AI科研应用教程：用Python把文献摘要与数据整理串成半自动流程
科研场景里想用AI，最常见的需求不是训练模型，而是让大模型帮忙读摘要、提取实验参数、把零散数据整理成表格。
这篇 AI+科研应用教程按“能直接跑起来”的方式，讲清用 Python 脚本把文献文本、提示词模板和模型接口串成半自动流程，适合零基础但愿意照着敲命令的研究生和实验人员。
先确认你手头有什么
开始前需要三样东西：一台能联网的电脑（Windows、macOS 或 Linux 均可）、Python 3.8 以上环境、以及一个大模型接口的 API Key。
检查 Python 版本：
python3 --version如果提示命令不存在，Windows 用户可在安装 Python 时勾选“Add Python to PATH”，Linux 用户用 sudo apt install python3 python3-pip 补齐。
接着安装两个依赖：
pip3 install requests python-dotenvrequests 用来发 HTTP 请求，python-dotenv 用来把密钥从代码里挪到环境变量文件，避免误传。
密钥不要写死在脚本里，新建一个 .env 文件：
OPENAI_API_KEY=你的密钥并在脚本开头用 load_dotenv() 读取。
科研数据常涉及未发表内容，调用前先确认所用接口的隐私条款和数据留存政策，敏感数据建议脱敏或改用本地部署模型。
写一个能复用的摘要脚本
核心思路只有三步：读入文本、拼提示词、发请求并把结果写进文件。
下面是最小可用脚本 paper_summary.py：
import os
import requests
from dotenv import load_dotenv
load_dotenv()
API_KEY = os.getenv("OPENAI_API_KEY")
URL = "https://api.openai.com/v1/chat/completions"
def summarize(text):
prompt = f"请用中文提炼以下文献的研究问题、方法、主要结论和局限，分点输出，不超过200字：\n{text}"
resp = requests.post(
URL,
headers={"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"},
json={"model": "gpt-4o-mini", "messages": [{"role": "user", "content": prompt}]},
timeout=60,
)
resp.raise_for_status()
return resp.json()["choices"][0]["message"]["content"]
if __name__ == "__main__":
with open("paper.txt", encoding="utf-8") as f:
content = f.read()[:6000]
print(summarize(content))把文献的摘要和引言复制到同目录的 paper.txt，
运行 python3 paper_summary.py，
终端会输出结构化摘要。[: 是防止输入超长被接口拒绝的简单截断，
6000]
正式使用时建议按段落切分再逐段请求，
避免丢掉关键结论。
如果要做批量处理，把文件名列表放进一个 papers.txt，循环读取并写入 result.csv，字段用“文件名、摘要”两列，方便后续在 Excel 里筛选。
常见报错怎么定位
401 或 403：密钥无效或没有权限，检查 .env 是否被正确加载，可在脚本里临时 print(API_KEY[:6]) 确认前几位。
429：请求频率超限，接口通常有每分钟调用次数限制，在循环里加 time.sleep(3) 拉开间隔。
返回内容为空或乱码：先看 resp.status_code 和 resp.text，多数是请求体 JSON 格式不对，例如引号嵌套没转义。
中文乱码：写入文件时统一用 encoding="utf-8"，Windows 终端可执行 chcp 65001 切换编码后再运行。
结果验证与使用边界
拿到摘要后不要直接引用。
用三步复核：对照原文看研究问题是否被准确概括、检查方法描述有没有遗漏关键参数、确认结论里的数值和单位与原文一致。
大模型可能补全不存在的文献细节，任何要写进论文的内容都必须回到原文核对。
这套流程真正省时间的地方在于初筛：几十篇文献先批量生成摘要，人工只精读其中相关度高的几篇；
实验数据整理同理，让模型按统一字段输出表格，再人工抽检。
把它当成加速器而不是替代品，科研判断仍然由你完成。
几个容易踩的坑
不要把整篇 PDF 直接贴进请求，多数接口有输入长度上限，且 PDF 复制常带页眉页脚噪声，先清理正文再送。
密钥文件 .env 不要提交到 Git，在 .gitignore 里加一行 .env。
批量跑之前先用两三篇样本验证提示词稳定性，再扩大规模，否则返工成本比手工还高。
最后，涉及人体、临床或受控数据时，先走单位的数据合规流程，不要为了省事绕过审批。
