Evilom
11 KiB
QlJydJMAQoLN0KxyWeMcRhCcnub
Source: https://fcnlycv6dd0w.feishu.cn/docx/QlJydJMAQoLN0KxyWeMcRhCcnub
一、工作内容概述
二、论文推进方案
（一）Claude Code 长文档读取与材料提取测试
用 Claude Code + Claude 模型，并结合 ARS 学术研究插件的规划与审查思路，直接读取文字版开题报告（64页）及教授反馈材料，测试对长文档的结构提取能力。任务目标是提取研究主题、研究主线、章节结构、数据与实验设计、文献补强方向和后续推进重点。 结果显示，模型能够读取并整理较长 PDF 材料，也可以输出结构化结果，具备一定的长文档处理和任务拆解能力。但第一次输出中也出现了明显偏差： 这说明，Claude Code + Claude 模型 + ARS 插件组合适合用于长文档辅助整理、结构提取和任务拆解，但不能完全依赖模型自行归纳研究主题和主线。更稳的方式是： 先设定研究口径 → 再读取材料 → 输出提取结果 → 人工校准 → 分模块生成方案 → 再进行审查修订。
（二）制定论文推进方案
正式论文推进方案采用 “生成—审查—修订” 的方式完成 先由 Claude Code 基于已整理的开题报告材料、反馈意见和前置提取结果，生成《正式论文推进总方案》V1.0 的目录框架和分模块草稿。然后调用 ARS 的 Reviewer / 研究计划审查能力 对不同部分进行轻量审查，重点检查模块拆解是否合理、数据与实验计划是否可执行、七机制变量映射是否准确、文献补强是否覆盖关键方向，以及是否存在遗漏任务或进度风险。 根据审查意见，再对原始草稿进行针对性修订，形成 v0.2 版本。整体流程为： 这种方式比一次性生成完整方案更稳定。它能够更早发现机制边界、变量口径、数据字段、模型解释和进度安排中的风险，也更符合目前正式论文推进的实际需求。 后续将以该推进方案作为执行框架，并根据数据、实验进展和导师反馈进行调整。
第一阶段重点与主要突破
第一阶段主要是先跑通正式论文最核心的研究链路：规则条款 → 机制维度 → 变量映射 → 综合投入 → 模型解释
▪️
实验对象的选择问题
讨论**：原本计划聚焦“烽火逐盟”竞赛活动进行分析，但进一步讨论后发现，单一活动未必能够完整呈现论文预期中的规则机制、投入结构和治理问题。如果只基于一个活动开展实验，后续可能存在代表性不足或机制识别偏差。 调整：**决定先选取 3 个具有代表性的团体竞赛活动做小范围对比分析，分别观察其规则条款、机制变量、综合投入构造和模型结果表现。通过这次小实验，判断哪个活动更适合作为正式论文的核心实证场景，或是否需要采用“一个主活动 + 其他活动补充验证”的方式推进。
三、论文文献知识库
（一）工作内容概述
围绕研究主线，建立一个可分类、可检索、可调用、可持续更新的文献知识库。 **问题：**正式论文写作过程中，文献提取、引用和调用是一项非常耗时且重复的工作。不同章节都需要反复查找理论依据、经典文献、变量定义、方法说明和相关研究结论。 **应对：**考虑借助 AI 工具搭建一个支撑写作的文献知识库。主要围绕论文主线，将核心文献按模块整理，并形成可检索、可归类、可提取、可追溯、可辅助引用的结构化资料。
（二）解决的问题
（三）初步建设方式
本地 PDF 文件夹 + Zotero 文献管理 + Markdown 文献卡 + NotebookLM/AI 知识库 + 章节映射表
- 本地 PDF 文件夹：保存原始论文
- Zotero 文献管理工具：管理作者、年份、标题、期刊、DOI、标签和参考文献格式
- Markdown 文献卡：整理每篇核心文献的研究问题、方法、核心结论、适用边界和可用于论文的位置
- 章节映射表：标注每篇文献可用于正式论文的哪一章、哪一节、哪个论点
- **NotebookLM/AI 辅助整理：**帮助进行文献摘要提取、观点归类、章节匹配、理论脉络梳理和写作调用（参考千山AI培训分享内容）
（四）模块划分
根据研究课题报告，先划分为以下八个模块：
（五）阶段性完成内容
主要围绕开题报告中已引用的核心参考文献，开展论文文献知识库的基础搭建，目前已完成第一版框架，后面还需要持续补充和完善。
[嵌入电子表格: N9QqsiikWh4Y6gtNP5cc...]
**文献卡统一命名规则：**REF编号_作者_年份_文献卡.md REF编号与 Excel 文献台账保持一致，便于后续检索、上传 NotebookLM 和章节调用。
▪️ 当前阶段先整理《论文文献知识库》，重点解决正式论文中文献提取、整理、引用和调用的问题。 后续在这个基础上，可以复刻同样的方法，搭建面向公司业务和产品研究的“游戏研究知识库”。用于沉淀游戏规则、竞赛机制、数据字段、变量口径、个体参与心理、用户行为习惯等实验结果和运营治理案例。
一、工作内容概述
二、论文推进方案
（一）Claude Code 长文档读取与材料提取测试
用 Claude Code + Claude 模型，并结合 ARS 学术研究插件的规划与审查思路，直接读取文字版开题报告（64页）及教授反馈材料，测试对长文档的结构提取能力。任务目标是提取研究主题、研究主线、章节结构、数据与实验设计、文献补强方向和后续推进重点。 结果显示，模型能够读取并整理较长 PDF 材料，也可以输出结构化结果，具备一定的长文档处理和任务拆解能力。但第一次输出中也出现了明显偏差： 这说明，Claude Code + Claude 模型 + ARS 插件组合适合用于长文档辅助整理、结构提取和任务拆解，但不能完全依赖模型自行归纳研究主题和主线。更稳的方式是： 先设定研究口径 → 再读取材料 → 输出提取结果 → 人工校准 → 分模块生成方案 → 再进行审查修订。
（二）制定论文推进方案
正式论文推进方案采用 “生成—审查—修订” 的方式完成 先由 Claude Code 基于已整理的开题报告材料、反馈意见和前置提取结果，生成《正式论文推进总方案》V1.0 的目录框架和分模块草稿。然后调用 ARS 的 Reviewer / 研究计划审查能力 对不同部分进行轻量审查，重点检查模块拆解是否合理、数据与实验计划是否可执行、七机制变量映射是否准确、文献补强是否覆盖关键方向，以及是否存在遗漏任务或进度风险。 根据审查意见，再对原始草稿进行针对性修订，形成 v0.2 版本。整体流程为： 这种方式比一次性生成完整方案更稳定。它能够更早发现机制边界、变量口径、数据字段、模型解释和进度安排中的风险，也更符合目前正式论文推进的实际需求。 后续将以该推进方案作为执行框架，并根据数据、实验进展和导师反馈进行调整。
第一阶段重点与主要突破
第一阶段主要是先跑通正式论文最核心的研究链路：规则条款 → 机制维度 → 变量映射 → 综合投入 → 模型解释
▪️
实验对象的选择问题
讨论**：原本计划聚焦“烽火逐盟”竞赛活动进行分析，但进一步讨论后发现，单一活动未必能够完整呈现论文预期中的规则机制、投入结构和治理问题。如果只基于一个活动开展实验，后续可能存在代表性不足或机制识别偏差。 调整：**决定先选取 3 个具有代表性的团体竞赛活动做小范围对比分析，分别观察其规则条款、机制变量、综合投入构造和模型结果表现。通过这次小实验，判断哪个活动更适合作为正式论文的核心实证场景，或是否需要采用“一个主活动 + 其他活动补充验证”的方式推进。
三、论文文献知识库
（一）工作内容概述
围绕研究主线，建立一个可分类、可检索、可调用、可持续更新的文献知识库。 **问题：**正式论文写作过程中，文献提取、引用和调用是一项非常耗时且重复的工作。不同章节都需要反复查找理论依据、经典文献、变量定义、方法说明和相关研究结论。 **应对：**考虑借助 AI 工具搭建一个支撑写作的文献知识库。主要围绕论文主线，将核心文献按模块整理，并形成可检索、可归类、可提取、可追溯、可辅助引用的结构化资料。
（二）解决的问题
（三）初步建设方式
本地 PDF 文件夹 + Zotero 文献管理 + Markdown 文献卡 + NotebookLM/AI 知识库 + 章节映射表
- 本地 PDF 文件夹：保存原始论文
- Zotero 文献管理工具：管理作者、年份、标题、期刊、DOI、标签和参考文献格式
- Markdown 文献卡：整理每篇核心文献的研究问题、方法、核心结论、适用边界和可用于论文的位置
- 章节映射表：标注每篇文献可用于正式论文的哪一章、哪一节、哪个论点
- **NotebookLM/AI 辅助整理：**帮助进行文献摘要提取、观点归类、章节匹配、理论脉络梳理和写作调用（参考千山AI培训分享内容）
（四）模块划分
根据研究课题报告，先划分为以下八个模块：
（五）阶段性完成内容
主要围绕开题报告中已引用的核心参考文献，开展论文文献知识库的基础搭建，目前已完成第一版框架，后面还需要持续补充和完善。
[嵌入电子表格: N9QqsiikWh4Y6gtNP5cc...]
**文献卡统一命名规则：**REF编号_作者_年份_文献卡.md REF编号与 Excel 文献台账保持一致，便于后续检索、上传 NotebookLM 和章节调用。
▪️ 当前阶段先整理《论文文献知识库》，重点解决正式论文中文献提取、整理、引用和调用的问题。 后续在这个基础上，可以复刻同样的方法，搭建面向公司业务和产品研究的“游戏研究知识库”。用于沉淀游戏规则、竞赛机制、数据字段、变量口径、个体参与心理、用户行为习惯等实验结果和运营治理案例。