科研码农全家桶——自用总结

身为一个计算机领域的科研民工，两年多的搬砖生涯让我深切地体会到趁手的工具对效率的提升。因此，在此稍微总结一些有用的工具集，以及其中仍有待提高的一些挑战。

Intro: 任务分类

宏观上说，总结的是我在计算机领域做科研所用到的工具。但从整个科研的流程上，依然可以分解出许多的子任务。而每个子任务又有着很大的区别，适用的工具自然也有所差异。因此，首先总结一下到底有哪些子任务，再对应整理相应的工具。

• 搜索：找资料是开始一个项目的第一步，只有总结了前人的工作之后，才能开始新的研究。
  • 学术搜索：首先要解决的问题就是，去哪里找论文。
  • 论文整理：论文归档工具可以快捷地整理论文，并且方便创建参考文献。
• 编程：想法总是要实现出来的。
  • 代码编写：第一步，写出代码。
  • 远程执行：把它在集群上跑起来。
  • 多人协作：一群人一起完成项目时如何同步。
• 写作：把有用的想法整理出来。
  • 正文：写作本身很难，好的工具能排除掉写作之外的问题。
  • 实验：处理数据和画图，很多时候并不像想象中那么容易。

搜索

学术搜索

众所周知，不要用国内的搜索引擎。最次也应该用bing。但对于学术搜索，需要更专业的搜索工具。

搜索引擎

Google Scholar 是最常用的，可以方便地找到需要的文献。

dblp 在计算机领域会更全一点，提供的bibtex引用也更完整，但比较慢。

中国知网 (cnki.net) 不只可以拿来查中文文献，还可以查专利。

Stack Overflow 不要再用CSDN了！

辅助网站

ccf-deadlines (ccfddl.github.io) 整理了各会议的DDL。

Sci-Hub (hkvisa.net) 自由地获取文献。

浏览器插件

Google 学术搜索 PDF 阅读器 在使用浏览器打开pdf文献时，支持通过点击引用自动弹窗显示Google Scholar的搜索结果。

CCFrank - Microsoft Edge Addons 可以在学术搜索引擎中显示搜索结果所发表会议/期刊的CCF评级。

论文整理

Zotero 是一款很好用的整理软件。当然，在加装了对应的浏览器插件之后才完整，拉满常用插件才算完全体。

官网的教程有点难用，可以基于 Zotero 中文小组 上手这个软件，他们也提供了一系列插件的整理。

编程

代码编写

IDE根据编程语言的不同而不同。作为主力Java的开发者，首选的IDE自然是 IntelliJ IDEA 。学生党可以白嫖教育优惠。

除了常用的编程语言，临时使用其他语言的最优IDE大概是 Visual Studio Code 。这同样也是个插件大于本体的软件，插件可以很方便地在IDE自带的商店里下载，按需取用即可。

快速上手不熟悉的语言，推荐使用 菜鸟教程 。

远程执行

理论上，连接个终端就可以远程执行了。如果需要图形化的操作体验，使用VSCode的远程插件即可，可以进行文件传输和可视化管理、编辑。

如果有个人用户，把终端的shell配置成omz可以优化体验，参照 zsh 安装与配置 这个教程。

多人协作

多人协作的最佳选择毫无疑问是 GitHub ，当然可能有人会更喜欢 Gitee ，毕竟访问起来更方便。

Git的使用可以参考菜鸟教程或 Git教程 - 廖雪峰的官方网站 (liaoxuefeng.com) 。

写作

正文

文字写作

Overleaf 可以用于方便地Latex写作，不需要本地部署环境，而且还支持方便地多人协作。

Word偶尔也会被用到。在Word里加参考文献一般用交叉引用，但很难用。

需要一个能和原生交叉引用无缝切换的加参考文献方案

Typora 是本地记笔记的首选，markdown兼顾便利和格式美观，很适合记笔记和作不那么严肃的写作（比如写博客）。有钱可以直接入正。没钱找找它1.0之前的版本，只要不升级，那些版本是不用钱的。或者用其他编辑器平替，但目前还没找到能和其0.9版本匹敌的markdown编辑器。

Notion 支持比markdown更复杂的格式，其大量模板有效扩展了它的应用场景。我目前用它进行更复杂情况下的材料整理和日程安排。它甚至可以多人协作。

语法纠错使用 Grammarly ，除了多端的软件可用于本地纠错之外。也有Overleaf插件可以直接在Overleaf的文档上纠错。

LLM出现之前，翻译我会推荐DeepL。但有了大模型，翻译首选自然是大模型。

在我所在的实验室里，画图最方便的工具是PPT，但与其他软件不同。画图软件的选择很大程度上取决于同实验室的环境，以方便协作。画图导出的PDF可以用我之前写的 脚本 裁白边（Windows环境），Mac环境似乎有自带的方法。

实验

无论是数据处理还是实验画图，用下来最方便的工具还是Python。更严格的说，是Jupyter Notebook。使用Jupyter Notebook+VSCode的组合，实现近所见即所得的数据处理和画图。

可以通过anaconda+VSCode的Jupyter Notebook的方式快捷部署环境。

使用Python的Pandas处理数据，数据导出成csv或者excel，excel都能打开。

plt画图，在Jupyter Notebook中可以很方便地渲染结果和调整。plt实际支持非常丰富的语义，可以满足各种需求，但其中很多在搜索引擎里是找不到的。之前我会建议去看文档，但现在大模型基本上可以告诉你这个需求转成代码怎么写。在有基础知识的情况下，数据处理同样也可以交给大模型。