Claude Code + LaTeX：本地运行的学术写作工具 | 帖子 | #工具

开发者推出开源工具ClaudePrism，将Claude Code集成进桌面应用，实现学术文档的本地化AI辅助写作。核心优势在于数据不上传云端、内置Git版本控制和LaTeX编译环境，解决了现有方案在隐私保护和工作流完整性上的痛点。

学术写作的AI工具不少，但要么把未发表的研究数据传到云端，要么本地部署繁琐得让人放弃。开发者delibae自己就是研究者，之前用VSCode + Claude Code勉强够用，但始终觉得缺点什么：关掉编辑器版本历史就没了，想问PDF里某个公式的含义得先手动转成文字，排版格式要自己慢慢调。

OpenAI的Prism提供了云端方案，但问题也很明显——你的研究数据得放在他们服务器上。于是delibae造了个本地版：ClaudePrism。

这个工具把Claude Code作为子进程运行，文档始终在本机。对新手友好：上传作业PDF就能生成初稿，框选PDF任意区域直接问AI"这是什么意思"，模板覆盖论文、海报、幻灯片。对老手实用：离线编译LaTeX（不用额外装环境）、Git版本控制、内置Python环境（uv）处理数据分析和绘图、支持Zotero文献管理。

有网友提到一个关键问题：Claude Code本身就会把数据发给Anthropic服务器做推理，"文档不离开本机"这个说法有误导性。这确实是个盲区——本地工具链再完善，只要调用API，数据隐私的底线还是掌握在模型提供商手里。学术机构对未发表研究的上传限制，在这里依然适用。

另一个值得注意的细节是项目名。多位开发者建议改名，因为Anthropic对"Claude"商标保护极其严格。技术再好，法务函一来就得推倒重来。

工具本身的思路清晰：把分散的学术写作需求整合进单一界面，减少工具切换的摩擦成本。版本历史用Git而非自建系统，参考文献接Zotero而非造轮子——这些设计选择都挺理性。

有人问它是否适合人文研究。项目导入了claude-scientific-skills这个技能库，里面100多个领域主要集中在量化健康科学。实证主义范式之外的研究方法，它大概率帮不上忙。

完全开源、跨平台支持、开发者声明不商业化。这种项目通常活不长，要么被收购，要么维护者精力耗尽。但眼下它确实在填补一个空白：那些既想用AI又不想把数据交出去的研究者，暂时有了个折中方案。

虽然"数据不离开本机"这个承诺打了折扣。

GitHub Copilot CLI for Beginners

微软 GitHub 官方出品的终端 AI 编程助手教程，围绕一个 Python 图书管理应用，用 8 章递进式教学覆盖从安装到生产级工作流的完整路径。

Ch00 Quick Start — 10 分钟上手
四种安装方式（npm/Homebrew/WinGet/curl），推荐 Codespaces 零配置启动。Device Flow 一次认证，长期有效。三步验证环境就绪。除 Python 外另备 JS 和 C# 示例。

Ch01 First Steps — 三种模式，一个核心
· Interactive：对话式，上下文累积，适合探索和迭代。推荐起步模式。
· Plan：/plan 先出方案再动手，适合复杂任务。
· Programmatic：copilot -p "prompt" 单次调用，适合脚本和自动化。
四个高频命令覆盖九成场景：/help、/clear、/plan、 /exit。还有 /delegate 委派后台 agent、/fleet 并行子任务等进阶命令。

Ch02 Context — @ 语法是核心生产力
@ file 引单文件，@ folder/ 引整个目录，多文件并引实现跨文件分析。这是 Copilot CLI 区别于简单问答的关键——跨文件才能发现重复代码、不一致的错误处理、架构耦合等单文件审查不可见的问题。
会话自动保存，--continue 恢复最近会话，--resume 选择历史会话，/rename 命名便于检索。支持跨天断点续作，上下文完整保留。
/context 看 token 用量，/clear 切话题，/compact 压缩历史释放空间。粗算：每行代码约 15 token。宽引用用于初探项目，精引用用于定位问题。

Ch03 Workflows — 五大日常场景全覆盖
1. 代码审查：从自由 prompt 到 /review 调用专用 agent，支持按严重程度分级输出检查清单
2. 重构：if/elif 转字典分派、分离关注点、统一异常处理。核心原则：先写测试再改代码
3. 调试：描述症状 + 提供代码，Copilot 定位根因。跨文件分析还能捕获用户未报告的关联 bug
4. 测试生成：手写 2-3 个测试 vs Copilot 一次生成 15+，覆盖正常路径、边界、持久化、Unicode 等
5. Git 集成：copilot -p + shell 替换自动生成 commit 消息和 PR 描述；/delegate 委托后台 agent 执行
课程明确标注：前三章已覆盖日常所需全部核心技能，04-06 是可选进阶。

Ch04 Agents — 从通用助手到专业顾问
· 内置五个 agent：Plan、Code-review（显式调用），Explore、Task（自动触发），Init（项目初始化）。
· 自定义 agent 极简：一个 .agent.md 文件，YAML frontmatter + markdown 指令。放 .github/agents/（团队共享）或 ~/.copilot/agents/（个人全局）。
· 核心价值用对比说明：同一 prompt，普通 Copilot 产出基础实现，python-reviewer agent 自动附加类型注解、文档字符串、输入验证、异常处理。同一问题，专家视角产出质量显著更高。
· 多 agent 协作模式：python-reviewer 设计 -> pytest-helper 出测试方案 -> 综合实施。开发者充当架构师，agent 处理细节。
· 项目配置层推荐 AGENTS.md，/init 一键生成。

Ch05 Skills — 自动触发的流程指令
与 Agent 的关键区别：Agent 需显式激活，Skill 按 prompt 关键词自动匹配加载。
结构同样简单： SKILL.md 文件放在 .github/skills/skill-name/ 或 ~/.copilot/skills/skill-name/。description 字段决定匹配精度，是 Skill 能否被正确触发的关键。
三层扩展模型的定位：
· Agent = 改变思考方式（专家视角）
· Skill = 改变执行步骤（流程指令）
· MCP = 连接外部数据（实时信息）
典型场景：团队 10 条 PR 审查标准编码为一个 pr-review skill，所有人的审查自动一致，新人无需记忆清单。

Ch06 MCP Servers — 打通外部服务
MCP 让 Copilot 从"被动接收文件"变为"主动查询外部系统"。
· GitHub MCP（内置）：Issue、PR、commit、分支、代码搜索、Actions 状态
· Filesystem MCP：主动浏览文件系统，无需逐一 @ 引用
· Context7 MCP：实时拉取最新框架/库文档，解决训练数据过时问题
多 server 协作是亮点：一个会话内 Filesystem 探索代码 + GitHub 查 commit 历史 + Context7 获取最佳实践，综合产出改进方案。"Issue-to-PR"工作流——读 Issue、改代码、跑测试、建 PR，全程不离终端。

Ch07 Putting It All Together — 全链路整合
完整演示"idea -> plan -> agent 设计 -> 实现 -> 测试 -> /review -> 创建 PR"的端到端流程。
三个进阶工作流：Bug 调查修复（MCP + Agent + 测试生成）、pre-commit hook 自动安全审查、新项目快速上手（上下文 + Agent + MCP 找 good first issue）。
四条最佳实践提炼：
· 先上下文，后分析——先引用文件、先读 Issue，再调 agent
· 分清三层——Agent 是专家、Skill 是流程、Instructions 是常驻规范
· 一 feature 一 session——保持聚焦，用 /rename 管理
· 工作流编码入仓库——agents/skills/instructions 跟代码一起版本管理，新人自动继承

在线使用 Claude、OpenAI、Gemini、Antigravity 多种 AI 订阅服务时，API 配额管理和成本分摊常让人头疼。

Sub2API是一个一站式开源中转服务平台，支持多账户统一接入，自动分配 API 配额，智能调度请求，还能实现拼车共享，极大提升使用效率，降低成本。

主要功能：

- 多 upstream 账号管理，支持 OAuth 和 API Key 方式；
- 动态分发 API Key 给用户，方便接入管理；
- 精确的 Token 级计费与成本跟踪；
- 智能调度算法，支持会话粘性和高并发控制；
- 请求速率限制，保证服务稳定；
- 全功能管理面板，监控与配置一目