以前跟着邹老师读过些许论文，读来读去还是想不清楚到底该怎么读，借着这次公选课《智能网联汽车》的大作业，去整理阅读思路吧。 写论文这事儿，其实挺折腾的。
读论文阶段
一开始，我面对论文堆，整个人就蒙了。真心不知道从哪下手。先定规矩：每次只回答一个问题，不然大脑爆炸。
- 创新点：看到一篇NR‑V2X的论文，我就问自己：“它到底新在哪？比传统V2X厉害吗？”然后在笔记里写：混合链路，时延降低，单路口仿真。
- 局限：紧接着问：“实验条件有啥坑？”写下“只测单路口，城市复杂交通没算”。
- 对比/批评：再看看引用它的文献或review，“批评：假设太理想，边缘计算没考虑丢包”。就这样，三步搞定，不用通篇啃。
类似的：
- “这套传感器融合方法有什么创新？”——多模态雷达+摄像头融合，雨天识别率提高20%。
- “实验局限？”——只用仿真城市和小规模公开数据集。
- “缺点？”——夜间复杂路况没测，延迟没量化。
听说因为没妥善管理文献，有的人为此一番折腾。
如何选择文献管理工具呢？
| 工具 | 优点 / 适合啥 | 缺点 / 需要注意 | 我的体验 / 场景 |
|---|---|---|---|
| Zotero | - 免费开源，随便抓资料不心疼。 - 浏览器插件方便，一键抓网页或数据库文献信息。 - 本地库 + 云同步都行，Word / Google Docs 插件可以直接插引用。 |
- 免费云存储有限，如果 PDF 多可能不够用。 - 中文元数据有时候得手动补全。 - 高级功能需要自己折腾配置。 |
我最常用，特别适合整理几十篇论文、做笔记、分类、写综述的时候。 |
| Mendeley | - PDF 管理、标注高亮不错。 - 云存储比 Zotero 多一点。 - 内置学术社交 / 共享库，团队协作方便。 |
- 公司收购后有人担心隐私和长期维护。 - 大文献库时插件可能不太稳。 - 中文文献有时要手动改 metadata。 |
听说适合读英文文献多、喜欢在 PDF 上做笔记和标注、偶尔共享给团队。写综述时可以当作临时笔记工具。 |
| EndNote | - 功能最全，引用样式多，投稿、出版流程友好。 - 对复杂引用和大文献库适应性强。 |
- 收费，个人用不太友好。 - 上手门槛高，界面复杂。 - 协作/跨设备云同步不如 Zotero / Mendeley。 |
如果要正式投稿或文献量特别大，可以用。听说有点重装备，灵活性不如 Zotero。 |
如何搭建自己的文献知识库，与大模型对话呢？ 我尝试了本地部署Ollama管理大模型，用Ollama+Anything；Ollama/Qwen+Dify；Autodl上部署超大参数模型+自己微调（还没折腾好）
做笔记阶段
笔记不求花里胡哨，能回答上面三类问题就行。
- 摘要、引言扫一遍，核心信息直接写笔记。
- 有时顺手画个小箭头，把方法优劣对比画出来，自己一看就懂。
- 发现好几个论文方法类似，就在旁边标注“同一流派”，方便后续分类。
每篇论文基本像打卡：标创新、标局限、标批评。碎片化，但有效。 为了管理方便，我直接建个表格：方法、场景、优点、局限、实验规模。每读一篇填一个格子，省得忘。 —
分类阶段
分类很关键，否则写起来乱成一锅粥。
- 按主题：通信、感知、计算、治理四大类。
- 按流派：每类内部按方法流派整理，再按时间顺序。
- 表格/笔记对照：每篇论文的创新点、局限、实验条件都在表里一目了然。
有趣的是，分类过程像玩积木：红色积木归一堆，蓝色积木归一堆，再看看哪块能搭成框架。慢慢就有图景了。
写作阶段
有了笔记和分类，写作就像拼图了：
- 每块直接拿创新点、局限、实验条件、批评出来组合。
- 写的时候不停问自己：“这方法真能在城市跑吗？哪些只是噱头？”
- 每块都回答清楚，好处不用多写，重点是限制和边界——这才有意思。
- 未来方向不是瞎想，而是从这些空白点自然长出来：通信瓶颈、计算限制、数据约束。
整个过程就像自己搭桥，把知识碎片串成路，画一幅还没完成的地图。 文章大部分是AI写的，自己后期加了点润色，水文