可能是基因所致，我的大脑总会尝试对long-term effort, low returns (长投入低回报)的事情发出意义是什么的疑问🤔，读博 or 科研正好完美契合这一点。可能大部分人类都会有类似的问题，于是想着记录一下自己在不同时间，对不同方面思考的片段，希望对其他人有帮助。
由于我的对一件事情的认知一定会与我思想的变化、遇到的事情、得到的反馈息息相关，所以这篇文章会采用间歇性更新的形式，每当我有不一样的感受时会回来新增内容，每段内容也会标注上时间戳。说不定就会出现FFengJay反对FFengJay的情况出现:)
2026-10-24-博一入学后第一个月
当我写时间戳的时候才意识到我入学才一个月:-(, 可能是因为一直在同组升学的原因，从本科毕业到硕士毕业到现在感觉没啥记忆节点。这次还好，入学就去了一趟🇩🇪ASE26-德国之行。
Ok, 回到正题。这次想写的topic是科研需“高效”吗。
提出这个topic的背景是，近期AI-coding/AI-math的风吹得很大，而且每次看到社交媒体上OA两家的researcher都在说“AGI即将到来，到时候人类博士生将毫无作用”之类的论点（我不知道他们说这些是为了增强市场信心还是真的看到了AGI，但这与我也没关系，我思考的更多还是我能认识、接触到的事物）。
思考这个问题的契机是我今天读到的一篇博客How to do research。里面的第一条advice是“Slow down to speed up”, 经典的汽车保险杠标语🪧。
虽然这篇博客写在13年前，但却和我心里某些潜意识的想法似乎有了碰撞，让我想写下这段思考。在新idea上工作的最近一个多月，由于Coding Agent在编程领域的”摧枯拉朽”之势，我的科研日常中也加入了大量的AI参与环节，尝试了从想idea->原型开发->系统实现->做实验->分析结果的全流程。
回顾这段和Agent高度耦合的科研时间，我的科研流程其实更倾向于一种“效果/方法导向”（思考什么样的内容是novel的），而非我之前比较擅长的“问题导向”（什么样的问题是存在并需要解决的）。
具体来说，在这段时间里面，我一直在尝试搭出一个看起来很fancy的agent framework。Vibe coding给了我很大的便利，框架的核心代码基本上几天就出来了，换之前手工写的话时间可能至少x2/x3。其中主体逻辑在agent每次merge进去前我都是逐行audit并理解了的。一切似乎都进展得很顺利，除了我心里一直觉得自己在当前课题上没有一个真正能说服自己的解题思路。我并不把这个问题归结于AI的介入，毕竟最后还是自己handle一切。本质还是自己对AI使用方法和科研进展的评价出现了问题：
-
之前，由于实现的成本过高，我不会一开始就想让代码实现完备，方法的思路和方法实现是阶梯式发展的：有了初始思路，搭出原型，发现一些问题，有一些新想法，修改原型…反复迭代，直到idea和原型都成熟。
-
现在，由于coding的成本很低，AI可以根据我的指令快速地生成一个貌似完备的项目，但其中的一些细节可能和我的预期违背（即使用了很多skill和最好的模型还是存在这个问题）。这个貌似“完美”的AI slop会让我认为效果不佳是因为细节的mismatch, 我会在idea早期把“实现越来越符合设想”当作科研进展，却没有花时间去思考这个idea是否真的能够解决问题。
高效Coding Agent的介入反而减弱了我对问题的思考深度，让我每周的科研进展变成了对AI“许愿”的结果。关键许愿得到的内容还总是看着很fancy，会让我即使内心觉得当前存在一些问题，但这周工作量似乎也还可以的错觉。
这就和我之前在本科/硕士阶段的科研经历形成了鲜明的对比。那时候由于实现成本高，我会在idea上花费大量时间去思考，尝试不同的思路，直到有一个比较成熟的想法才会去实现。这个过程虽然慢，但每次迭代都让我对问题有更深的理解，也让我对自己的研究方向有更清晰的认识。
这个对比正好和blog中的“Slow down to speed up”是契合的，在之前，一些显化的指标（比如coding lines）往往是和一些深度指标（比如思考深度）是高度相关的，我们可以把显化指标当做工作量证明。但在AI突飞猛进的今天，我们的工作量证明也需要改变，如果我们一直关注着一些显化的指标，比如coding lines, 发表文章的数量、速度，我们往往会丢掉一些科研的本质：我们是否理解了问题并找到了一个优雅解。
当然，AI支持者中的“激进派”会认为，当AI智能发展到一定程度，人本身就是没有意义的，AI的思考不需要人理解，人也不需要理解（比如最近AI解决了很多数学问题）。似乎AI的迅速迭代会把人的进步在客观上碾碎。
这似乎又上升到了人生观的角度，当你知道你做的一切似乎在不远的未来（有生之年）注定是徒劳的时候，你要不要停止？。
让我回答的话，我会用我读博的初衷来回答。我只是想用几年的时间自由地探索一些感兴趣的领域、增长自己的见识、体验思考人生、甚至不毕业quit掉也是在我的接受范围内的。“What I cannot build. I do not understand.”，AI碾碎我，与我何干？
所以回到最开始的问题，科研是否需要高效？
我的答案仍然是需要。但我想追求的高效，是更快地弄清楚哪些假设成立、实验结果意味着什么，以及下一步值得验证什么。代码和论文都是重要的产出，我也需要持续追问：这些产出究竟让我多理解了什么？即使最终发现一个方法行不通，只要我能说清楚它为什么行不通，这段时间也产生了实际的科研进展。