当我们谈论人工智能，不止于技术与模型，更关乎一群青年如何与时代同行、与未知对话。「Xᴬᴵ年轻派·学生科研手记」聚焦北京中关村学院学生们的科研探索与成长。从想法到代码，从实验到开源，记录他们如何从想法到实践，真实还原AI原生一代的创造现场。
本期故事来自24级学生杨一凡，他来自同济大学，现于北京中关村学院“Biology for AI”项目组科研学习。他给自己“招”了一个AI博士生。他发现，当博士生开始“带博士生”，不是角色越级，而是工具链的突破。以下内容来自学生的分享自述，记录他如何用Agent为自己搭建一个24小时在线的科研协作者。
PHD WORKFLOW / ORIGINAL TEXT
《我给自己“招”了一个Agent博士生》
读博这些年，我幻想过无数种逃离当下的方式。
逃不掉的时候，我就幻想自己以后当 PI 的样子：办公室门一关，学生来汇报进展，我一边喝茶一边点评“这个方向我觉得不行，你再考虑一下”。
直到有一天我意识到，在 LLM agent 已经能跑起完整科研循环的2026年，这件事我 现在就能做。
于是我真的给自己“招”了一个博士生。它叫 sub-PHD。
一、一个博士生真正需要的不是“助手”，也不是“替身”
这两年市面上的 AI 科研工具，大致分成两派。
第一派，把 AI 当成人的延伸。 Copilot 帮你写代码、Cursor 帮你改 bug、各种 research agent 帮你读 paper。这些工具都很好用，但它们有一个共同的前提，你还是那个干活的人，AI 只是你的延伸。问题是博士生最累的地方不只是“干活”。最累的是你既要干活、又要规划活、又要监督自己有没有在好好干活、还要在深夜自我怀疑这些活到底有没有意义。你一个人扮演了课题组里老板、博后、博士生、自己老板的心理医生四个角色。 给这样的人加多少好用的“工具”，解放不了他。
第二派，把 AI 当成人的替代。 就是你这两年可能刷到过的各种“AI 科学家自动写完论文”、“端到端全自动科研 agent ”。我自己也非常关注这类项目，但说实话，目前为止，它们还解决不了我作为博士生真正面临的现实问题。
它们能跑 benchmark、能复现已有的 pipeline、能在预设好的领域上推进一些问题。但一个博士生的研究，从来不是一条由别人预设好的轨道：你要解决的是你自己的具体问题，你要推进的是你自己领域里那个具体的想法，你要照顾的是你老板、你合作者、你方向上一堆只有你知道的约束。
这些东西，全自动 agent 目前很难真正理解，也没办法真正替你做好。 或许它可以模仿解决“做科研”这个问题，也做的很好，但没法深入到你这个博士生所处的具体语境里，很好的解决你的问题。结果就是，demo 很惊艳，落到你自己的博士论文上，没用。
所以 sub-PHD 选了第三条路：不做人的延伸，不做人的替代，做人的学生。
它在设计上做了一件简单但关键的事，颠倒人和 agent 的位置。
你不再是那个被 push 的博士生。你是导师。 agent 才是那个博士生。它听话、抗压、不会摆烂、不会因为老板一句话破防、不会在深夜给你发“老师我觉得我不适合科研”的微信。而你，站到了那个只有人才能站的位置上，决定方向的人、判断结果的人、为研究负责的人。
二、它具体是怎么跑的
sub-PHD 里的 agent 博士生有两个分身，轮流干活，你可以指定它干活的时间，100h 可以，1h 也可以（默认 8h）：
Reader，像一个每天开早会的自己，读你布置的课题、读上一轮的进展、想清楚下一轮要做什么能够实现目标，写一份 plan。
Runner，像一个埋头干活的博士生，拿着 plan 去写代码、跑实验、分析结果。
两者轮流跑，一轮一轮推进。你要做的事只有两件，而且只改一个文件， person_program.md 。
第一件事：布置课题。
你在 person_program.md 里写下你这个学生的研究目标、你的想法、你的理解。这就是你给他的 thesis proposal。
第二件事：定期开组会。
指定时间科研结束后，打开 dashboard，看它这几轮跑了什么、结论是什么、卡在哪。听完“汇报”之后，还是回到 person_program.md ，把你的新判断写进去：方向要收紧就写收紧，目标要调整就写调整，哪里跑偏了就写清楚你想要什么。下一轮 agent 会读到新的 person_program.md ，按你的新要求继续。
就这样。整个系统对你暴露的接口，只有一个 markdown 文件。
没有新工具要学、没有新语法要记、没有复杂的 UI 要摸索。你这辈子写过的任何一份 proposal、任何一次跟老板的邮件、任何一次跟自己的 todo list，你已经会用 person_program.md 了。
电脑端 dashboard 实时工作画面
agent 博士生正在干活，一轮一轮推进
person_program.md 样例
三、一个反直觉的发现：当老板比当学生更难
我用 sub-PHD 的第一个星期，经历了一次 非常尴尬的祛魅。
我发现当我要给 agent 写 person_program.md 的时候，我……写不出来。
我以为自己对自己的研究很清楚，我不是整天在做这个吗？但当我需要用清晰的语言告诉另一个智能体“你要做什么、做到什么程度算成功”的时候，我发现我脑子里的东西全是模糊的。
“把这个方法跑一下。”，跑什么数据集？对比什么 baseline？什么指标算赢？
“优化一下性能。”，优化哪个维度？速度还是精度？trade-off 在哪？
“看看这个方向有没有前景。”，“有前景”的定义是什么？
我第一次理解了我老板。
他不是不想给我清晰的指令，他是，跟我此刻一样，脑子里那团东西本来就是模糊的，需要通过跟学生的反复拉扯才能逐渐成型。我一直以为自己“被指令不清晰折磨”，其实我老板也在“用我来帮他把想法捋清楚”。
sub-PHD 最意外的效果，不是它替我干了多少活，是它逼我把自己脑子里的研究想清楚。每次我坐下来改 person_program.md ，都像一次跟自己的组会。
.webp)
汇总汇报结果的截图,一次“组会”的样子：agent 学生把这几轮的工作结论汇报给你
四、任何领域的博士生都能用
一点我必须强调，sub-PHD 不是一个垂直领域工具。
它不绑定 ML、不绑定某种数据格式、不绑定某种实验流水线。它只是一个“带学生的工作流”。你的领域是什么不重要，只要你的研究里有“可以被 agent 执行的那部分”，写代码、跑分析、整理文献、出图、写草稿、做数据清洗、复现别人的方法，sub-PHD 就能用。
ML 博士生拿它跑实验，生物博士生拿它做数据分析，社科博士生拿它整理访谈和文献，历史博士生拿它做文本挖掘。你布置的课题是什么，它就去做什么。你可以自由调配 AGENT.md 和 skills/，来“招募”属于你自己的 agent 博士生。
自由度和适配性是这个设计最大的优势之一，因为 person_program.md 是纯自然语言，你想让它做什么、做到什么程度，全由你说了算。
五、它能做什么，不能做什么
先说不能做的，免得有人期待落空：
它不会替你产生真正的创新。创造性的跳跃、对领域的品味、“这个问题值不值得做”的判断，这些都还是你的事。
它不会替你读懂你老板。真实世界的人际、politics、合作、汇报，它一个字也帮不了。
它不会替你毕业。论文还是要你自己把控，答辩还是你自己上。
能做的：
把“推进”的摩擦力降到接近零。你睡觉它在跑、你上课它在跑、你去 gym 它在跑。第二天回来看 worklog，永远有东西可以接着往下推。
让你真正“出得了门”。手机上能看 dashboard，你在外面玩的时候，研究不会因为你离开电脑就停摆。
把你从“执行脑”切换到“规划脑”。这是大部分博士生最稀缺的切换，你不再每天陷在代码细节里，被迫站到更高的视角看自己的研究。
帮你预演“当导师”这件事。等你真的毕业、真的带学生的那天，你会发现，你已经练过了。
六、技术上它是怎么做到的
sub-PHD 是一个跑在本地的 Python runtime。核心是一个状态机在驱动 reader -> runner -> watch -> reader 的循环，所有状态写在 .subphd/ 下，可随时中断、可续跑、可回溯。你在仓库根目录只需要管一个文件（ person_program.md ），agent 之间的内部交接（ agent_program.md ）由系统自己维护，你不用碰。
Windows 双击 start.bat 就能跑，Mac/Linux 一行 Python 命令。全部开源，MIT，数据不出本地。
python scripts/research_autoloop.py --workdir . --max-runs 50 --hours 4
关于后端 agent：当前版本用的是 Codex （OpenAI 的 codex exec ），所以你需要一个 OpenAI 订阅账户就能直接用。
如果你是想用 API（按量计费）或者想接其他 agent runtime（Claude Code、本地模型等等）的，直接来找我，我可以教你改，这个框架本身是 agent-agnostic 的，接新后端不复杂。
七、一个真诚的邀请：5月10号之前，欢迎来找我答疑
我知道这种“自己在本地跑 agent”的工具，最大的门槛不是技术，是没人陪你踩坑。环境不对、配置没跑通、第一次 loop 没启动，90% 的人就放弃了。
所以我想做一件事，
从现在到5月10号前，我愿意一对一帮每一个想用 sub-PHD 的博士生把它跑起来。
答疑、调试、帮你写第一版 person_program.md 、陪你开第一次组会、跟你一起看第一轮结果哪里不对。不收钱，不做付费课程，纯粹是因为我需要真实用户帮我把这个东西磨好，你也需要一个真人帮你跨过从0到1的那道坎。我们互相成全。
想加入的话，Star 一下仓库，然后 Issue 区留言或者私信都行。文末有我的联系方式。
八、最后想说的
做 sub-PHD 这段时间，我意识到一件事：
我们这代博士生，可能是人类历史上第一批“在自己还是学生的时候就能带学生”的人。
这件事意味着什么，我现在还没完全想明白。但我隐约觉得，“学会当一个好导师”这件事，本来是要等你当上 PI 才会被迫开始学的技能，现在可以提前十年开始练。
练的对象是一个不会被你伤害到的 agent，容错极高。等你真的带上人类学生的那天，你已经知道一份好的 research proposal 长什么样、一份清晰的 handoff 长什么样、一次有效的组会长什么样。
更重要的是，始终在场。你没有把“做科研”这件事外包出去，你只是把自己从“干活的那个位置”挪到了“想清楚的那个位置”。那些真正构成一个博士的部分，品味、判断、故事、对领域的爱，仍然是你的，只能是你的。
这可能是 sub-PHD 最长远的价值，它不想做你的延伸，也不想做你的替代，它想做你的伙伴。 一个 24 小时在线、不会摆烂、替你把苦力活扛了的伙伴，让你腾出手和脑，去做那个真正在做研究的你。
祝各位老板，带学生愉快。🫡
（你的学生24小时在线，不用给 stipend，不会跟你顶嘴，不会突然说要去工业界。唯一的缺点是，它跟你一样，有时候也不知道自己到底在干什么。所以你得当个好导师。）
项目信息
GitHub: github.com/OneFav/subPHD · 欢迎 Star / Issue / PR
你可以告诉你的codex：
读“https://github.com/OneFav/subPHD/blob/main/index.md”安装项目到本地
它会安排好一切的。