番外篇
补上那些课本不教但相当实用的干货
番外篇导读
番外篇补充编程、科研和 AI 实践中课本不一定覆盖的工具与方法。内容参考了 23 级王童曦学长的科研生存手册，建议按自己的需要选择，不必一次全部学完。
一、编程基础工具
从大一 C++ 到毕业设计，编程贯穿未院四年。写 C++、跑 Python、调 MATLAB，每一门课背后都是一个编辑器窗口。
1. 代码编辑器 / IDE
写代码的工具分两类。编辑器（VS Code、Sublime）轻量灵活，本体只负责写代码，编译调试靠装扩展；IDE（Visual Studio、PyCharm）把写代码、运行、调试打包在一起，开箱即用但体量大。随着技术发展，两类工具的边界越来越模糊，而 AI 编程助手更是改写了游戏规则。常见工具怎么选，见下方卡片。
2. Git 与 GitHub / Gitee
写课程作业时，最常见的情况是：代码改了几轮，突然发现昨天还能运行的版本不见了；小组合作时，又需要把自己的修改交给别人。Git 解决的是“怎么留下可靠版本”，GitHub 和 Gitee 解决的是“怎么把版本放到远程仓库并和别人协作”。可以先这样理解：Git 是电脑里的版本档案，GitHub / Gitee 是放在网上的项目仓库。安装、配置与日常操作见下方卡片。
推荐入门视频：Git+Github 核心概念大串讲，从零到一，动画讲解加实战演示。
3. 开发环境
第一次写 C++ 或 Python 时，大家容易把“能不能运行”归因于代码本身。实际却常常是编译器、Python 版本、项目依赖、文件权限或操作系统没有配合好。开发环境不是某一个软件，而是让代码能够写、跑、调试和复现的一整套基础设施。
先认识这几层之间的关系：操作系统提供运行基础；语言运行时和依赖让具体项目能够启动；编辑器和终端负责操作项目；远程环境与 SSH 让你可以使用另一台电脑或服务器。怎么搭起一套最小可用的开发环境，见下方卡片。
二、学习与记录
编程和科研不只是“会做”，还要能找到资料、读懂别人的成果，并把自己的理解保存下来。这一部分从共同写作格式、知识管理和论文研读开始。
1. Markdown
你在 GitHub 的 README、Obsidian 笔记、项目文档或 AI 输出里，都会遇到 Markdown。它不是一个单独的软件，而是一种用纯文本组织标题、段落、列表、代码和链接的共同格式。
它值得尽早学，是因为同一份内容可以在不同平台之间迁移；写作过程不依赖鼠标排版，修改记录也容易被 Git 和 AI 读取。对学生来说，Markdown 是连接代码、笔记、项目文档和科研记录的一座桥。语法速查与练习入口见下方卡片。
2. Obsidian
笔记最难的不是记，而是之后能重新找出来。Obsidian 管“自己的知识网络”：笔记是存在本地的 Markdown 文件，用双向链接把不同论文、课程和想法连接起来。先读懂内容，再整理进 Obsidian；需要正式写作时，再把整理好的内容转成文档。重点不是工具越多越好，而是让“找到—理解—记录—引用”不会在中途断掉。
3. 论文研读
论文不是“从第一页读到最后一页”的长文章，而是对一个问题提出方法、给出证据并接受讨论的研究记录。刚接触一个方向时，先判断它研究什么、为什么这样做、证据是否支持结论，再决定哪些部分值得精读。
论文研读页面会把这条路径拆开：从检索和筛选开始，进入问题、方法、实验与结论，再把读懂的内容整理成可复用的文献笔记。你不需要一开始就掌握所有数据库和工具，先学会看懂一篇论文的骨架即可。
三、AI 入门
AI 产品名称很多，但它们不在同一层。聊天窗口背后可能只是一个大语言模型；当系统还能读上下文、调用工具、分解任务并在过程中反复检查时，它才更接近 Agent。这一节先理解 LLM 与 Agent 的关系，再认识主流产品和学习入口。
1. LLM 与 Agent：员工和主管
可以先记成一句话：LLM 是“员工”，Harness 是“工作制度和工具箱”，Agent 就是“主管 + 这些工作机制”。 LLM 负责“做出回答”，Agent 负责“组织回答并把事情往下推进”。概念对照、AI IDE 和常用术语（Prompt、Context、Token、Skill、MCP）见下方卡片。
2. 主流 AI 与学习平台
下面列的是市场上的常见代表，不是完整排行榜；模型版本、名称和可用入口会持续变化。GPT、Claude、Gemini 这些是模型系列；ChatGPT、Kimi 等还可能指面向用户的应用；Codex、Claude Code 等则是使用模型完成连续任务的 Agent。
认识产品之后，还需要知道去哪找模型、去哪学：Hugging Face 是 AI 社区的中心仓库，模型权重、数据集和在线 Demo 都集中在上面；Datawhale 是国内的开源学习社区，用免费课程和组队学习带人入门。具体产品和用法见下方卡片。
四、成果输出
学到的知识最终要变成能被别人阅读、运行或复现的成果。论文、图表、网站和数据分析结果看起来不同，但都需要把内容、结构、工具和结果连接起来。
1. LaTeX 排版
LaTeX 把“内容结构”从手工排版中分离出来：你维护源文件，工具负责生成最终呈现。它主要维护学术文档、章节、公式、引用和编号，适合论文、长篇报告、格式要求稳定的成果；源文件适合放进 Git，方便协作修改。
2. Mermaid 图表
Mermaid 把图表变成文字：用文本描述流程、时序、状态和系统关系，工具负责渲染成图。它适合项目文档、方案说明、结构梳理；源文件同样适合放进 Git，方便协作修改。
3. Origin
实验课或科研训练中，你会拿到一批测量数据，需要清理、比较、拟合，再把结果做成一张能放进报告的图。Origin 就是为这类“数据处理 + 科学绘图”准备的桌面工具。它保留了表格软件的直观操作，又比普通表格工具更靠近科研分析和出图。获取方式、基本流程与避坑见下方卡片。
4. 科研绘图
科研绘图的核心不是把颜色调得漂亮，而是让读者看出变量之间的关系、实验有没有支持结论，以及结果能不能被重新生成。工具选择取决于你更看重交互操作、计算能力，还是批量复现，对比见下方卡片。
5. 网站部署
在电脑上打开的 localhost 只是本地预览，别人无法通过这个地址看到你的项目。网站部署，就是把本地代码整理成可运行或可托管的结果，放到公网环境，再通过稳定地址交给别人访问。静态托管适合快速展示前端项目；需要后端、数据库或自定义运行环境时，应使用服务器部署。