Meta分析作为整合多项研究证据、提供高级别循证依据的核心方法，其传统流程往往受限于文献检索繁琐、筛选耗时、统计代码复杂及结果解读主观等多重瓶颈，导致一项完整的Meta分析从设计到产出常需数周甚至数月。随着AI Agent技术的突破性进展，以Hermes为代表的智能科研助手正重塑这一工作流，将原本割裂的PICOS设计、文献检索、AI筛选、效应量计算、统计建模与结果写作整合为一条高效、可复现的自动化链路。这个教程将摒弃"黑箱式"工具教学，聚焦"Hermes Agent部署→PubMed/Semantic Scholar自动化检索→AI辅助标题摘要筛选→数据提取与效应量计算→DerSimonian-Laird随机效应模型实现→亚组/敏感性分析→Skill封装与个人科研智能体构建"的全流程核心技术。我们将结合9项真实RCT研究数据，手把手带您完成从检索式生成到4张投稿级图表（森林图、漏斗图、亚组分析图、敏感性分析图）的完整产出，并演示如何通过Skill封装实现"输入CSV一键出图出报告"的长期复用能力，助您建立起一套规范、高效且可进化的AI驱动Meta分析工作流，让原本需要两周的工作压缩至两天甚至更短时间，为您的科研创新与高水平成果产出提供坚实的技术支撑。
Hermes部署 + AI辅助文献检索与筛选
产出：Hermes科研环境 + 检索脚本 + 筛选结果 + 数据提取表
模块一、 Hermes Agent部署与科研配置
1、Hermes安装→模型接入（DeepSeek/OpenAI/Anthropic）→验证运行
2、模型选择策略：Opus写作/Sonnet编码/Haiku批量筛选/Ollama本地
3、配置USER.md：让Hermes从通用助手变成"你的课题组成员"
4、备用方案：Claude Code替代+预录数据集兜底
模块二、 PICOS设计与检索策略
1、AI辅助检索策略设计：Hermes生成PubMed检索式+MeSH词扩展
2、检索式逻辑完整性检查
3、其他学科案例展示（大气科学、心理学、教育学）
模块三、 AI自动化文献检索与初筛
1、PubMed Entrez API批量检索（Biopython） 产出：检索脚本
2、Semantic Scholar补充检索 + 去重合并
3、AI辅助标题摘要筛选（逐篇判断+排除理由） 产出：筛选CSV
4、PRISMA 2020流程图生成（matplotlib动态计算）
模块四、 数据提取与效应量计算
1、数据提取表设计+AI辅助PDF数据提取
2、效应量计算：均数差(MD)+标准化均数差(Hedges'g，含J校正)
3、使用课程真实数据（9项RCT/12臂，含Church 2010三臂试验说明）
统计分析 + Skill封装 + 个人落地
产出：4张投稿级图表 + 统计Skill + Results段落 + 个人方案
模块五、 Meta-Analysis统计分析
1、DerSimonian-Laird随机效应模型（手动实现5步算法，纯numpy）
2、异质性检验：Q统计量、I²、τ²产出：统计报告
3、森林图：权重方块+合并钻石+数值标注（纯matplotlib）
4、亚组分析：按运动类型分组+组间异质性Q_between
5、漏斗图+Egger加权回归检验（正确WLS实现）
6、Leave-one-out敏感性分析 产出：4张投稿级图表
模块六、 Skill封装与Hermes进化
1、将全套统计流程封装为Hermes Skill（输入CSV一键出图出报告）
2、Hermes自动优化Skill+团队共享方式
3、MCP扩展简介：Zotero文献管理、批量读PDF
模块七、 AI辅助结果解读与写作
1、Hermes自动解读统计输出→生成Results段落初稿
2、标准学术句式模板（效应量+CI+P值+异质性描述）
3、AI写作边界：擅长格式化结果描述，需人工核验数值和引用
模块八、 综合演练与个人落地
1、两天流程回顾：PICOS→检索→筛选→提取→统计→解读
2、学员自选题实操（60分钟）：用自己的选题走全流程
3、Hermes长期维护方案：持续进化+Skill积累
4、Q&A+课后资源发放。