【菜科解读】

冻柿子是东北地区比较受欢迎的一种水果，它的吃法比较多，味道很不错，很多人都喜欢吃。

冻柿子一般不建议和虾一起吃，因为虾含有丰富的蛋白质，而柿子哈有鞣酸物质，不容易消化吸收。

冻柿子可以和虾一起吃吗

冻柿子和虾一般不建议一起吃，会有一定影响。

虾里面含有丰富的蛋白质、微量元素以及钙元素等多种营养物质，而虾性质偏寒，一起吃可能会导致虾的营养价值降低，还会影响身体对蛋白质的吸收。

还有冻柿子里面含有鞣酸类物质，该类物质与虾里面的钙离子以及蛋白质结合之后可能会导致肠蠕动速度减慢，诱发腹胀。

平时在饮食上，如果不确定两种食物是否可以一起搭配进食，建议先向相关人士做详细咨询，在没有确认前不要私下盲目搭配服用，以免诱发不良反应。

冻柿子不能和什么一起吃

1、含钙丰富的食物：如牛奶、豆类食物，以及海产品，如螃蟹、海鱼等。

冻柿子中含有丰富的鞣酸，易与钙结合形成鞣酸钙，鞣酸钙难以被人体所吸收，会导致食物的营养价值下降，如果食用过多，还有可能会导致消化不良的症状，所以不建议与冻柿子一同食用；

2、含淀粉丰富的食物：如红薯、紫薯以及土豆等，这些食物较难消化，而冻柿子中含有丰富的果胶以及纤维素等物质，也比较难消化，如果一同食用较多，可能会导致肠胃负担加重。

对于肠胃虚弱者，不建议一同食用；

3、含铁丰富的食物：如猪肝、鸡肝、黑木耳等，铁元素与冻柿子中的鞣酸会形成鞣酸铁，影响肠胃对于铁元素的吸收，因此不建议一起食用；

4、凉性食物：如萝卜、茄子、冬瓜，冻柿子也属于凉性物质，这些食物与冻柿子一同食用过量后易损伤脾胃，因此不建议一同食用。

虾不能和什么一起吃

虾是一种高蛋白的食物，一般不能和鸡蛋、猪肝、菠菜、西红柿、苦瓜等食物一起吃，以免影响身体处于良好的状态。

1、鸡蛋：鸡蛋中富含优质蛋白，通常是不能和虾一起吃的，这两种食物都属于高蛋白食物，一起吃可能会导致蛋白质摄入过多，影响机体对蛋白质的吸收，还可能会增加胃肠道负担。

2、猪肝：猪肝中含有丰富的蛋白质和维生素，一般不适合与虾一起搭配食用，吃了之后可能会导致蛋白质摄入过多，不能及时消化和吸收，容易引起腹胀、腹痛等现象。

3、菠菜：菠菜中含有大量草酸，和虾一起食用后可能会影响机体对虾中的蛋白质吸收，降低虾的营养。

4、西红柿：虾中含有大量的钙元素，不适合与西红柿一起吃，这两种食物搭配食用，西红柿中的鞣酸可能会导致蛋白质出现结块，不利于人体的消化，还可能会诱发腹部疼痛、水样排便等症状。

5、苦瓜：苦瓜中含有铁元素，其铁元素不宜和虾中的钙元素同时摄入，以免影响两者的吸收效果，并会对胃肠道产生负担。

虾虽然是营养价值较高的食物，但不建议痛风、过敏体质者食用，如果在食用虾以后出现不良反应，应及时就医。

这只龙虾让我觉得，AI科研的时代来了，新的科技大爆炸不远了

广告 这只龙虾让我觉得，AI科研的时代来了，新的科技大爆炸不远了 15:18 广告 广告 广告 了解详情 > 会员跳广告 首月9.9元 秒后跳过广告 开通搜狐视频黄金会员，尊享更高品质体验！ 1080P及以上画质仅为黄金会员专享> 开通/续费会员 抱歉，您观看的视频加载失败 请检查网络连接后重试，有话要说？请点击 我要反馈>> 正在切换清晰度... 播放 按esc可退出全屏模式 00:00 00:00 00:09 广告 只看TA 高清 倍速 剧集 字幕 下拉浏览更多 5X进行中 炫彩HDRVIP尊享HDR视觉盛宴 超清 720P 高清 540P 2.0x 1.5x 1.25x 1.0x 0.8x 50 哎呀，什么都没识别到 反馈 循环播放 跳过片头片尾 画面色彩调整 AI明星识别 视频截取 跳过片头片尾 是 | 否 色彩调整 亮度 标准 饱和度 100 对比度 100 恢复默认设置 关闭 复制全部log 最近，不少多年没有写代码的技术高管，因为OpenClaw和Claude Code，又重新开始自己动手coding了。

还观察到一个现象，有些多年远离科研一线的博士，也因为Agent，重新回归实验室。

是时候用AI龙虾表演真正的技术了…… 说实话，很多时候压垮一个博士生的不是科学问题本身，是那些永远处理不完的文献、永远调不对的实验参数、永远写不完的回复信。

AI4S，前几年一直有点叫好不叫座。

都知道这是稀缺的高价值场景，未来影响非常深远，但是受制于底层模型的能力和架构，始终没有收获匹配其技术含量的关注。

但今天，我想认真聊聊SciClaw。

https://sciclaw.ai/ 最开始，在朋友圈，刷到SciClaw，说是专门针对科研场景的AI Agent，国内团队做的，是一只科研领域的专属龙虾。

我测评过的AI科研工具，有文献管理、代码生成的，也有从实验记录到数据分析的，真正能打的屈指可数。

大部分所谓AI for Science的产品，不过是给传统工具套了个大模型的壳子。

但这次，范式变了。

科研工作者终于有可能，从那些低价值的体力劳动里解放出来了。

生命科学、物理学、化学……底层学科的最前沿，也许很快就会因为AI的介入，向前一大步。

01记忆与上下文：它真的记得住你在做什么 登陆后一上来，SciClaw打招呼的方式，就很有科幻感。

一个专属的、有个性的养成系科研龙虾，就这么水灵灵跟我互动起来了。

用下来，一个很让我惊喜的点，关于Memory。

大多数AI产品有一个致命缺陷，就是金鱼记忆。

每次跟它对话，都得把前因后果重新讲一遍。

上周跑过的实验数据，上个月读过的某篇文献，跟导师讨论过的某个思路，它统统不记得。

每次都要从头开始，这种体验用几次就让人想摔键盘。

但SciClaw不一样。

我上手第一天，让它把我本地一个研究项目的文件夹全部索引一遍。

里面有实验记录、文献PDF、数据处理脚本、甚至还有我跟合作方沟通的邮件截图。

大概花了几分钟，它告诉我索引完成了。

然后我问了一句：这个项目目前的瓶颈在哪里？ 它不需要我重复第二次，直接列出了三个关键问题，还引用了上周我记录在实验本里的一组异常数据，以及一篇我两周前下载但还没来得及读的文献里的某个观点。

我当时愣了一下。

这是它真正理解了这个项目的上下文，知道哪些信息是关键的，哪些是干扰项。

在超长的任务、庞大的上下文、连续多轮的对话里，依然稳定又靠谱。

像一个跟了我很久的资深研究员，是有点默契在里面的，绝对不是新认识的临时工。

后来我仔细琢磨了一下它的技术架构。

SciClaw在后台做了一个持续更新的知识图谱，把用户所有的数据资产，不管是结构化的实验数据还是非结构化的文献笔记，全部关联起来。

当我提出一个问题时，它不是简单地在文档里做关键词匹配，还会基于整个项目的历史上下文来理解你的真实意图。

这一点在科研场景里太重要了。

科研工作本质上是一个长期、复杂、充满不确定性的探索过程。

从离散的信息和数据，到割裂的环境和环节，从想法到执行，总面临巨大鸿沟。

今天的想法，可能基于三个月前的一次失败实验，现在的实验设计可能源于某篇文献中的一个脚注。

如果一个AI工具不能理解这种时间维度和逻辑维度上的关联，它就永远只是一个高级点的搜索引擎，不是一个真正的科研搭档。

SciClaw在这方面的表现，让我第一次觉得AI可以参与到科研的核心流程里。

02执行与交付：从对话到成果的无缝衔接 再说说它的执行力。

说实话，市面上能聊天的AI很多，能回答问题的AI也很多，但能真正帮你把活干完的AI，少之又少。

团队里有个博士Peter，前段时间被一个汇报PPT折磨得不轻。

项目进展到关键节点，数据散落在十几个文件夹里，实验记录乱七八糟，文献引用更是没眼看。

按照以前的节奏，这至少得熬两个通宵画PPT。

我让他试试SciClaw的Foundry模块。

他给了龙虾一个指令：帮我整理这个项目的进展，生成一份大组会汇报用的PPT。

然后就去吃饭了。

等他回来，PPT已经躺在桌面上了。

结构清晰，图表完整，甚至每个关键数据点都标注了来源。

只需要在几个地方微调一下逻辑表述，前后加起来不到半个小时。

这是AI4S工程的力量。

在Foundry模块里，不像有些AI PPT工具，是把信息堆砌在一起，在SciClaw里是基于对项目上下文的深度理解，自动判断哪些信息是核心的、哪些是支撑性的，还有哪些是可以省略的。

它知道学术汇报PPT的结构应该是怎样的，知道图表应该放在哪里，知道参考文献应该怎么标注。

这就得靠团队对科研工作流的理解了。

明显感觉到，这是一群Researchers，从第一天起就在解决科研工作者的真实痛点。

我尤其想提一下它的论文生成能力。

科研写作最痛苦的部分，总是那些格式、引用、排版之类的体力活。

有一个绝妙的idea，但要花几个小时去调整参考文献的格式、统一图表的编号，还得要花不知道多久把实验数据整理成论文需要的表格。

这些工作不需要任何创造力，但必须做，而且绝对不能出错。

SciClaw在这方面的表现，乍一看nerdy，再一看贴心。

我让它帮我生成一篇论文草稿的初稿，基于我的实验数据和文献笔记。

它输出的内容在结构上已经非常接近正式论文了，引言部分甚至能自然地引用相关文献，方法部分的描述也相当准确。

就像是MIT的博士，搞毕业论文一样，一眼一板的很严谨。

再细看，又很可圈可点，朴素准确的背后，还会有特别的洞察和小巧思。

能让我可以把精力集中在真正需要思考的地方，还会受到启发。

不再需要一边写论文一边惦记着还有哪个实验数据没整理，可以专注于观点的表达，以及论证的逻辑是否严密、结论的表述是否准确。

这种感觉，就像你终于有了一个靠谱的助理，帮你处理所有琐碎的事务性工作，还能超出预期。

03一只会守夜、能救场的全场景科研龙虾 跑一个分子动力学模拟，可能需要三天三夜。

跑一个深度学习模型的训练，可能需要一周。

期间不能关电脑，不能断网，甚至不敢走远，因为随时可能出现错误。

以前跟过一个项目，需要跑一组总共需要2000小时的计算任务。

那时候我和另一个同学轮流值班，半夜定闹钟起来检查任务状态，生怕出问题。

那种感觉，既像在守灵，又像在坐牢。

SciClaw的Playbook功能，就是专门解决这个问题的。

我测试了一下它的自动化任务管理能力。

让它提交一个需要长时间运行的计算任务，然后我就去睡觉了。

第二天早上醒来，任务已经跑完了，中间出现过一次依赖库版本的问题，它自己检测到之后重新配置了环境，然后继续运行。

这就是一个具备自我修复能力的执行系统了。

仔细看了它的日志。

那个依赖库错误发生时，SciClaw首先尝试理解错误的含义，然后去查阅相关的技术文档，找到一个可行的解决方案，执行修复，验证修复结果，然后继续原来的任务。

整个过程完全自动，不需要我介入。

这种能力在科研场景里的价值怎么强调都不为过。

科研工作者最宝贵的东西是什么？是注意力，是心流状态。

现在人为什么越来越难去潜心研究了，因为干扰太多无法进入深度思考的状态，因为注意力随时可能被中断。

SciClaw把这种束缚解除了。

它替你守夜，替你盯着那些漫长的任务，让你可以专注于真正需要你思考的事情。

这不是效率的提升，这是工作方式的根本改变。

还有很多实用的场景—— 电脑不在手边？龙虾替你远程救场。

周末，手机突然弹出微信消息：“今晚临时有个重要会议，辛苦把项目进展整理发我”。

人还在外面，电脑不在身边，数据散落在几十个文件夹里，换作以前只能连夜打车回实验室。

但现在，只要一句：“龙虾，帮我整理进展，生成汇报材料”。

它能在后台自动翻阅文献、整合图表、分析数据，10分钟后把一份结构清晰的PPT直接甩给你。

人在浪，龙虾在打工。

这不就是科研人梦寐以求的爽文剧情？ Peer Review的修罗场，龙虾是你的「嘴替」。

如果说交流汇报是常规操作，那么面对论文Peer Review（同行评审）时，这只龙虾就是你的「嘴替」和「数据管家」。

面对诸多审稿意见一时间思绪万千不知从何说起时，龙虾能帮你调取历史研发数据作为铁证；

面对需要大量补充实验数据的繁琐要求，它能帮你基于已有手稿和过往任务里，快速挖掘支持性证据。

那些耗时耗力、让人崩溃的回复信，龙虾能帮你快速draft出初稿，让人把精力集中在真正的学术辩论上。

复现文章配置难，龙虾一键「破局」。

复现顶刊文章的结果，往往是科研新人的「劝退」时刻。

第一步环境配置就琢磨不透，繁杂的版本不兼容、运行就出现莫名报错，足以消磨掉所有热情。

SciClaw帮你快速搭建实验环境复现计算和预测任务，让我们不再受到这些琐事的困扰。

它就像一个经验丰富的老法师，帮你把地基打牢，让你直接站在巨人的肩膀上开始真正的创新。

04连接与生态：它不只是软件，是科研基础设施 最后我想说说SciClaw的连接能力。

如果它只是一个能聊天、能写文档、能跑任务的软件，我可能会觉得它是个好产品，但不会觉得它有什么革命性。

但它不只是软件。

最近在尝试把SciClaw接入到实际的实验环境中。

看到X上一个操作，把SciClaw和实验室的AI眼镜连接起来。

场景是这样的：做实验，双手都是试剂，没法操作电脑。

这时候需要查一下下一步的操作步骤，或者需要记录一个观察到的实验现象。

只需要对着眼镜说一句话，龙虾就能理解你的需求，调出相应的操作指引，或者把观察结果自动记录到电子实验本里。

视频里那个场景我看了很多遍。

实验员戴着AI眼镜，在操作气相色谱-质谱联用仪的时候双手完全没有空闲，但通过语音指令，SciClaw帮他完成了进样检测的全流程配置。

从发出指令到仪器开始运行，整个过程不到一分钟。

也许，这才是科研工具的终极形态。

它不会让你停下来去使用它，而会悄无声息融入到工作的每一个环节里，在最需要的时候出现，在不打扰的时候默默在后台工作。

还看到有人测试了SciClaw和自动化实验设备的对接。

通过标准的中控台接口，它可以直接调度机械臂、移液工作站这些设备。

一个实验流程可以从文献检索开始，到实验设计，到设备调度，到数据采集，到结果分析，全部由AI协同完成。

人类研究员只需要定义问题、设定目标、评估结果。

计算机科学里有个概念：声明式编程。

告诉系统你想要什么，系统自己想办法去实现。

在科研领域，这个范式转变的意义，可能更深远。

让科学家去做属于科学家的事——提出好的问题，设计巧妙的实验，理解复杂的结果，构建深刻的理论。

05一些其他思考 用了这些时间，我一直在想一个问题：像SciClaw这样的工具，到底会怎么改变科研这个行业。

它会加剧科研的不平等吗？ 它可能会改变科研的评价体系吗？ 我整体还是乐观的。

当AI可以处理大量的执行工作，论文的数量可能不再是衡量科研能力的核心指标。

创意和质量才是，解决实实在在的问题才是。

还有一点我特别想说。

在AI能力越来越强的今天，很多人担心科研工作者会被替代。

我的看法正好相反。

AI替代的不是科研工作者，是科研工作中的重复劳动。

那些真正需要创造力、需要直觉、需要对科学问题深刻理解的工作，反而会因为AI的辅助而变得更加重要。

就像SciClaw这个产品所展现的，它没有在取代科学家，是在帮科学家卸下那些不必要的负担，让他们可以专注于真正重要的事情。

人类去思考，AI去执行。

这大概就是科研工作者的理想未来了…… 目前使用SciClaw还需要邀请码，欢迎评论区给我留言或者私信～ 官网在这里：https://sciclaw.ai/

万人火速入局！WPS笔记内测上线，支持龙虾直接“动笔”

近日，金山办公正式开放AI原生笔记产品 “WPS笔记” 内测，开放首日便引爆市场，申请量突破8000。

这款主打 “随心记录，永远有序” 的AI原生应用，不仅支持文字即时记录，更深度融合AI Agent，兼容语音转写、图片结构化处理等多模态录入方式，实现从信息录入、整理到复用的全流程智能化，彻底改变传统笔记 “难整理、难复用” 的困境。

“整理是AI的事，思考是用户的事。

”金山办公AI产品负责人徐奕成强调，我们在产品立项之时就明确WPS笔记的AI只做内容的重构，不做AIGC。

我们要做的不是简单的功能叠加，而是一次 “责任转移”—— 把对抗熵增、整理信息的重担，从用户身上彻底转移给 AI。

用户只需要专注于记录和思考，放心地把各类信息 “往里扔”，剩下的分类、归档、结构化工作，全由AI完成。

为了实现这个目标，WPS笔记团队围绕 “责任转移” 展开关键布局。

首先，语音转写自带记忆能力，能精准留存用户的修正历史，结合上下文自动优化转写准确性，例如在小米1S发布会相关场景中，可智能将转写识别的 “小米 Yes” 修正为 “小米 1S”，避免重复纠错。

同时，针对图片结构化处理，依托WPS自研的 Monkey OCR 技术，能精准提取图片中的文字、公式与表格，让图片内容从 “黑盒” 变为可检索的结构化数据，搭配梯形校正与弯曲矫正功能，拍白板、PPT 无需纠结拍摄角度。

此外，通过打通MCP与CLI双接口，WPS笔记开放23 +原子能力接口，支持龙虾、Claude Code 等工具直接操作笔记。

赋予 AI Agent 直接读写、编辑笔记的完整权限，彻底省去人工复制粘贴的中间环节，真正达成 “Agent 负责干活，笔记负责留存结果” 的高效协同模式，让信息流转更顺畅。

从行业的角度看，区别于传统AI笔记的 AIGC 生成模式，WPS笔记坚持 “只做内容重构，不做无中生有”，确保用户思考的纯粹性。

同时开源Skill仓库，允许开发者贡献场景化工具脚本，覆盖教育、编码、内容创作等多元场景，形成灵活扩展的生态体系。

此前，WPS已在文档总结、格式优化、多模态处理等领域积累了成熟的AI能力，而WPS 笔记则进一步打通了 AI Agent 协作链路，构建起 “工具协同 - 知识沉淀 - 高效复用” 的闭环。