开发环境
不需要一次装完所有软件。按照课程、任务和研究方向选择一套能够稳定运行的环境。
开始之前
开发环境基础
先认识文件路径、环境变量和终端，再区分编译器、解释器、编辑器与 IDE：它们分别负责把代码变成可执行结果、运行代码或提供开发界面。安装软件时尽量使用默认且清晰的路径，完成后记录版本号和安装位置。遇到问题不要只截最后一行，保留完整报错与自己的操作步骤。
Java / JDK / IntelliJ IDEA
语言与开发工具 · Oracle / JetBrains
Java 是一门静态类型、面向对象的编程语言，代码通过 JVM 运行，常见于课程教学、后端服务和大型工程。JDK（Java Development Kit）是开发 Java 所需的工具包，包含编译、运行和调试工具；IntelliJ IDEA 则负责写代码、管理项目和定位问题。先按课程或项目要求选择 JDK 版本，再在 IDEA 中运行一个最小程序。
C / C++ / Visual Studio
编译型语言与 IDE · Microsoft
C / C++ 是编译型语言，运行效率高，也能更直接地理解内存、数据结构与计算机系统，适合程序设计课程和性能敏感的任务。新生阶段不必先研究复杂配置：安装 Visual Studio 时勾选“使用 C++ 的桌面开发”，新建控制台项目，点击运行并看懂编译错误即可。
Visual Studio 是完整 IDE；Visual Studio Code 是另一款轻量编辑器。
Python / PyCharm / VS Code
解释型语言与开发工具 · Python Software Foundation / JetBrains / Microsoft
Python 语法简洁、可读性强，又拥有成熟的科学计算、人工智能、数据分析、数学建模、自动化和 Web 生态，因此在科研中非常常见。Python 解释器负责运行代码，PyCharm 和 VS Code 是编写与调试代码的工具，二选一即可。跑通第一个脚本后，再学习 pip、虚拟环境和 requirements.txt，避免不同项目的依赖互相冲突。
Jupyter Notebook
交互式计算环境 · Project Jupyter
Jupyter Notebook 把代码、运行结果、图表和说明文字放在同一份文档里，适合逐步观察数据、验证想法和记录实验过程。它擅长探索与演示，但单元格的执行顺序也容易造成结果难以复现；任务稳定后，应把核心逻辑整理为结构清晰的脚本或工程。
MATLAB
科学计算平台 · MathWorks
MATLAB 以矩阵计算、数学建模和工程工具箱见长，适合信号处理、通信实验、数据绘图与快速算法验证。它把许多常用工程算法封装成可直接调用的函数，新生可以先完成官方 MATLAB Onramp，学会脚本、矩阵和绘图，再根据具体任务选择工具箱，不必一次掌握全部功能。
JavaScript / TypeScript / Node.js
Web 与应用开发运行时 · OpenJS Foundation / Microsoft
JavaScript 是网页开发的基础语言，Node.js 让它能够脱离浏览器运行，也是现代前端工程、Next.js、后端服务和命令行工具的重要基础。npm 随 Node.js 一起使用，负责安装项目依赖和运行脚本；TypeScript 则在 JavaScript 上增加类型检查，更适合维护规模较大的项目。AI时代Node.js不单单服务于JS与TS，更是AI Agent本地运行不可或缺的环境基础。
新生优先安装官网标注的 LTS 长期支持版本，完成后用 node -v 和 npm -v 检查环境。先认识 package.json，学会 npm install 与 npm run dev；如果课程或项目指定了 Node.js 版本，应以项目要求为准。
代码与协作
会写代码之后，下一步是让修改可追踪、可回退、可协作。
Git 与 GitHub
版本控制与代码协作 · Git / GitHub
Git 在本地记录每次代码修改，让你能够比较差异、回退错误和并行开发；GitHub 则把仓库放到线上，便于共享代码、讨论问题和审查修改。先跑通 clone、pull、commit、push 这一条最小流程，再学习 branch 和 pull request。重要文件不要只留在一台电脑里。
README、Markdown 与提交习惯
项目文档与提交规范
README 负责告诉后来者项目做什么、如何安装和运行；Markdown 是编写这类说明的轻量格式。每次提交只处理一个相对完整的问题，并用提交信息说清“做了什么”。使用 .gitignore 排除虚拟环境、缓存、密钥和不应上传的数据，提交前先查看文件差异。
论文检索
不同平台解决不同问题：广泛搜索、核对书目信息、访问出版版本、寻找预印本和管理文献。
Google Scholar
学术搜索 · Google
适合用关键词、作者、引用次数和“被引用”关系快速发现论文，也能顺着相关工作追踪一个主题的发展。它更像检索入口而不是最终依据：找到结果后，还要核对作者、年份、期刊或会议、论文版本与原始来源。
访问提示：中国大陆通常需要加速器
DBLP
计算机科学书目数据库 · Schloss Dagstuhl / Trier University
DBLP 是计算机科学领域的书目信息数据库，适合核对作者、会议、期刊、年份与论文记录，也可以查看一位研究者的发表脉络。它本身不是论文下载站，页面中的外部链接才会指向出版社或开放版本；遇到同名作者时，应结合单位、合作者和研究方向判断。
IEEE Xplore
学术出版与标准数据库 · IEEE
IEEE Xplore 收录通信、电子、计算机及相关工程领域的期刊论文、会议论文和标准，适合确认正式发表版本、DOI 与出版信息。检索时可以组合关键词、作者和年份，并通过参考文献继续追踪。部分全文需要学校订阅，可先尝试校园网络或学校提供的图书馆访问方式。
arXiv
开放预印本平台 · Cornell University
arXiv 是开放预印本平台，适合寻找尚未正式出版或刚刚公开的研究工作，也便于查看论文不同版本的更新时间。预印本不等同于已经同行评审的正式论文：阅读时要关注版本号，引用前检查作者是否已在会议或期刊发表，并优先引用可确认的正式版本。
Zotero
文献管理工具 · Corporation for Digital Scholarship
Zotero 用来保存论文信息、管理 PDF、添加标签与笔记，并在写作时生成参考文献。建议按课题或方向建立分类，在导入后检查标题、作者和年份是否正确。越早形成统一的文献库，后续查找、阅读和写作的成本越低。
通用 AI 助手
用它们解释概念、梳理思路和检查表达，但不要把回答直接当作事实、文献或最终成果。
ChatGPT
通用 AI 助手 · OpenAI
OpenAI 推出的通用 AI 助手，适合概念解释、学习问答、资料整理、代码分析和写作辅助。AI界全能小霸王，能力十分出色，agent水平突出，生图能力优秀。提问时说明自己的基础、目标、已有材料和限制条件，比只发一句“帮我完成”更容易得到有用结果。它可能生成错误事实或不存在的文献，涉及结论和引用时必须回到原始来源核验。
访问提示：需要加速器
Claude
通用 AI 助手 · Anthropic
Anthropic 推出的通用 AI 助手，适合围绕长文本、代码和文档持续讨论，也可以协助比较方案与修改表达。Claude在代码层面有极为优秀的表现，但因为其价格过高，且容易封号的特性，使用前需要再三考虑。上传材料前先确认其中没有未公开数据、个人信息或课题组敏感内容；涉及事实、论文和具体数据时，同样需要回到原始来源核验。
访问提示：需要加速器且易封号
Gemini
通用 AI 助手 · Google
Google 推出的通用 AI 助手，可用于学习问答、梳理思路、代码辅助和图像等多模态内容理解。Nano Banana具备不俗的生图能力。它适合帮助你拆解陌生问题，但不能替代教材、论文和真实实验结果；提交作业或研究结论前，应由自己重新检查推理过程与引用来源。Gemini更新速度较慢，且幻觉率和降智现象严重，常被冠予"美国大豆包"的称号
访问提示：需要加速器
GLM
国产通用 AI 助手 · 智谱
智谱推出的国产大语言模型与通用 AI 助手，适合中文问答、资料梳理、写作辅助和代码解释。代码能力表现出色，但在多模态方面略有欠缺。它可以作为新生较容易直接体验的国产模型，但回答仍可能存在事实错误或遗漏；涉及论文、数据和专业结论时，应继续核对原始来源。
DeepSeek
国产通用 AI 助手与开发者模型 · 深度求索
深度求索推出的国产大语言模型与通用 AI 助手，可用于中文问答、推理分析、代码辅助和学习讨论。普通使用者可以从官方对话页面开始；需要把模型接入程序时，再进入官方 API 平台创建密钥并阅读计费与调用说明。无论是否开启深度思考，都应自行核验重要结论。DeepSeek因其高响应速度与高性价比在国内很受欢迎，但值得注意的是，DeepSeek的多模态能力尚且一般。
Kimi
国产通用 AI 助手 · 月之暗面
月之暗面推出的国产 AI 助手，综合实力较强，特点是长文本处理、联网搜索、深度研究和 Agent 能力突出，也擅长阅读 PDF、整理资料、生成文档、表格、PPT 与网页，中文体验自然，适合课程调研和科研资料梳理。基础功能提供免费额度；缺点是产品功能和套餐较多，额度规则不够直观，复杂研究或生成任务消耗较快，百万 Token 长对话等高级能力只在高档套餐提供；生成的事实与引用仍需自行核验。
AI 工程工具
这些工具可能读取项目、修改文件或执行命令。先理解基本开发流程，再在可回退的 Git 工作区中使用。
Codex
代码智能体 · OpenAI
OpenAI 的代码智能体，能够读取代码库上下文，并配合终端与开发工具完成理解、修改、测试和审查等任务。它适合在目标明确、能够验证结果的工程任务中使用；第一次使用时先从小项目开始，查看每一处差异，不要在未备份的目录中直接接受大范围修改。
访问提示：需要加速器且开启虚拟网卡模式
Claude Code
代码智能体 · Anthropic
Anthropic 的代码智能体，可在终端、IDE 和网页环境中理解代码库、调试问题并完成工程任务。由于它能够读取文件和执行命令，使用前应先确认当前目录、权限与 Git 状态；完成后逐项检查差异，并运行项目自己的测试。
访问提示：配置国产模型后可以不需要加速器
CC Switch
模型与配置切换工具 · 开源项目
一款开源的跨平台桌面配置工具，可以在图形界面中统一管理和快速切换 Codex、Claude Code 等 AI 编程工具使用的模型提供方与配置，减少反复手动修改 JSON、TOML 或环境变量的工作。切换前仍应确认 API 来源、密钥权限和计费方式，并保留原配置备份。
Trae
AI 开发环境 · 字节跳动
字节跳动推出的 AI 开发环境，把代码编辑、项目问答、补全和智能体式任务放在同一套图形界面中。它对习惯 VS Code 操作的新生较容易上手，但仍要先理解项目如何运行、修改了哪些文件，以及结果是否通过测试，不能把“工具执行成功”等同于代码正确。
ZCode
AI 开发环境 · Z.ai
Z.ai 推出的智能开发环境，面向代码库任务、较长时间的执行流程与多智能体协作。开始任务前先确认工作目录、模型连接方式和允许执行的命令；如果工具给出大量修改，应分批审查并保留可回退的提交记录。
WorkBuddy
桌面智能体 · 腾讯
腾讯推出的全场景桌面智能体，可协助资料研究、文档处理、数据分析和部分开发任务。它并非专门的编程 IDE，更适合跨软件、跨资料的综合工作；授权文件与应用前，应先判断任务是否真的需要这些权限，并避免导入敏感材料。
科研与协作习惯
工具会更新，可靠的工作习惯更值得尽早建立。
记录、备份与提问
可复现工作习惯
分开保存原始数据、代码与输出结果，不要直接覆盖唯一一份数据；记录环境版本、参数、实验日期和结果对应的代码提交。提问时先说明目标和预期结果，再给出操作步骤、完整报错、最小复现方式以及已经尝试的方法。清楚的问题能让同学和老师更快定位真正的困难。
学术诚信与信息安全
研究底线与数据边界
只引用自己真正阅读并核验过的材料，不虚构来源，也不要把 AI 生成的内容直接当作实验结论。不要向公共 AI 服务、公开仓库或聊天群上传未公开数据、课题组代码、个人信息、密码和 API Key。提交作业、代码或研究结果前，确保自己能够解释每一项关键选择、代码修改与结论来源。
优先使用官网和官方文档。B站入口用于查找中文演示，请结合发布时间、软件版本和评论区判断是否仍然适用。