不要让 AI 写论文。
让它造一台论文机器。

代码负责计算真实数据、绘制图表、组装 LaTeX。你只需要按下运行，机器会把可复现结果印成 PDF。

AA.AAA.PYWAITING FOR SOURCE
PYTHON SOURCE
def energy(n):
  return n**2 * π**2 * ħ**2

plot(states)
write_latex(data, figures)
NUMPYMATPLOTLIBLATEX
Quantum Infinite Potential Well
Computational Physics Report
AbstractTheoryEₙ = n²π²ℏ² / 2mL²
Results
nEₙ10.37621.504
COMPUTE 0% PLOT 0% TYPESET 0% OUTPUT 0 pg
AI 直接写文本会幻觉。AI 写出的程序，可以被运行、检查与重复。

目标从“交一篇文章”变成“构建一个能生成文章的系统”，数据、图表与公式便来自同一条计算链。

一份脚本，三道工序。

每一道都消费上一道的真实输出。

COMPUTE

数值计算

NumPy 定义物理常数、能级函数和波函数。论文里的数字不再由模型猜测。

states = [wavefunction(x, n)]
VISUALIZE

科学绘图

Matplotlib 从同一组数组生成 2D 曲线和 3D 表面图，并以 300 DPI 保存。

plt.savefig("fig.png", dpi=300)
COMPOSE

文档组装

Python 把数据表行和图片路径注入 LaTeX 模板，输出完整的 paper.tex。

tex = template.format(data, figures)

图文对应，因为它们来自同一次运行。

修改势阱宽度或量子数后，能级、波函数、表格与论文中的引用一起更新。可复现性不是附加项，而是流水线的自然结果。

1 Python 脚本3 自动工序0 手工粘贴
由 Python 与 LaTeX 自动生成的量子力学论文预览
无限深势阱案例的自动生成结果

把需求写成机器规格。

请写一个 Python 脚本，用于模拟 我的课题。

  1. 使用 NumPy 计算核心公式。
  2. 使用 Matplotlib 绘制关键图表并保存。
  3. 生成完整 LaTeX，包含摘要、公式、图片与数据表格。
  4. 将全部输出写入同一个文件夹。
python aaaaa.py
A

Overleaf

打包输出目录为 ZIP，上传项目并点击 Recompile。

B

本地编译

安装 TeX Live 或 MacTeX，使用 LaTeX Workshop 或 xelatex 编译。

Code is all you need.

Complete article

完整原文

文字、链接、图片、表格与代码均保留 开始阅读

背景

每到期末，理工科的大作业往往让人头秃。你不仅要推导公式，还要用 Python/Matlab 跑仿真数据，把数据画成图，最后还得把这些东西手动粘贴到 Word 或者 LaTeX 里，排版又是一场噩梦。

痛点分析：

本文介绍一种策略：不要让 AI 写论文，而是让 AI 写一个 “能生成论文”的代码 。

我们将以一个量子力学大作业（无限深势阱仿真）为例，展示如何用一个 py 脚本搞定一切。

效果预览

1767271685315

核心思路

与其让 AI 输出文本，不如让它输出一个 Python 脚本，这个脚本包含三个模块：

  1. 计算核心：利用 numpy 算出真实可靠的数据（拒绝胡编乱造）。
  2. 绘图引擎：利用 matplotlib 自动生成高清图表并保存。
  3. 文档生成：利用 Python 的字符串操作，将计算结果、图表路径嵌入 LaTeX 模板，并输出 .tex 文件。

案例剖析：aaaaa.py

我们来看一个实际案例 aaaaa.py。这是我让 AI 生成的一个脚本，它的目标是完成一份关于”1D 和 2D 无限深势阱”的物理大作业。

1. 物理引擎与计算

首先，脚本定义了物理常数和核心计算函数。这一步保证了论文里的数据是基于数学公式算出来的，而不是 AI 瞎编的。

PYTHON
# aaaaa.py 片段：定义物理计算逻辑
def energy_1d(n):
    """Energy levels for 1D well"""
    return (n**2 * np.pi**2 * hbar**2) / (2 * m * L**2)

def evolve_psi(coeffs, x, t, N):
    """Calculate wave function at time t"""
    # ... 省略具体计算过程 ...
    return psi_t

2. 自动化绘图

这是最爽的一步。脚本会自动创建输出目录，并批量生成所需的图表。注意它直接把图保存到了 OUTPUT_DIR。

PYTHON
# aaaaa.py 片段：自动绘图
OUTPUT_DIR = "quantum_paper_output"
# ... 创建目录 ...

print("Generating Eigenstate Figures...")
fig, axes = plt.subplots(4, 2, figsize=(10, 12))
# ... 循环画图 ...
plt.savefig(f"{OUTPUT_DIR}/fig_eigenstates.png", dpi=300)

它甚至还生成了复杂的 3D 表面图，展示 2D 势阱的简并态：

PYTHON
def plot_2d_eigen(nx, ny, filename):
    # ... 3D 绘图逻辑 ...
    ax.plot_surface(X, Y, prob2d, cmap='viridis', edgecolor='none')
    plt.savefig(f"{OUTPUT_DIR}/{filename}", dpi=300)

3. 动态生成 LaTeX 表格

手写 LaTeX 表格是世界上最痛苦的事情之一。但用 Python 生成就非常简单。脚本里用循环计算出数据，拼接成 LaTeX 的表格行格式：

PYTHON
# aaaaa.py 片段：自动生成表格内容
energy_table_rows = ""
for n in range(1, 21):
    e_val = energy_1d(n)
    # 自动填充 n, 能量值, 和公式表达
    energy_table_rows += f"{n} & {e_val:.4f} & ${n**2} E_1$ \\\\\n"

4. 组装论文

最后，脚本通过一个巨大的 f-string（格式化字符串），把刚才生成的表格行插入到 LaTeX 模板中，并写入 paper.tex。

PYTHON
# aaaaa.py 片段：LaTeX 模板注入
tex_content = r"""\documentclass[12pt, a4paper]{article}
% ... 导包 ...
\begin{document}

\section{Results}
\begin{table}[H]
    \centering
    \begin{tabular}{ccc}
        Quantum Number $n$ & Energy & Factor \\
        \midrule
""" + energy_table_rows + r"""   <-- 插入刚才生成的表格数据
        \bottomrule
    \end{tabular}
\end{table}

\begin{figure}[H]
    \centering
    \includegraphics[width=0.9\textwidth]{fig_eigenstates.png} <-- 引用刚才生成的图片
    \caption{Eigenstates visualization...}
\end{figure}

\end{document}
"""

with open(f"{OUTPUT_DIR}/paper.tex", "w", encoding="utf-8") as f:
    f.write(tex_content)

实操步骤

第一步：让 AI 写代码

你可以给 ChatGPT/DeepSeek/Claude 发送类似的 Prompt：

“请帮我写一个 Python 脚本，用于模拟[你的课题]。脚本需要做以下事情：

  1. 使用 Numpy 计算[核心公式]。
  2. 使用 Matplotlib 绘制[关键图表]并保存为 PNG。
  3. 生成一个完整的 LaTeX 论文源码文件，其中包含摘要、公式推导、刚才生成的图片（使用 includegraphics）以及计算出的数据表格。
  4. 将所有输出文件放在一个文件夹里。

第二步：运行脚本

拿到代码后（例如 aaaaa.py），直接在本地运行：

BASH
python aaaaa.py

进阶：如何编译生成的 LaTeX

拿到了 .tex 文件，很多新手不知道怎么转成 PDF。这里提供两种方案。

方案 A：使用 Overleaf (推荐新手)

如果你不想在本地折腾环境，这是最简单的办法。

  1. 把 quantum_paper_output 文件夹打包成一个 ZIP 压缩包。
  2. 访问 Overleaf 并注册/登录。
  3. 点击 “New Project” -> “Upload Project”。
  4. 上传你的 ZIP 包。
  5. 上传完成后，点击网页右侧的 Recompile 按钮，PDF 就出来了。

方案 B：本地编译 (VS Code)

如果你是理工科学生，建议配置本地环境，一劳永逸。

  1. 安装 TeX 发行版：

    • Windows: 安装 TeX Live (完整版很大) 或 MiKTeX。
    • macOS: 安装 MacTeX。
    • Linux: sudo apt install texlive-full。

  2. 安装 VS Code 插件：

    • 在 VS Code 扩展商店搜索并安装 LaTeX Workshop。

  3. 编译：

    • 用 VS Code 打开 paper.tex。
    • 按 Ctrl+Alt+B (Windows) 或 Cmd+Option+B (Mac) 触发编译。
    • 或者点击右上角的播放小图标。
    • 编译成功后，点击右上角的查看图标即可预览 PDF。

总结

通过 Python 脚本”一口气”生成论文，不仅能保证数据准确，还能极大节省排版时间。你只需要专注于调整 Python 代码里的参数和 LaTeX 模板的文字描述，剩下的繁琐工作全部交给机器。

这就是 AI 时代的写作业方式： Code is all you need .