《打造AI科学家：DeepSeek与ChatGPT应用实战手册》是一本写给科研工作者的AI科研助理使用指南，以人工智能技术赋能科学研究为核心，聚焦Deepseek与ChatGPT两大工具，系统构建从理论研究到实践操作的完整知识框架。全书以社会科学研究流程为主线，围绕文献处理、数据获取、分析可视化、成果输出四大核心环节展开，通过具体的场景化案例展现AI技术的赋能路径。结构设计采用双工具并行对比的视角：DeepSeek篇深入解析其技术生态与本地化部署能力，覆盖文献自动化综述、虚拟样本生成、公式推导等深度应用场景；ChatGPT篇聚焦其自然语言交互优势，针对代码生成、多语言翻译、学术写作润色等高频需求提供即用型解决方案。

　　《打造AI科学家：DeepSeek与ChatGPT应用实战手册》主要面向社会科学领域的研究者与实践者，尤其适合缺乏编程基础却需处理海量文献、复杂数据的学术群体。人文社科方向的本硕博学生可通过书中提供的对话式指令模板，快速掌握AI实用技能，突破论文写作技术瓶颈；青年教师与资深学者则可资本书以探索计算社会科学与传统研究范式的融合路径。本书尤宜作为开设“数字人文”“社会科学研究方法”等交叉课程的实训教材，引导学生构建人机协同思维。

编者自序

DeepSeek篇5

第1章DeepSeek入门5

1.1大语言模型简介6

1.1.1技术原理6

1.1.2技术生态7

1.1.3 DeepSeek：开放生态的新星8

1.2 DeepSeek系列模型概述9

1.2.1模型架构9

1.2.2性能优势10

1.3 DeepSeek网页应用与本地部署11

1.3.1 Web界面11

1.3.2使用本地客户端12

1.3.3本地部署13

1.4 DeepSeek的API接口16

1.4.1基础功能调用16

1.4.2高级功能实现17

1.5 DeepSeek的提示词工程21

1.5.1一般性原则21

1.5.2提示词示例22

1.6 结语24

第2章DeepSeek与文献阅读25

2.1大语言模型辅助文献阅读与翻译26

2.1.1 Zotero 安装与推荐插件配置26

2.1.2文献阅读：GPT 插件安装与 API 配置26

2.1.3文献翻译：Translation for Zotero 插件安装与 API 配置31

2.2大语言模型协助生成文献综述33

2.2.1方法一：使用Zotero中的大模型插件生成文献综述33

2.2.2方法二：使用DeepSeek协助生成文献综述34

2.3使用DeepSeek协助生成思维导图37

第3章DeepSeek与调查研究40

3.1调查研究数据收集过程41

3.1.1问卷整体设计41

3.1.2问卷题目设计44

3.1.3问卷质量评估48

3.2调查研究数据清洗过程50

3.2.1变量筛选50

3.2.2样本取值的编码51

3.3 DeepSeek辅助进行实验研究53

3.3.1 DeepSeek辅助进行样本抽取53

3.3.2 DeepSeek辅助进行实验干预设计54

3.4小结61

第4章 硅样本的生成：系统仿真62

4.1人工智能体（AI Agent）简介63

4.2 技术基础与常见工具63

4.2.1技术基础63

4.2.2常见平台介绍65

4.3环境设定67

4.4实验运行与数据收集68

4.4.1实验运行68

4.4.2数据收集70

第5章DeepSeek与文本数据73

5.1数据抓取74

5.1.1分析网页结构74

5.1.2编写爬虫代码75

5.2数据特征提取78

5.2.1命名实体识别78

5.2.2复杂事件抽取81

5.3数据标注84

5.3.1封闭域标注任务：以情感极性为例85

5.3.2开放域标注任务：以主题提取为例88

5.4 小结90

第6章DeepSeek在数据分析中的应用92

6.1数据提取与分析支持93

6.1.1数据清洗与预处理93

6.1.2统计分析支持与结果解读97

6.1.3数据特征提取与模式识别100

6.2代码生成与优化101

6.2.1代码生成101

6.2.2功能增添103

6.2.3代码纠错105

第7章DeepSeek与研究成果呈现：校对 翻译 辅助撰写基金108

7.1研究成果辅助校对109

7.1.1文本预处理109

7.1.2校对及语境审查110

7.1.3事实核查与数据验证111

7.1.4逻辑一致性检查112

7.2研究成果辅助翻译113

7.2.1角色预设113

7.2.2术语库支持114

7.2.3翻译记忆115

7.3辅助撰写课题申报书116

7.3.1选题价值挖掘116

7.3.2申报书结构化生成117

7.3.3模拟专家评审118

7.4小结118

ChatGPT篇120

第8章ChatGPT 简介与提示词工程120

8.1 OpenAI’s GPT简介121

8.1.1 GPT：生成式预训练变换器121

8.1.2 ChatGPT：专注于对话生成的应用121

8.1.3 ChatGPT对普通民众和社会科学研究的帮助122

8.1.4 ChatGPT的使用122

8.1.5小结125

8.2提示词工程125

8.2.1什么是提示词工程125

8.2.2基础概念126

8.2.3约束回答范围130

8.2.4提供回答参考133

8.2.5明晰问答结构137

8.2.6其他提示词优化技巧142

8.3总结145

第9章ChatGPT与理论构建147

9.1知识管理与观点形成148

9.1.1传统的知识管理流程148

9.1.2卡片笔记理论（Zettelkasten）150

9.2后工具时代的知识管理151

9.2.1减少知识收集的时间152

9.2.2 AI如何辅助我们思考154

9.3对当下工作流的看法159

9.3.1知识管理工具的演进与应用159

9.3.2社科研究者的一般性工作流159

9.3.3 AI技术对知识管理流程的影响161

9.4总结162

第10章ChatGPT与研究数据获取、数据清洗163

10.1数据获取164

10.1.1使用API接口获取数据164

10.1.2使用爬虫获取数据166

10.2数据清洗169

10.2.1数据框数据清洗169

10.2.2文本数据清洗174

10.3 Copilot插件安装179

10.3.1在Visual Studio中安装Copilot179

10.3.2在RStudio中安装Copilot180

10.4小结180

第11章 大模型辅助的硅基样本生成182

11.1从碳基样本到硅基样本183

11.2硅基样本的方法原理184

11.2.1算法保真：硅基样本的信度保障184

11.2.2操作策略：基于角色设定的智能体设计185

11.3硅基抽样的操作：以EDSL为例185

11.3.1概念框架185

11.3.2准备工作187

11.3.3问题设计188

11.3.4使用基于角色设定的智能体开展调查191

11.3.5问卷调查进阶：顺序、记忆与场景193

11.4小结199

第12章 数据处理203

12.1引言204

12.2数据标注205

12.2.1情感分析205

12.2.2主题建模207

12.3缺失值插补209

12.3.1基于单行的插补210

12.3.2基于数据微调的插补211

12.4大规模的数据处理211

12.5质量评价213

12.5.1评估标准213

12.5.2评估方法214

12.6小结217

第13章 ChatGPT与研究数据分析220

13.1研究数据分析概述221

13.2非结构文本数据的结构化221

13.2.1自动摘要与关键信息提取222

13.2.2语义分类与标注223

13.2.3结构化数据表格生成225

13.3数据可视化227

13.3.1常见的研究数据可视化类型228

13.3.2使用 ChatGPT 生成并优化图表228

13.3.3动态与交互式图表生成231

13.3.4 LaTeX 表格生成235

13.2.5在社会科学研究中的定制化图表应用236

13.4编写代码与数据分析自动化240

13.4.1使用 ChatGPT 生成代码241

13.4.2 debug 代码优化与错误调试242

13.4.3实践案例：使用 ChatGPT 自动化数据分析过程243

13.5总结244

第14章 ChatGPT与研究成果呈现246

14.1文本校对与润色247

14.1.1基本语法与拼写校对247

14.1.2学术语言润色248

14.1.3确保论文逻辑性与连贯性250

14.2多语言翻译与验证修改253

14.2.1学术文本的准确翻译254

14.2.2翻译结果的验证与修正255

14.2.3多语言翻译的质量控制259

14.3成果呈现的自动化与批量处理263

14.3.1使用API实现批量文本校对263

14.3.2自动化翻译多文档265

14.3.3生成格式化输出（如表格或参考文献）267

14.4数据的隐私保护与合规性268

14.4.1研究数据的隐私保护与合规性268

14.4.2 ChatGPT 使用中的数据加密与存储要求269

14.5总结269