10441
bot好，是搞生信的直博博五，看到有投稿说生信方向用ai写代码跑结果行不行得通，于是根据用过的ai浅排名一下 & 推荐一批ai用法，抛砖引玉一下：

关于ai：

1. ds：现在基本不怎么用于科研了不评价，但api听说还是很便宜
2. 美国大豆包：人味其实会比较足，拿来翻译其他ai不说人话的回复，生活方面闲聊用的多，至于其他方面的使用：装包/解决实际问题有些一言难尽
3. gpt：以前用gpt-5.5，现在用gpt-5.6-sol，开Max/ultrahigh烧额度太厉害了哪怕是中转站也经不起这么烧，只用median体感也还可以，优点是可以狠狠抽一次性搞完很多工作，缺点是在你和它讨论接下来的工作思路时经常纠结在一些非常无关紧要的修改细节上狂吃token，有时候会遗忘上文提到的注意事项，导致后面完全返工。
4. A÷：哪怕是免费的sonnet5都很类人，给出的建议比gpt更灵性更scientific一点，opus这种长上下文智能分析的更是人类好帮手（我说我其实很不喜欢gpt那种一句话一段的输出方式有人懂吗），没被封之前靠opus检查了很多已完成的codex工作，返工了几个也确定了最终results，缺点就是不知道对中文支持是怎么了经常不说人话，得调用别的ai翻译成现代汉语，不然实在看不懂；以及a÷实在不做人已经封了我两个pro两个普通，现在正在养第五个，但是实在是好用。

ai时代怎么快速落地项目：
其实在pre-gpt时代生信就是看别人methods-找github仓库-自己扒代码在自己的项目上实现，ai的诞生把整个流程加速了非常多，不过也因为此该领域开始走下坡&越来越卷了呃。
①写代码：
1. 有参考github，下载目标仓库 & 让ai梳理仓库实现 & 将自己的instructions喂给ai让ai在目标仓库的基础上直接实现。
2. 多ai交叉检验，比如codex写完代码后我会让claude过一遍，反之同理，此处mark一下哪怕在已经生成了整个项目实现的详细instructions.md的情况下，codex写一些比较长的代码也经常偷工减料，比如告诉你我写完了但实际上一堆没有落地……要经常检验，claude opus会一口气搞完，代价是把tokens烧精光。
3. 全写完之后再让ai评估整个实现流程是否满足最初的instructions。
4. 无论有没有参考仓库，给ai喂instructions都要让它先充分理解后复述，不要让ai直接写，以免因为一些理解差错日后疯狂返工。

②设计项目 & 构建分析思路 & 得到最后的结果：
1. 首先铭记自己是项目的第一负责人，所以无论ai给什么建议 & reference都要自己把关，所以抽ai做项目其实更像导师模拟器(笑
2. 让ai列参考文献其实是可行的，但需要让它完整列出每篇文献的出处，并且自己点进去亲自看这篇文章跟你的项目是不是真的有关联避免ai幻觉（比如我曾经问一个软件相关的小问题，让ai找引用该软件&methods中做了我想的处理方法的文献，ai的确列了一批，但是有的看似是那回事但实际上根本没有用到那个软件），以及直接把文献丢给ai总结后回去找感兴趣的highlights & methods个人觉得是最高效的读法，问就是除非天天看同一篇是真记不住(
3. 为了避免被封号后找不到曾经的prompt，一定要做好备份。

暂时只想到这么多，感谢bot。