一个让AI将书籍蒸馏成知识库的方法

Wed, 02 Sep 2026 00:00:00 GMT

你有没有尝试过发500多页的电子书给AI？

相必，大多数考研、期末复习、搞科研学习都经常需要回看书籍某个零碎的知识点

可是大多数电子版书籍根本没有目录

自己一页一页的翻必然不现实

所以你想到了使用AI帮你定位和解读知识点

但是直接发片PDF文件给他，文件过大

他一口气吃不下、也不可能吃下

正确的做法是将PDF转换成适合AI阅读的文件格式（markdown）

然后分章节、按照书中的主题分类自动划分章节层次

如果你用MinerU解析，会得到很多格式上的乱码

人为去调整内容也很吃力

你肯定会想

有没有一种办法可以把这个过程抽象为一种标准化、重复性的工作

有的，有这么一个SKILL正好可以解决这个问题

book-to-skill

这个SKILL可以做什么？

他可以将任何资料蒸馏成AI可读可检索的结构文本

就好像书籍按不同章节那样分门别类整理好

需要时按需加载，类似RAG和LLM wiki的知识库

只不过，形式换成了SKILL

以后你问个专业问题，AI会自动调用这个技能从你提供的书籍资料检索答案

公式推导基于原文、内容参考源于原文、观点、见解都源于原文

实在不行，才基于Agent自身模型能力去推导等

项目地址：

https://github.com/virgiliojr94/book-to-skill

一条命令即可安装

安装好后直接在你的Agent工具使用，把你需要他学习、蒸馏的书籍发送过去即可

支持PDF扫描文件、docx等多种文件类型，内容类型也不限：书籍、论文、零碎笔记、草稿、公司文档、规范、合同等等都可以

例如：

我把物理化学这本书发给Pi里面的Codex

中途我让他换成使用MinerU API来解析PDF

因为SKILL内置提供的Docling不支持扫描版PDF

完成好后，会生成一份技能，以后用斜杆即可进行调用

我让他查一下第一章节讲了什么内容

可以看到，确实是和书里面完完全全一致的内容

然后你还可以不断追问知识点

没错，这对于期末复习、考研备考等等我觉得非常有必要

如果把书籍换成论文，那就可以做为文献知识库了

总之这个book-to-skill技能非常有用，尤其是科研工作方面

目前GitHub上已有27.7kstar，我想还是值得大家一试

这是继karpathy wiki有一个知识库的工具

手把手教程：用 Codex 接入 DeepSeek，打通 Zotero + Obsidian AI 科研工作流

Fri, 07 Aug 2026 00:00:00 GMT

一、开始前的准备

1. ChatGPT 桌面应用

安装新版 ChatGPT 桌面应用（之前叫Codex，现在合并了）

Windows在微软商店进行安装

Mac端、Win端用户都可以访问：

https://chatgpt.com/zh-Hans-CN/download/

国内环境访问不了的，可以试试通过我的压缩包解压Codex install安装包

https://app.notion.com/p/luffysolution/3b3f0aadca96809dbadcd278332c3dd2?source=copy_link

2. CC Switch

本文建议使用 CC Switch 3.16.1 或更高版本，建议直接安装最新稳定版。

3.16.0 版本开始支持把 Codex 的 Responses API 请求转换为 DeepSeek 等供应商使用的 Chat Completions 请求；不需要再结合Codex++等其他软件了

打开👇官方仓库首页：

或者直接访问安装包首页然后选择最新版本安装：

https://github.com/farion1231/cc-switch/releases

国内网络问题加载缓慢的可以下载下面这个Watt Toolit软件进行加速（GitHub）

安装好后不需要注册即可免费开启加速访问GitHub

安装完成后打开CC Switch即可

刚开始进入是空白的，因为DeepSeek等客户端还没有进行配置（后文会交代配置）

3. DeepSeek API Key

这里我们需要借助Codex这个客户端工具使用DeepSeek模型，需要先到DeepSeek开放平台获取DeepSeek API Key

API Key获取地址：

https://platform.deepseek.com/usage

需要在 DeepSeek API 控制台中创建 API Key，并保证账户有可用余额。API 调用会根据实际 token 使用量计费。

4. Zotero

准备zotero桌面版，没有的可以到官网下载

https://www.zotero.org/

二、开始配置

1. 在CC Switch中添加 DeepSeek 供应商

到DeepSeek开放平台认证好个人信息后，创建API Key，名称任意填写

API Key只会出现一次，记得复制好保存到其他地方，不要泄露！

回到CC Switch，在顶部点击左上角齿轮⚙️图标打开设置

回到首页，选择Codex，点击右上角的加号，添加新的供应商。

找到DeepSeek

然后填写自己的 DeepSeek API Key。

其他配置尽量保持预设值，然后添加即可

DeepSeek 官方提供的是 OpenAI Chat Completions 兼容接口，而 Codex 主要按照 OpenAI Responses API 发送请求。两种协议的请求体、流式事件和工具调用格式并不相同，所以我需要开启本地路由接管本地使用Codex发送的请求和DeepSeek 发送的回复

因此要保证首页左上角这个图标是开启的，同时确保选中开启的是的DeepSeek模型

2. 打开Codex客户端

启动Codex APP，如果已经开启，需要在DeepSeek配置并启动后重新启动客户端

前面操作没有问题是可以直接正常打开访问的

然后点击左侧栏插件，然后搜索 Zotero，进行安装即可

做完这一步已经整个流程已经搞定了

保险起见，可以打开Zotero的设置，打开这个选项，可以让zotero的文献暴露给Codex访问，DeepSeek也能间接读取zotero文献

使用演示

直接在对话框开头输入 @zotero ，引用插件即可，选择最上面那个

和实际的zotero文献信息一样

这样以后DeepSeek可以直接读取你Zotero里面的文献，包括PDF批注、笔记等等一切它能读懂的内容！！！

当然，只读文献还是太局限了，能不能让它帮我整理笔记、形成文献矩阵和文献综述呢？

当然可以！！！

可以搭配其他大佬开发的科研用Skills（技能），这个是给大模型指导的提示词

告诉他怎么样进行文献阅读、文献结构和内容分析、如何匹配事实证据、如何查找文献

总之，目前互联网上（尤其是GitHub）已经开源了许多科研类SKILL

我也整理了一些科研用SKILL

感兴趣的可以私我

但是怎么使用呢？

很简单，让DeepSeek帮你安装SKILL就好

比方说安装这个文献阅读到写作的全流程SKILL

他会调用技能的要求从审稿人、编辑者、领域专家等视角进行文献精读，他会调用本地PDF技能进行文献解析拆分成纯文本结构，你看DeepSeek文本模型也能读懂PDF附件

当然，使用SKILL是一种用法，还有一种用法是使用MCP、插件

我自己也做了一个MCP工具、也内置了文献解读、图表解读、文献管理SKILL

其中最重要的是搭建了一个文献解析桥梁——MinerU

这个是将PDF解析成人类和大模型可读的markdown标记语言

我做了这么一个工具，是为了减轻大模型帮我读文献的成本和负担

因为Zotero里的PDF附件直接发给大模型，虽然能读，但是token数量占据很多，而且不好做笔记整理和文献关联

之前已经有zotero插件如GPT Pro、LLM for Zotero做的也很好

但是对于经常让AI Agent管理文献，可能不够方便，

然后对于文献笔记的整理，我推荐使用Obsidian进行整理，这是做笔记和初期文献撰写比较方便的本地开源软件

所以我现在做的事就是在Codex里面使用技能查找文献，然后人为筛选文献，通过浏览器的zotero插件把文献自动化导入到zotero，然后在Codex利用CC Switch配置DeepSeek模型帮我解读和管理文献，然后把文献同步导入到Obsidian进行精读

而我开发的这个Obsidian Vault MCP工具（见下文），就是在自动化这个流程，暴露给DeepSeek或者其他大模型使用，按照这个标准的流程更新每一篇zotero文献和笔记

安装 Obsidian Vault MCP

仅安装官方的 Zotero 插件，已经能读取大部分文献条目元数据

但读取结束后，内容通常只停留在当前对话中。为了把文献、PDF、全文、精读结果和综述长期沉淀到 Obsidian，可以继续安装 Obsidian Vault MCP。

项目地址：

https://github.com/luffysolution-svg/obsidian-vault-mcp

版本要求 Python 3.10 以上，提供 31 个 MCP Tools、7 个科研 Skills 和 5 类结构化 Analysis，能够连接 Zotero、MinerU、Obsidian 与 Codex。

安装好Python和node.js后

使用CMD命令一键安装，没接触过命令行的小白可以直接把我上面参考地址发给Codex（DeepSeek）进行配置

参考提示词：

也可以自行使用CC Switch进行MCP配置

复制下面json代码

注意这里""双引号里面的内容等下粘贴后需要改成你的Obsidian实际vault仓库

在CC Switch这里打开MCP配置页面

⚠️

注意 MCP标题任意填写，能记住就行，但是json的vault参考一定要改为自己实际的参考地址，或者填auto

我还做了一期视频是展示如何使用WorkBuddy进行配置，实现WorkBuddy、Zotoro、Obsidian联动的完整教程

https://www.bilibili.com/video/BV1go3T6qE2a?t=310.8

安装好后是这样子的形式

最后

总体来说，使用Codex接入DeepSeek的一个流程进行读取zotero文献的架构如下：

今天带大家完整的演示了一遍教程

手把手带你从零配置Codex接入DeepSeek读取zotero文献

相信在不久后的将来，读文献、找文献的效率会得到大大提升

人类要做的事情估计就剩下判断和审核把关

这或许才是科研大牛拿不走的护城河

好了，以上就是本期的全部内容啦，感谢你的喜欢和阅读

我是三木，欢迎下次访问

我，一直在这等你！

查文献不用再开几十个网页，我用 Obsidian 搭建了一套全自动期刊雷达。

Thu, 22 Oct 2026 00:00:00 GMT

有天，我突发奇想

既然我们每天都在用 Obsidian 记笔记和写论文，为什么不直接把 Obsidian 打造成一个一站式的“个人情报聚合中心”呢？

在本地知识库里读 RSS，最大的好处就是：看到好内容、核心论点、文献结论，一键就能转成 Markdown 笔记沉淀下来，直接建立双向链接！

今天就给大家盘点两款目前 Obsidian 生态里最能打的 RSS 阅读插件，顺便分享一套我自用的“学术文献 + 独立博客”源配置包，拿来就能直接抄作业！

插件一：Qiaomu AI RSS

如果你喜欢极简干净的 UI，而且看外文文献、长篇技术博文经常需要 AI 帮忙做摘要或翻译，那首选就是 Qiaomu AI RSS。

项目地址：https://github.com/joeseesun/qiaomu-ai-rss

核心亮点：

现代卡片式布局：界面非常清爽，排版舒服，视觉体验堪比原生阅读器；

内置 AI 翻译与改写：集成 AI 辅助，能一键将长文做中文要点提炼；

自带丰富的发现源：新手不用愁去哪找订阅链接，插件内置了大量分类精选源。

快速安装与配置：

直接在 Obsidian 社区插件市场搜索 Qiaomu AI RSS 点击安装并启用：

进入「设置」->「选项」->「来源」->「管理订阅」：

这里已经贴心地内置了各种现成的频道分类，直接勾选添加就能开箱即用。

怎么添加科研文献等自定义 RSS？

除了内置的源，科研狗最需要的大多是 Nature、Science、arXiv 或者某个顶级会议的期刊前沿。

如果你找不到特定期刊的 RSS 链接，教大家一个偷懒的绝招：直接打开 AI（或者用你的 Coding Agent）问一句：

拿到链接后，在订阅管理里点击导入或者手动粘贴即可：

导入成功后，就能在阅读视图里畅快刷文章了：

插件二：RSS Dashboard

如果你追求绝对的流畅度、海量源管理以及深度的知识库转存，那么目前社区公认最成熟的必须是 RSS Dashboard。

项目地址：https://github.com/amatya-aditya/obsidian-rss-dashboard

核心特点：

性能极其稳健：支持分片存储（Shard Mode），订阅源再多也不会卡死你的 Obsidian；

不仅仅是图文：原生支持 RSS、Atom、JSON feeds，甚至内嵌 YouTube 视频播放器和播客音频播放条（带播放进度记忆！）；

一键转为本地 Markdown 笔记：遇到好文章，点击直接存入你的 Vault 仓库，支持自定义 frontmatter 标签和模板，完美融入 Daily Notes。

OPML 无缝迁移

在 Qiaomu AI RSS 挑好源之后，直接点击导出为 OPML 文件。

接着在社区插件安装并打开 RSS Dashboard，在设置里找到 Import（导入），把刚才的 OPML 文件扔进去：

点击左侧边栏的 RSS 仪表盘图标，一个专业、紧凑、高密度的阅读看板就诞生了

三、高质量 RSS 订阅源哪里找？

预判一下你可能会说：“工具装好了，但我不知道该订什么呀？”

别急，这里给大家推荐几个我每天都在看的源头：

1. 中文独立博客集合

中文互联网上真正有深度、不注水的个人独立博客宝藏库：

https://github.com/timqian/chinese-independent-blogs

里面收录了数百位技术大佬、独立开发者、学者的博客 RSS，质量吊打各种营销号！

2. 我的自用精选 OPML 订阅包

为了省去大家挨个找链接的麻烦，我已经把我自用的一套整合包配置好了：涵盖 深度博客、科技视频、学术文献前沿、硬核专栏：

想要直接抄作业的朋友，在浏览器打开下面的链接即可自动下载 OPML 文件，下载后在插件里一键导入即可：

📥 下载地址：

https://i.luffy-note.top/vault/2026/folo.opml

最后想说几句：

如果你希望信息高度闭环：在 Obsidian 内用 RSS Dashboard 或 Qiaomu AI RSS 是最省心的。随读随批注，摘抄金句无缝关联双链，真正做到“收集-阅读-沉淀”三合一。

如果你不想让大量信息流把本地 Vault 搞得太臃肿：也可以使用现在很火的开源下一代信息阅读器 Folo 作为主力扫读工具：官网地址：https://folo.is

目前也支持和Obsidian集成和自定义AI BYOK，不过需要会员，当然你可以使用Agent操作CLI作为替代方案

我还是比较喜欢这个清爽的界面风格，而且支持Android同步

它的定位是 AI RSS 阅读器，主打让 AI 帮你过滤网络噪音、快速提炼真正关心的内容。平时可以用它在外部做宽泛的信息流粗读，看到真正值得长期保存的好文章

以上所提及的两种方案我都非常推荐，大家可以根据自己的阅读节奏选择。

那么，以上就是本期的全部内容啦，感谢大家的一路支持，现在是我的第62篇原创文章，感谢各位！

我们下次再见。

我开源了一个Agent技能：把694页专业课PPT蒸馏成零报错公式、高清插图的Obsidian纯净知识库

Thu, 15 Oct 2026 00:00:00 GMT

进入大三之后，专业课的硬核程度直接上了一个大台阶。像我们材料专业的《材料分析测试方法》，从 X 射线衍射、电子光学，到透射电镜、电子衍射、扫描电镜、光谱分析……老师直接甩过来整整十章课件，加起来接近 700 页 PPT。

里面密密麻麻全是高能公式、推导过程、衍射斑样图、电镜光路图和晶体结构示意图。

平时复习或者做科研的时候，每次遇到一个知识点想翻出来看，我都得经历一轮折磨：

在一堆几十兆的 PPT 和大 PDF 里翻箱倒柜，找某一个特征谱公式或者消光规律；想复制一段文本或者把公式摘录到 Obsidian 知识库里，发现 PPT 里的公式全是碎成一块块的文本框，或者是不可选中的位图；想截图吧，截下来的图片糊成一片；想直接把整份课件扔给 AI Agent（比如 Claude Code、Codex 或者 ZCode）帮我答疑检索，AI 又根本一口气吃不下几百页的课件……

“能不能把这一整套几百页的课件，完整洗成一套标准的、带有高清插图和完美 LaTeX 公式的 Obsidian 纯净知识库？”

我猜很多做科研、考研或者期末复习的朋友，肯定都有过这个念头。

但真动起手来，你就会发现，现有的 OCR 和文档解析工具，会让你撞上一堵又一堵墙。

为什么直接用现成的 OCR 根本没法看？

我之前介绍过不少工具，比如 MinerU、PaddleOCR，还有各种 PDF 转换工具。说实话，MinerU 的模型能力非常强，能把复杂的公式和表格抽出来。

但直接拿 OCR 的原始输出当知识库，体验基本是灾难性的：

1. 公式在 Obsidian 里疯狂报错红字

OCR 出来的 LaTeX 公式，看着好像有模有样，但丢进 Obsidian（或者 Typora）一渲染，经常满屏红字报错。为什么？因为模型在识别公式时会有各种诡异细节：

把公式里的中文直接塞进 \mathrm{}，KaTeX 当场罢工；

中文全角括号 （） 混在公式里，破坏了括号闭合配对；

行内公式跟正文粘在一起，甚至把正文的标点也包进了 $...$ ；

嵌套的 \text{\text{...}} 重复套娃，或者 {\rm hkl} 这种老式宏……

只要有一处符号不对，Obsidian 的公式块就会直接炸开。

2. 原生高清大图，被降级成了低像素“截图”

很多专业课 PPT 里明明内嵌着分辨率极高的高清矢量图或大原图（往往超过 1500px）。但普通的 OCR 工具做法是按识别区域去页面渲染图上裁剪！结果就是：本来很清晰的晶体衍射斑点图、透镜光阑示意图，被裁成了一张充满伪影和毛刺的低清小图。更离谱的是，PPT 里母版或者重复出现的示意图，被每一页都截一次，整个文件夹塞满几百张重复图。

3. 满屏都是“第几页”和折叠块噪音

很多自动化工具为了保留“可信度”，喜欢在输出的文档里塞满“【来源：第 45 页】”、“【点击展开原始幻灯片】”之类的辅助标记。如果只是偶尔查证还好，但如果你想把它当作人类连续精读的笔记，或者喂给 Agent 做检索与知识图谱，这些碎片化的页码和标记全成了干扰 RAG 检索的严重噪音！知识原本是连贯的，却被生生切成了 700 块碎片。

4. OCR 错别字 vs PPT 原生文字的矛盾

PPT 虽然公式碎，但里面的文字大部分是原生可编辑的正版文字啊！OCR 哪怕准确率 99%，也总会把“荧光”识别成“萤光”，把“轫致辐射”识别成“韧致辐射”。但如果你完全不用 OCR，PPT 里那些公式又根本提取不出来。

一边是原生文字的准确度，一边是 OCR 提取公式的不可替代性，难道就不能两全其美吗？

所以，我搓了一个开源的 Agent 技能：doc-ocr-to-markdown

为了彻底解决这套折磨人的流程，我把这些天踩的所有坑、写的所有对齐与清洗脚本，完整打包成了一个针对大模型 Agent 的自动化 SKILL：

doc-ocr-to-markdown

开源地址在这里（欢迎大家 Star 支持一下）：

👉 https://github.com/luffysolution-svg/doc-ocr-to-markdown

以往你需要自己写一段 Python、装一堆依赖、改十几处正则表达式、手动对比文件。现在你只需要把课件或扫描件目录往对话框里一放：

Agent 就会自动加载这套标准化技能，一步不漏地按照工业级流水线执行全套工作。

它是怎么把课件“榨干洗净”的？

在这套 SKILL 的底层，我设计了 6 道极其严苛的工序

1. 原生高清图像提取 + SHA1 智能去重

很多同学不知道，.pptx 文件本质上就是一个 zip 压缩包，里面所有的图片都是以原图形式存放在 ppt/media/ 目录下的。

这套 SKILL 在处理课件时：

绝对不优先使用页面截图！ 而是通过解析页面元素层级，把 PPT 容器里原始的高清位图直接提取出来（中位数都在 700px 以上，最高达到 1600px+）；

只有遇到无法分离的矢量图元或者纯扫描 PDF 时，才退回到基于 PDF 矢量渲染的高 DPI 局部裁剪；

提取的所有图像全部计算 SHA1 内容哈希。在我们的实测中，整套课件里反复出现的 264 处插图引用，被精准去重压缩到了 199 张独一无二的高清图！知识库体积瞬间缩小，而且绝无重复垃圾。

2. 双源对齐：用 PPT 原生文字反向修正 OCR 错别字

这块是我觉得特别有意思的一个算法设计。

我们手里有两份数据：

PPT 原生文本框：文字 100% 正确，但公式被拆散了；

MinerU 的 OCR 结果：公式识别很完整，但个别生僻字、专业术语容易有错别字。

我们在脚本里做了一套空间几何重叠度（Coverage） + 文本相似度（Similarity）的双重对齐匹配。

当发现一个 OCR 文本块和 PPT 的原生文本框在页面同一位置，且重叠度大于 0.5、相似度大于 0.9 时： 👉 自动用 PPT 的原生文字替换掉 OCR 的文本！

举个真实案例：在第一章 X 射线谱的课件里，OCR 模型把专业词汇“荧光 X 射线”识别成了“萤光 X 射线”。脚本匹配到原生文本框后，计算出两者的编辑距离相似度高达 0.982，直接无缝修正为正统的“荧光”，而紧随其后的公式和变量符号原封不动保留。

既保住了原汁原味的正确字词，又白嫖了 OCR 的公式还原能力！

3. 八大 LaTeX 公式归一化规则，治好 Obsidian 强迫症

为了让所有公式在 Obsidian 里 100% 正常渲染，我写了一整套专门对付 OCR 公式缺陷的归一化处理器（normalize_math.py），内置了 8 条铁律：

中文强制包裹：公式里出现的汉字，一律剥离出 \mathrm，规范转换为 \text{...}；

展平嵌套语法：自动消除像 \text{\text{式中}} 这种 OCR 模型偶尔抽风产生的层级嵌套；

全角字符转半角：将公式内部的中文全角括号 （）、逗号 ， 全面替换为半角，防止括号跨界无法闭合；

剥离公式前后的牛皮癣汉字：很多公式开头会粘着“式中：”、“其中”或者句号，一律自动切回正文段落，还公式一个干净的独立环境；

拯救跨边界破损括号：比如正文写着“（如图中）”，OCR 偶尔会识别成 \text{（如图中 } r_n )，导致正文少半个括号、公式多半个括号。脚本会自动识别这种模式，把正文括号物归原主；

老式字体宏规范化：将 {\rm hkl}、{\it abc} 这种陈旧的 TeX 宏统一替换为现代化 KaTeX 支持的语法；

章节标题去公式化：标题里的公式如果直接放 $E=mc^2$ ，在 Obsidian 的大纲目录和双链悬浮预览里会显示出一堆反斜杠，脚本会自动把标题公式平替为纯文本或 Unicode 符号；

图片 Alt 标签净化：Markdown 图片标签 ![alt](url) 里的 alt 文字严禁包含换行、反斜杠和大括号，否则整个 Markdown 图片语法当场瘫痪，这一点也被全面过滤保护。

4. 彻底剥离页码与杂质，回归真正的“连续知识库”

这是我非常坚持的一个标准。

做出来的东西，必须是给人当教材看、给 Agent 当长期记忆读的。所有“第 1 页 / 共 60 页”、“课件来源：材料分析测试方法_01”、“点击折叠原始幻灯片”……这些碎碎念全部被剔除得干干净净。章节结构按照标准的三级、四级标题自然流转，读起来就像一本精心排版的现代电子书。

5. 本地自动化三道防线质检

做完之后怎么知道有没有漏？有没有哪条公式又偷偷报错了？

这套 SKILL 配备了完整的三重验收工具链：

文档结构审计（validate_output.py）：检查 H1 标题唯一性、各级标题是否跳级、图片相对路径是否真实存在且可被 PIL 解码、公式美元符号是否严格成对；

KaTeX 全量编译校验（validate_math.cjs）：把知识库里的所有公式一条不漏地全部提取出来，通过 Node.js 调取原生的 KaTeX 引擎逐条编译（throwOnError: true）。有一条公式报错，整个脚本直接红灯退出；

无头浏览器端到端渲染验证（preview_server.py）：启动本地服务，通过无头浏览器加载渲染，自动化断言页面中所有图片的 naturalWidth > 0，并且 .math-error 错误元素数量严格为 0！

694 页课件实测战果

口说无凭，来看这套技能在我们材料专业整整十章《材料分析测试方法》课件上的真实战果。

这是最终整理完成的 Obsidian 知识库目录结构：

实测统计数据：

原始课件规模：10 个 PPTX 文件，共计 694 页；

输出正文字数：241,001 字符；

提取公式总数：2,118 处（其中独立块级展示公式 339 个，行内嵌入公式 1,779 处）；

KaTeX 全量编译通过率：2,118 / 2,118 全部通过（100% 通过率，0 报错！）；

高清插图与图表：提取去重后 199 张高清图片、36 个标准化 Markdown 表格；

总存储体积：包含所有高清图片在内，整个知识库仅 24 MB。

给大家看两段导出的真实 Markdown 效果。

给 Agent 挂上这套笔记后，当我问它：“帮我对比一下明场像、暗场像和高分辨像的物镜光阑操作模式与成像衬度来源”，Agent 几秒钟内就能精准调用图 7-1 的原图、公式和推导细节，给出毫无幻觉的精准解答！

开发小bug：MinerU代理 Fake-IP

开发这套工作流的时候，还有一个xiaobug

我们在批量调用 MinerU 的云端 API 时，提交任务和查询状态都一切正常，但一到下载最终解析结果的 ZIP 包环节，Python 的 requests 和系统的 curl 疯狂报错：

我当时也是整个人都懵了：同一个脚本，前两步 API 都能通，为什么唯独下载 CDN 文件的这个域名（cdn-mineru.openxlab.org.cn）连握手都完成不了？

顺着排查下去才发现罪魁祸首：很多朋友本地开着网络代理软件（比如 Clash / Sing-box 等），开了 TUN 模式或者全局模式。在这些模式下，国内的部分 CDN 域名被代理客户端接管，返回了一个 198.18.0.x 的 Fake-IP（保留保留测试网段）。

当我们的请求带着真实的 SNI 去连接这个虚拟 IP 时，两边握手协议对不上，直接当场掐断了连接！

有些同学图省事，可能会走野路子：直接加个 -k（关闭 SSL 证书校验），或者强行把全局代理关掉。

但我个人非常反感这种做法：关掉证书校验不仅有极大的安全隐患，而且为了跑一个文档解析频繁切换系统网络环境，体验极其糟糕。

最后我在下载脚本（mineru_ocr.py）里做了一个很巧的机制：脚本会通过公共 DoH 服务（比如阿里 DNS https://dns.alidns.com/resolve）直接去公网查询该 CDN 域名的真实物理 IP，然后通过 curl --resolve cdn-mineru.openxlab.org.cn:443:真实IP 建立直连通道！

这样一来：

完全不需要动你电脑上的任何代理软件；

100% 完整保留系统的 TLS/SSL 证书链校验，绝不关闭安全防护；

稳稳当当地秒速拉回结果包。

这个小功能也已经随代码一起开源在仓库里了，如果你平时写爬虫或者调用云服务也遇到过类似 CDN 握手 EOF 的诡异玄学问题，不妨参考这个方案。

怎么使用？

这套工具完全开源在 GitHub，使用方式非常灵活，丰俭由人。

方式一：作为 Agent SKILL 直接调用（推荐）

如果你日常使用的是支持 SKILL 扩展的 AI Agent 工具（比如 Claude Code、Codex、ZCode 等），可以直接把这个仓库克隆到你的技能目录：

安装完成后，在会话里直接发话就行：

Agent 会自动帮你检查依赖、上传 MinerU、下载结果、对齐校正、组装 Markdown，并执行全量 KaTeX 验证。

方式二：直接在终端运行 Python 脚本

如果你习惯自己跑脚本，仓库里的工具链也可以脱离 Agent 独立执行：

安装环境依赖：

配置 MinerU API Token：在终端设置你的环境变量（可在 mineru.net 免费申请）：

三步走完成转换：

最后的最后

从 5 月份最初写针对 Obsidian 的小脚本，到国庆节做完整的文献翻译工具 PaperLoom，再到今天开源的这个 doc-ocr-to-markdown 技能。

回过头看，我做的大多数工具，其实出发点都很简单：就是为了解决我自己作为一名普通理工科学生，在读文献、啃课件、搭知识库时那些真真切切的痛苦。

技术的更新迭代真的太快了，从 MCP、Plugin 到如今越来越强调闭环的 Agent SKILL。但工具再怎么变，核心目的始终没变过——把繁琐、重复、格式转换的脏活累活交给机器，把连贯、专注、充满好奇心的思考留给我们自己。

如果你手头也压着几百页看不完的专业课课件、教材扫描件或者大部头讲义，不妨试试这个技能，给自己的 Obsidian 知识库来一次无损大换血。

使用中如果遇到任何 bug 或者有改进建议，欢迎来 GitHub 提 issue：

👉 https://github.com/luffysolution-svg/doc-ocr-to-markdown

觉得对你有帮助的话，顺手点个 Star，就是对我这个熬夜写代码的大学生最大的鼓励啦！

以上，就是本期的全部内容啦！

我是三木，一名爱好 vibe coding 和 vibe research 的大学生。

我们下期再见，加纳~ 👋

我用Claude Opus 5.5做了个科研导航站，收了465个网站

Thu, 08 Oct 2026 00:00:00 GMT

我的浏览器书签栏，是一片光污染很严重的夜空。

亮点很多，没有一颗认得出来。

科研通在这，X-MOL 在那，Semantic Scholar 不知道被我拖进了哪个文件夹。有几颗要翻墙才看得见，有几颗只在校园网里亮，还有几颗，收藏的时候大概觉得很重要，半年后再看，连它是干什么的都想不起来。

6 月底我写过一篇《做科研别只会知网！这 10 个文献检索网站真的很实用》，第一个推荐的就是科研通的学术导航。文章发出去了，我自己的书签栏，一点没变。

推荐别人用地图的人，自己在迷路。

于是我画了一张自己的星图。

https://nav.luffysite.top/

▲ 首页。一行标语，一个搜索框，下面是 465、31、4 三个数字

这张图怎么长出来的

这个网站是我和 Claude Opus 5.5 一起搭出来的。我负责把脑子里模糊的样子讲给它听，再对着做出来的东西反复挑毛病。代码可以交给 AI，但 465 个网站该收谁、放在哪个格子里，还是得自己作决定。

首页那片会缓缓转动的黑洞，也是它的手笔。

灵感则来自几个我此前见过、用过的项目。

绘图工作台，是把我之前分享过的无限画布直接请了进来。科研绘图的模板画廊和学术前沿的论文 News，是我在逛 Ai4Scholar 的时候撞见的，它有画廊，也有文献 News，我看完的第一反应是，这两样东西要是跟导航住在同一个屋檐下，就不用再多开两个标签页了。

465

465 个网站，按 4 个星域、31 个分类排好。

光说分类没什么意思。换个看法，一篇论文从一个念头走到投稿，大概会路过这些地方。

刚有念头，还不确定值不值得做的时候，去智能星域的 AI 科研助手。Consensus、Elicit、SciSpace、Scite、ResearchRabbit，25 个，适合先让 AI 帮你把这个方向摸一遍。

▲ 左边是目录，右边是卡片。AI 科研助手这一格有 25 个

念头站住了，开始正经找文献。学术搜索 15 个，索引数据库 17 个，预印本 16 个，出版商 18 个。

找到了，下不下来。全文获取 9 个，Sci-Hub、Anna's Archive 都在这一格。

下下来了，读不动。翻译词典 13 个，DeepL、沉浸式翻译、PDF2ZH。文档解析 14 个，MinerU、Doc2X、Mathpix，扫描版和公式多的 PDF 从这里过。

开始做实验，要查数据。化学与材料数据 22 个，生命科学与开放数据 18 个，分子与晶体可视化 12 个。

▲ 化学与材料数据。Materials Project、CCDC、ICSD、AFLOW、NIST XPS，标着「机构」的那几个，得在学校网络里才打得开

数据有了，要出图。科研绘图 21 个，设计与配色 13 个。

▲ 科研绘图。从 BioRender、Figdraw 这种画示意图的，到 Origin、GraphPad Prism 这种画数据的，再到 WebPlotDigitizer 这种从别人的图里把数据抠出来的

然后是写。论文写作 17 个，Overleaf、Typst、Zotero 都在。

写完要投。期刊评价与投稿 10 个，LetPub、中科院分区表。

投完要申基金。基金与项目 8 个。

这一路上还得有人帮你写代码、做工具，所以智能星域里还有一格智能体与编程。

▲ 智能体与编程。Claude Code、Cursor、Antigravity、Trae，右上角标「代理」的，国内要挂梯子

剩下的放进工具星域。学者社区、公开课、学生福利、在线工具箱，还有一格素材与下载，壁纸和视频下载也在里面。

▲ 素材与下载。做组会 PPT 要找图，偶尔也要下个视频，人不能只靠文献活着

这些网站有一部分来自科研通导航，一部分是我这几年的书签，剩下的是公开资源，全部去重之后重新分的类。

6 月那篇文章里排第一的科研通，现在成了这张星图的底片。

1 个搜索框

465 个网站，不可能靠眼睛找。

所以首页正中间是一个搜索框，上面挂着十个来源，站内、Google、谷歌学术、百度、必应、知网、PubMed、X-MOL、Sci-Hub、Semantic Scholar。

默认搜站内。拼音和首字母都认，输入法不用切。

站内搜不到，回车，直接交给你选中的那个引擎去全网搜。打开多选来源，同一个关键词可以一次丢给好几个学术搜索引擎。

手不想离开键盘的话，按斜杠 / 跳到搜索框，上下键挑，回车开，Esc 清空。

搜索框下面有四个按钮，全部、公开直达、需代理、需机构权限。

这四个按钮，是我被那几颗只在特定网络下才亮的星星折磨出来的。点进去转圈圈，或者跳出一个无权访问，等你反应过来是没开代理、没连校园网，五分钟已经没了。现在每个网站都标好了访问条件，人在宿舍，就只看公开直达那一档。

0

首页最上面有一块叫「我的星座」，旁边的数字是 0。

▲ 我的星座。右上角是导出和导入，下面一排是我最近刚收进来的四个站点

这个 0 是留给你的。

465 个网站里，你真正每天会点的，大概就十来个。把它们收藏进来，按自己的习惯分组，组会常用一组，写论文一组，随你。每张卡片右上角还能写一句只有你自己看得到的备注

站里没有的网站，可以自己加进来。加的时候勾一下，顺路推荐给我，我看合适就收进公共的那 465 个里。

这些东西全部存在你自己的浏览器里，没有账号，我也看不到。代价是换台电脑就没了，所以右上角那个导出，记得时不时点一下。

43、66、218

导航之外，顶部还有五个页面。前三个是三个数字。

43，是科研 SKILL。

GitHub 上 43 个面向科研的开源 Skill 仓库，拆出来 160 个 Skill，按文献检索、论文写作与 LaTeX、科研绘图、生物信息、化学与材料这些方向归好类。最近写了不少 Claude Code 和 Codex 的文章，科研 Skill 去哪找这个问题，以后可以直接回一个链接了。

▲ 论文写作与 LaTeX 这一格。Star 数、协议、更新时间都标着，安装命令直接给出来，右边那个小按钮一点就复制

有一句话我放在了页面上，这里再说一遍，Skill 是能带着脚本跑的，装之前去仓库里看一眼。

66，是科研 Prompt。

从 18 个开源仓库里挑出来的 66 条提示词，按选题、写作、润色翻译、审稿回复、数据分析、基金、汇报这些环节排好，中英文都有。

▲ 每条提示词下面三个按钮，复制、填空、展开全文。右下角是它从哪个仓库来的，用的什么协议

我最得意的是那个填空。提示词里方括号框起来的地方，点填空就能在页面上直接填，填完再复制，拿到的是一份已经替换好的完整提示词。不用复制完再一个一个去找方括号。

218，是科研绘图。

▲ 218 个绘图模板，按图表类型筛，大部分图下面都能直接复制 Python 代码

其中 112 个附了示例代码，来自 Origin、Python、R 的官方文档和 GitHub 开源项目，另外还有 17 个科研示意图素材和 100 条大模型生图提示词。3D 伏安曲面、XRD 瀑布图、带聚类树的热图、云雨图、阿伦尼乌斯图，挑一张，复制代码，换成你的数据。

页面最底下是一张投稿速查，期刊要求的图片尺寸，色盲友好的配色，都在上面。

一块画布

第四个页面是绘图工作台，也就是那块无限画布。

▲ 绘图工作台。嵌在网站里，嫌小可以全屏，也可以单独开一个窗口

8 月我写过它，这次是把它整个搬了进来。生图、改参考图、做视频，填上你自己的 API 就能跑。作品和 API Key 留在你的浏览器里，请求从画布直接发到你配的接口，不经过我这边。

▲ 画布自带的提示词中心，1742 条，海报、信息图、表情包，看上哪条就收进自己的资产

在上一个页面挑好配色和示意图风格，切过来就能画，中间不用换网站。

6 小时

最后一个页面，学术前沿。

▲ 学术前沿。可以搜关键词，按学科、期刊、时间筛，也可以只看未读、收藏、有摘要的

每隔大概 6 小时，它会去期刊官方的 RSS、Crossref 和预印本的官方接口取一次新论文，追加进来，只留最近 30 天的。

我截图那会儿，库里有 3371 篇，来自 116 种期刊。Nature、Science、Cell 三个系列，NEJM、Lancet 这些医学顶刊，化学材料能源催化那一大块，Advanced Materials、Angewandte、Joule，还有预印本。

▲ 按期刊分组。顶上一排是 Nature 子刊和各自这个月的篇数，每张卡片带 DOI，前面的绿点表示还没读

点开一篇，弹出来的是阅读面板，标题、期刊、日期、摘要，看完点下一篇，一路往下刷。

▲ 阅读面板。摘要能一键复制，底下的上一篇和下一篇可以连着翻，中间那个 1857 / 3371 是我刷到的位置

读过的自动标已读，想留的点收藏，这些同样只存在你的浏览器里。

顺便汇报一下，截图那天，我的未读还有 1659 篇。

新论文每 6 小时长一次，我读的速度，追不上。

没画好的地方

这张星图有不少地方还是空的。

465 个网站是我一个人挑的，分类会有不准的，描述会有不到位的，链接也会有失效的。我熟的方向收得密，我不熟的方向，你可能会觉得稀稀拉拉。

学术前沿也一样，化学材料和生命医学的期刊多，物理这个月只有 104 篇，社科、经管、计算机会议几乎还是空白。

页脚有一个推荐站点的入口，卡片上有一个报告失效的按钮。你方向里好用的网站，你发现的死链接，都可以从那里扔给我。

Astra

Astra 是拉丁语里的星星。

有一句拉丁谚语，Per aspera ad astra，经由坎坷，抵达星辰。

做科研的人对前半句应该比较熟。

这张星图帮不了你走完那段坎坷，它能做的，只是让你在抬头的时候，少花一点时间分辨哪颗星是哪颗。

剩下那个 0，是你的。

https://nav.luffysite.top/

我是三木，一名爱好 vibe coding 和 vibe research 的大学生，感兴趣的话可以点开主页，有更多内容等你解锁。

加纳~

Astra

Astra 是拉丁语里的星星。

有一句拉丁谚语，Per aspera ad astra，经由坎坷，抵达星辰。

做科研的人对前半句应该比较熟。

这张星图帮不了你走完那段坎坷，它能做的，只是让你在抬头的时候，少花一点时间分辨哪颗星是哪颗。

剩下那个 0，是你的。

https://nav.luffysite.top/

我是三木，一名爱好 vibe coding 和 vibe research 的大学生，感兴趣的话可以点开主页，有更多内容等你解锁。

加纳~