模块一：Claude Code科研环境搭建
1、Claude Code安装验证与模型选型（Opus/Sonnet/Haiku的成本与能力权衡）
2、CLAUDE.md：用一个配置文件教AI理解你的项目背景和规范
3、Memory系统：跨对话保持研究上下文（方向、数据、发现）
模块二：数据获取与自动化分析
1、用Claude Code生成数据下载脚本（API/FTP/Web多种方式）
产出：下载脚本
2、数据清洗：缺失值、异常值、格式转换（NetCDF/HDF5/CSV/Excel）
3、自然语言→分析脚本：描述研究假设，Claude Code自动设计分析方案
4、统计检验：Bootstrap CI、Cohen's d效应量、多重比较校正
模块三：科研绘图
1、投稿级图表标准（字体、DPI、配色、error bars）
2、常见图表类型实操：scatter、heatmap、bar+CI、时间序列
3、多panel组合图：gridspec布局与统一配色
模块四：论文初稿自动生成
1、论文结构设计：Title → Abstract → Intro → Results → Discussion → Methods
2、Results：Claude Code读取JSON结果，生成带精确数字的段落
3、Discussion：机制解释、文献对比、局限性
产出：Discussion初稿
4、Introduction：背景、知识空白、本文贡献
产出：完整初稿v1
模块五：AI伦理与期刊政策
1、主流期刊的AI使用政策（Nature/Science/Elsevier/ACS/AGU最新规定）
2、AI辅助写作的披露规范：哪些必须声明、怎么声明
3、数据隐私与保密：什么数据不能上传到云端API
4、可复现性：Prompt日志、环境版本
模块六：Codex首次审稿
1、Codex CLI配置与使用方式（consult模式发送审稿请求）
产出：可用的Codex环境
2、把论文初稿发给Codex：要求打分、列弱点、找overclaim
产出：首次审稿报告（预计4-6/10）
3、解读审稿意见：overclaim、missing citations、statistical gaps
模块七：双AI迭代改进
1、Round1：修复措辞（confirms→supports, rules out→argues against）
Codex审查：重新打分
预期变化：+1-2分
2、Round2：补引用、加统计检验、完善limitations
Codex审查：再次审稿
预期变化：+1分
3、Round3：针对性修复剩余弱点
Codex审查：终审
模块八：Claim校准------让两个AI交叉质询
1、Claude和Codex分别评估核心结论的可信度，对比分歧
产出：双方评分对比
2、根据交叉质询结果调整论文claim强度
模块九：审图+ 投稿文件生成
1、Codex审图：标签、单位、配色、可读性
产出：审图报告
2、修图：去夸张标题、加error bars、colorblind-safe配色
产出：终版图表
3、Claude Code生成DOCX（嵌入图表）
产出：论文DOCX
4、引用格式化（Nature-style/APA/国标，按目标期刊选择）
产出：引用列表
5、Cover Letter自动生成
模块十：实操+ 进阶路径
1、用自己的数据/课题跑一遍核心流程（分析→初稿→Codex审稿）
2、共性问题
3、进阶路径概览