论文写到一半想砸电脑这事我太熟了。查文献查到半夜、大纲推翻三遍、引言憋了两小时只挤出两行字——这种状态下再自律的人也会怀疑人生。后来我开始把整个写作流程拆开交给 AI agent 去跑才算是从这种循环里挣脱出来。这篇内容就把我用 agent 写论文的完整思路、工作流搭建、框架选型、以及踩过的坑一次性讲清楚。先说结论agent 不是让你一键生成全文然后直接提交的魔法它的真正价值是帮你把论文写作从靠灵感硬撑变成可编排的流水线——检索、综述、大纲、初稿、审校这些环节每个都能被拆成任务交给不同的 agent 角色去推进。无论你是写学期论文、硕士博士论文还是公司的技术报告和行业分析这套方法论都能直接抄作业。1. 用Agent写论文先把它从玄学拉回工程很多人一开始会对 agent 写论文有两个极端误解要么觉得这就是个高级版 ChatGPT多聊几句让 AI 生成全文完事要么觉得这玩意纯属噱头生成的东西根本不能看。我实际用下来这两个印象都不对。agent 的差别不在于能不能写而在于它把写作这件事真正工程化了。1.1 论文写作里真正费神的几个环节先拆解一下一篇论文从零到成稿到底哪些地方最消耗精力文献调研要检索、过滤、阅读、归纳最后形成一个有逻辑的文献综述。这个环节通常占掉三分之一的时间。大纲设计结构怎么安排、论点怎么递进、每一节解决什么问题。大纲定不好后面全部白写。正文写作这是纯输出环节但卡壳最多。尤其是引言和绪论背景、意义、现状、目的之间的起承转合特别磨人。审校修改语言润色、逻辑检查、引用格式统一、重复段落删除琐碎且费眼。你会发现除了正文写作这一项确实需要人的观点和表达之外其余几项全都是高度结构化、规则明确、可以标准化处理的工作。而 agent 最擅长的恰恰就是这种有明确步骤、需要调工具、需要按规范输出的任务。1.2 Agent到底是什么一个能干活的实习生通俗点说agent 就是一个会自己干活的大模型程序。传统 AI 对话框里你问一句我答一句思考过程全靠你手动推进而 agent 则是一个闭环大模型负责理解任务、规划步骤然后自己去调用工具比如搜索引擎、网页抓取、文件读写执行完以后把结果写进记忆里再进行下一步。你可以把它想象成一个实习生你说帮我查一下最近三年关于 XXX 方法的研究进展按主题整理成综述存到 work 目录下的 overview.md它就会自己拆步骤、自己检索、自己归纳、自己生成文件最后给你一个汇报。区别在于这个实习生不会累但偶尔会一本正经地胡说八道。所以你还需要给它配一个审稿人角色来兜底。1.3 为什么 Agent 写论文是真有用的场景论文写作天然适合 agent因为它的任务结构足够清晰。一个成熟的 agent 工作流核心是把一个人硬扛全部流程变成多个角色分头协作研究员 agent 负责查资料写作 agent 负责出稿审稿 agent 负责挑毛病。这个思路在业界已经被验证过了——MetaGPT 这类项目甚至用一个软件公司的模拟来证明一个团队化的多 agent 系统写文档产出质量和一致性远超单个 agent 单打独斗。我自己体会最深的是 agent 对上下文一致性的处理。人对论文整体的把握会随着篇幅增加而下降但 agent 可以通过预设的大纲文件、角色设定和长期记忆保证第一章和第五章的术语口径、论点立场保持一致。这一点在长论文里非常有价值。2. Agent的能力拆解检索、记忆、工具与多角色协作如果只是拿 agent 聊天式地写论文那确实和用普通 AI 没区别。要让 agent 真正胜任论文写作必须把它的四个底层能力用到位检索能力、记忆能力、工具调用能力、多角色协作能力。这四样缺哪一样流程都会变味。2.1 让 Agent 查得到真实检索要打通论文写作最忌讳的就是 AI 凭空生成参考文献。很多 AI 聊天工具会幻觉出一堆看似真实、实则不存在的论文——这是我踩过最深的坑之一。所以我的工作流里研究员 agent 必须绑定真实检索工具而不是靠模型内部知识硬编。具体做法是给 agent 配置两类工具一类是学术搜索引擎的 API 或网页检索能力另一类是把检索到的网页、论文页面完整保存成 markdown 再让模型读。社区里很多 agent skill 就是这个用途比如把网页保存成 markdown这种技能包本质就是为了让 agent 在离线环境下依然能基于真实抓取内容做分析。这一步的关键在于agent 的每一个引用都必须在它实际读过的材料里找得到出处。2.2 让 Agent 记得住记忆机制决定了论文的一致性agent 的记忆分好几层搞清楚它们的区别才能正确设计工作流短期对话记忆只存在于一次任务里对话一断就丢适合单轮检索或写作。长期记忆通过向量数据库或本地文件保存agent 在下一次任务启动时可以读取适合跨章节保持一致。项目状态记忆用文件系统来体现比如把大纲存成 outline.md、每章存成 chapter1.md、审稿意见存成 review.md这就是最朴素也最有效的记忆。我强烈建议用文件系统当项目记忆。原因很实在文件是透明的、可人工修改的、可版本管理的。你随时可以打开看看 agent 到底干了什么改错了还回滚。相比之下纯靠向量库记忆虽然智能但难审计出错了排查成本高。2.3 让 Agent 写得像样结构化输出是底线如果让 agent 自由发挥它写出来的章节长度、标题层级、引用格式都会非常飘。解决办法是在 prompt 里给出强约束的输出结构或者在框架层面给 agent 定义输出 schema。举例来说我让写作 agent 产出的每一章固定包含四个部分本章摘要、核心论点、分节内容、与下一章的衔接提示。这样后续审稿和拼接环节会轻松得多。格式控制不只是为了好看。结构化输出意味着每个章节都有固定的数据维度你可以用脚本自动化检查每章是否都有摘要、字数是否达标、引用的序号是否连续把人工审核的负担降到最低。2.4 为什么要多 Agent而不能一个 Agent 写到底我一开始也试过让一个 agent 从头写到尾结果前半部分质量还行后半部分就开始跑偏、重复、甚至忘掉前面设定的论点。问题出在上下文污染一个 agent 在同一个上下文里塞入了检索结果、大纲、历史章节、用户反馈它的注意力会被稀释写到后面很容易忘了初心。多 agent 协作的价值在于职责隔离。研究员 agent 只专注于检索和综述写作 agent 只面对一份干净的文献综述大纲作为输入审稿 agent 则完全站在挑刺的角度去看初稿。每个角色的上下文都足够干净不容易互相干扰。当然代价也很直接token 消耗翻倍、流程变复杂、排错难度上升。所以我的建议是单篇短文用单 agent 足够长篇论文、多章节内容才值得上多 agent 架构。3. 一套可直接抄的论文写作 Agent 工作流有了前面的能力认知我现在直接分享一套自己跑过很多遍的工作流。整套流程不需要花钱买高端平台用开源框架加 API 就能搭起来。核心思路是把论文写作切成五个阶段每个阶段有明确的输入、输出和人工检查点。3.1 整体流程设计五阶段流水线阶段一选题研究由选题研究员 agent基于你给的领域方向检索近年研究趋势、热门问题、争议点输出 3 到 5 个候选题目并附上每个题目的研究缺口和可行性分析。人工在这里做第一次把关。阶段二文献综述由研究员 agent针对选定题目检索 20 到 40 篇高相关文献按主题分组输出一篇带真实引用的研究综述。阶段三大纲设计由规划 agent基于综述输出三级标题目录、每一章的写作目标和要点列表。人工审核并调整大纲。阶段四分章写作由写作 agent按大纲逐章生成初稿每章独立任务、独立上下文写完存成单独文件。阶段五审校与修改由审稿 agent逐章检查逻辑漏洞、术语一致性、引用格式、语言冗余输出修改意见清单再由写作 agent 按意见修订或者由人工直接改。这套流程我最满意的地方在于每个阶段之间都有文件交割和人工检查点。 agent 不是在替你一次性地写完论文而是在配合你把每个环节的初稿质量抬高一个档次。3.2 三个核心角色的 Prompt 设计思路角色 prompt 是整个工作流的灵魂。我总结了三个要点设定背景、限定职责、给出输出约定。举个例子研究员 agent你是一位学术研究员任务是为论文《XXX》收集文献证据。你只能引用通过搜索工具实际获取的内容禁止编造来源。输出格式按主题分组每组列出论文标题、作者、年份、核心结论、与你论文选题的关联。最终写入 bibliography.md。写作 agent你是一位学术写作专家根据 literature_review.md 和 outline.md 撰写第二章。要求每个论点必须有文献支撑段落之间要有逻辑递进避免口语化开头用一段概括本章内容。输出到 chapters/chapter2.md。审稿 agent你是一位严格的期刊审稿人。请逐段检查 chapters/ 下的初稿列出以下问题论点是否被证据支撑、术语是否前后一致、引用是否真实且格式统一、是否存在重复表述。输出一份按严重程度排序的修改清单 review_report.md。我不建议在 prompt 里堆砌你必须高质量请认真仔细这类空话意义不大。真正起作用的是行为约束 输出格式约束。3.3 用 CrewAI 快速搭一个最小实现如果你会一点 Python用 CrewAI 这类框架搭建整套流程非常快。它把 Agent、Task、Crew 三个概念封装好了你只需要定义角色、分配任务、设定协作流程。下面是一个最小示例from crewai import Agent, Task, Crew, Process researcher Agent( role学术研究员, goal围绕题目搜集高质量文献输出带真实引用的综述, backstory你是一位严谨的学术研究员擅长文献检索与归纳, tools[search_tool, save_to_markdown_tool], verboseTrue, memoryTrue ) writer Agent( role论文写作助手, goal根据综述和大纲撰写逻辑清晰的论文章节, backstory你是一位学术写作专家注重论点、论据和行文规范, verboseTrue ) reviewer Agent( role学术审稿人, goal检查初稿的逻辑、重复度、引用格式与语言问题, backstory你是一位严格的期刊审稿人, verboseTrue ) review_task Task( description检查 chapters/ 目录下所有章节输出问题清单, agentreviewer, output_filereview_report.md ) crew Crew( agents[researcher, writer, reviewer], tasks[research_task, outline_task, write_tasks, review_task], processProcess.sequential, verboseTrue ) result crew.kickoff()这段代码不用一次跑通所有场景你只要抓住结构每个 Agent 只做一块事每个 Task 都有明确的输入输出最后用 Crew 串起来。CrewAI 还支持 Task 之间的上下文传递你可以让写作任务自动读取综述任务生成的文件比手动搬文件省事得多。3.4 文件夹结构与检查点的设计一套清晰的目录结构能让整个工作流的状态一目了然thesis/ ├── brief/ # 选题阶段输出 ├── literature/ # 文献综述、bibliography ├── outline/ # 大纲与写作指南 ├── chapters/ # 各章节初稿 ├── review/ # 审稿报告 └── final/ # 修改后的终稿每次一个阶段结束我会停一下人工检查产出文件。检查点不需要花很长时间重点看三样东西引用是否真实、任务目标是否达成、输出格式是否可用于下一阶段。这套检查点设计实际上就是给整个工作流上了保险避免错误一路传导到最终稿。4. 框架选型LangChain、Dify、CrewAI以及已经开始流行的命令行 Agent框架选型这个事网上争论非常多。LangChain、Dify、CrewAI 到底选哪个还有最近讨论度很高的命令行式 coding agent比如 Claude Code、OpenAI Codex、Cline 这类它们和论文写作有什么关系我按自己的实践给一个尽量客观的梳理。4.1 四类工具的本质区别LangChain / LangGraph偏底层的 Python 框架。适合想精细控制流程、愿意写代码的人灵活度最高但学习曲线也最陡。Dify可视化低代码平台。提供编排界面、知识库、内置工具适合不想深陷代码希望快速验证流程的人。CrewAI多 agent 协作框架。对角色-任务-流程的抽象非常友好是论文场景最顺手的框架之一代码量比 LangChain 少很多。命令行 agentClaude Code、Codex、Cline本来是写代码用的但因为它上下文窗口大、能读写本地文件、能持续交互很多人也在拿它写长文档。优点是门槛低缺点是可重复性和流程固化能力弱每次都要靠人肉引导。4.2 核心参数对比框架类型上手难度多agent支持适合场景LangChainPython库高一般研究原型、复杂自定义流程LangGraphPython状态图高强复杂分支、循环、状态机式流程Dify低代码平台低支持非开发者快速搭建CrewAIPython多agent框架中低强角色分工明确的文档写作Claude Code / Codex命令行交互agent中弱长文档一体化写作与修改4.3 我的选型建议给你一个不走弯路的判断标准如果你会 Python且论文是重头戏、要反复调整流程优先看 CrewAI——它写出来的代码量最小语义最接近研究员/写手/审稿人这种自然分工。如果需求简单论文不长Dify 这种低代码平台完全够用拖拽编排、接入知识库、配几个模型就完事后续也好维护。如果不想搭后台就想在终端里沉浸式写作Claude Code 或 Codex 这类命令行 agent 更顺手。直接把整篇论文目录丢给它让它帮你逐章撰写和修订交互体验非常爽。如果你要做的是深度研究、流程有大量分支判断LangGraph 才值得你去啃。有人问 LangChain 是不是必须学我的看法是没必要为了写论文去学它。LangChain 本质是个工具箱但论文写作需要的是清晰的流程编排CrewAI 或 Dify 在抽象层级上更贴近你的需求。4.4 关于 Harness、沙箱与安全的一个省流版热词里经常出现 harness、沙箱、agent 安全这些概念写作场景下它们怎么理解我用一句话总结harness 就是 agent 的骨架和外壳负责把模型、工具、上下文管理、执行循环组装起来好的 harness 能决定你的 agent 稳不稳沙箱则是让 agent 执行代码、调工具时跑在隔离环境里防止它误删文件或访问不该访问的东西。对论文写作来说尤其要注意给 agent 加上文件权限限制避免它乱改你的参考文献目录。这些概念不用精通但至少要知道它们是 agent 工程化里防翻车的重要组成部分。5. 实测过程中的翻车现场与应对吹了半天 agent 写论文的好处但实际操作里翻车的事一件没少。我把自己踩过的坑和解决方式写出来能帮你省下至少两个月的试错时间。5.1 Token 消耗失控一次生成整本论文第一次搭完流程我图省事让写作 agent一篇论文三万字一次写完。结果 token 费用直接爆表而且生成到后半段时语言质量明显下降很多段落开始车轱辘话来回说。原因很简单单次上下文能容纳的信息量是有限的一口气写太多模型前文信息被压缩甚至遗忘输出自然崩。解决方案也直接把写作任务按章切分每章控制在两千到三千字每章独立开一个新任务上下文里只放该章对应的大纲和综述片段。拆完之后质量稳定了很多token 消耗反而因为减少了返工而下降了。5.2 执行中途终止Agent Execution Terminated Due to Error这个报错我见过太多次了。印象最深的一次是研究员 agent 在检索阶段突然中断整个流程卡在文献综述环节后面所有任务全部停摆。排查下来发现两个原因一是单次任务超时检索工具响应太慢导致任务超时被杀二是上下文窗口被塞满agent 在任务中途就触达了最大 token 限制。应对办法有三层第一给每个任务设置合理的超时时间不要用框架默认的无限等待第二把大任务拆成小任务检索和综述分开跑不要塞进同一个任务第三在 prompt 里规定检索结果只保留标题、核心结论和来源链接不要全文粘贴能大幅降低上下文占用。如果你用的是命令行 agent遇到中途终止也别慌先检查是不是触达了上下文上限是的话就分章节继续。5.3 幻觉引用与编造数据这是学术写作最致命的问题我必须反复强调。第一版工作流运行时我抽查了研究员 agent 生成的参考文献发现两篇论文标题看起来非常专业但数据库里根本搜不到——典型的模型幻觉。从那以后我把禁止编造写进 prompt 还不够又在流程上加了强制校验文献引用必须来自检索结果文件未检索到的来源一律不许出现在参考文献里。同时我要求 agent 在每条引用后面标注来源文件的编号比如[来源2-13]这样人工只需要抽查编号对应的文件是否真实存在即可。这套引用溯源机制比任何口头约束都有效。5.4 中文风格与学术用词的控制如果直接用通用模型跑中文论文风格上很容易出现两个问题一是过度口语化这个进行对于一类的词泛滥二是术语前后不一致同一个概念前面叫深度学习后面叫深度神经网络。英文论文问题相对小中文论文尤其严重。我的做法是给写作 agent 准备一份风格指南文件里面明确写出禁用词清单、必须使用的学术表达、术语对照表。写作任务启动时这份指南作为上下文的一部分加载进去。审稿 agent 的检查清单里也加了一条术语一致性专门负责揪出前后不统一的情况。虽然不能完全替代人工润色但能把返工量压低一大截。5.5 检索结果不可复现最后一个小坑很多检索工具返回的链接过几天再打开可能已经失效或者内容被更新过。论文的引用必须稳定可靠所以研究员 agent 在保存网页内容时除了存 markdown我还会让它附带保存截图或 PDF 快照之后每次引用都能核对原文件。这一招在学术写作里很实用建议直接照搬。6. 边界问题学术诚信、质量把控与验收标准用 agent 写论文最大的争议在于学术诚信。我的立场很明确agent 是辅助工具不是代写枪手。它可以帮你检索、整理、起草框架、润色语言但论文的核心观点、实验数据、分析逻辑这些学术成果的主体必须由你本人完成。把这个边界划清楚文章该怎么用、怎么披露就都有了依据。6.1 Agent 该用在哪不该用在哪可以放心用的环节文献检索与初步整理、大纲草拟、段落改写与润色、参考文献格式统一、重复内容检测、图表描述生成。这些属于形式层工作是纯辅助。必须亲自把关的环节研究问题的提出、方法与实验设计、数据分析和结论阐释、创新点的提炼。这些属于实质层内容如果连这些都由 agent 代劳文章在你的学术能力上就是裸奔一被追问就露馅。而且在不少高校和期刊的政策里未经披露的 AI 代写行为会被认定为学术不端这不是小事。6.2 人机协作的最佳姿势我现在的协作方式是agent 出第一版我做最后裁决。具体来说每个章节我先看大纲逻辑再快速通读 agent 初稿然后保留对我有用的大部分结构把我自己的数据、分析、观点填进去最后重写关键段落。一通操作下来写作速度比从白纸开始快了不止一倍而且每一句话都过了我的手文责自负。有一个容易被忽视的点给 agent 提供你自己的想法而不是只让它自由发挥。比如我经常先写一个两三百字的本章要点丢给写作 agent让它在我的框架内扩充。这样生成的内容会更贴你的思路返工率大幅降低。6.3 质量验收给自己搭一个评测集你可能想不到质量把控这件事也可以用工程手段解决。我建议在动手搭工作流之前先准备一组评测样例选 3 到 5 篇你已经定稿的论文或报告把它们的选题大纲输入给 agent让它限时生成初稿然后对照你原来的成稿评估差距。这套评测集的作用是给你每一次流程改动提供可比较的基准否则你改一个 prompt 也不知道是改好了还是改坏了。评测维度不用太复杂抓住三样引用真实率、结构完整度、语言可读性。每次调整配置之后在评测集上跑一遍分数上升了再应用到正式论文上。这个方法来自 agent 评测集构建的实践我搬到论文场景后发现非常好用。6.4 关于 AI 辅助披露的最后提醒多数主流期刊和高校对 AI 辅助写作都有明确要求要么完全禁止要么要求声明使用了哪些 AI 工具、用在了哪些环节。我的建议是不要心存侥幸在投稿或提交之前主动查清楚相关规定该披露就披露。诚实申报顶多被要求补材料隐瞒一旦被发现就是严重的诚信问题。这个底线守住了用 agent 提效的收益才是干净的。我自己现在写技术报告和学术论文依然在用这套 agent 工作流。说句掏心窝的话它并没有让我彻底躺平反而让我把省下来的时间全花在了真正重要的思考和研究上。如果你也想上手不用一上来就搭完整流程先从让一个研究员 agent 帮你查文献开始跑顺了再加写作 agent最后再加审稿 agent一步步来。这套东西的可贵之处是让你终于有余力去死磕论文里最值得死磕的那部分。