人工智能正在将"单枪匹马做科研"的传统模式彻底改写。今天的科研工作者，完全可以拥有一位——甚至是一支——24小时在线、不知疲倦、各司其职、协同进化的AI科研伙伴。它可以替您穿梭于多平台捕获文献线索，从PDF中精准提取图表与核心数据，执行统计分析与空间建模，绘制专业科研图示，整理Meta分析证据链——而本课程要做的，不只是教您使用这些AI工具，更是手把手带您搭建一支由Codex、Claude Code、OpenClaw、Hermes四位"AI研究员"组成的协作团队：Codex负责代码执行与产物生成，Claude Code担当技术审查与逻辑把关，OpenClaw编排跨工具、跨平台的复杂流程，Hermes则全程沉淀项目记忆与证据上下文。四者通过Skill技能封装、MCP工具连接、Hook运行日志、Memory记忆沉淀、Agent Team任务拆解等技术组件深度耦合，形成一套可运行、可迭代、可迁移的科研助手系统。让助手承担执行性工作，研究者回归学术判断与创造性思考。

  本文深层价值在于"逐章增厚"的进化机制——随着Codex、Claude Code、OpenClaw、Hermes四Agent的协同推进，文献管理、数据提取、分析建模、科研图示、材料组织与成果传播被逐一串联为一条完整的科研工作流，每一章的产出都通过Command指令包和Hook日志回写至Obsidian项目知识库。随着推进，您的助手不断积累能力、记忆与工作范式，最终形成一套跨学科通用、可直接迁移至个人课题的完整资产包：包含项目目录结构、四Agent分工配置、可复用Command指令集、Skill/MCP连接方案、复核清单与质量控制流程。

收获：

1.专属的AI科研团队——掌握Codex、Claude Code、OpenClaw、Hermes四Agent协同分工与部署配置，拥有24小时在线、各司其职的科研协作伙伴。

2.贯通的科研自动化链路——从文献线索归档、PDF深度提取、数据分析与建模，到科研图示生成、Meta分析、论文材料组织与成果传播，全流程跑通。

3.持续进化的项目知识库——通过逐章回写Obsidian，积累Command指令、Skill技能、Hook日志与Memory记忆，让助手随您的研究不断"增厚"。

4.跨学科复用的科研资产包——项目目录模板、复核清单、质量控制流程、成果迁移模板，可直接用于个人课题或团队项目。

5.高效的科研工作范式——建立"Agent执行、人工复核、参数留痕、版本管理"的规范习惯，让重复性工作交给AI，您聚焦学术洞察与创新思考。

6.长期陪伴的科研伙伴——与来自不同学科的学员共同探讨四Agent在科研中的应用经验。