研究生科研效率工具指南：GitHub与AI Agent Skill实战

1. 科研效率困局的真实底色

1.1 研究生到底在扛什么

如果你正在读研，或者身边有正在读研的朋友，大概率对下面这些场景不会陌生：凌晨两点还在调LaTeX的参考文献格式，明明只是想把页眉字号改小一号，结果编译报错三十行；导师催着要文献综述，打开GitHub想找个现成的模板，页面转了半分钟最后显示连接超时；好不容易写完论文初稿，投稿系统要求把Word里的公式全部转成LaTeX，手动改到第三十个公式的时候开始怀疑人生。

这些事单拎出来都不算大，但它们叠加在一起，就构成了研究生日常里最消耗心力的那部分。真正做科研的时间被大量机械性、重复性的杂务挤占，而人的精力是有限的，杂务做多了，留给思考的时间自然就少了。

我见过太多人选择硬扛。硬扛的意思是：明明知道有工具可以用，但觉得学工具的时间比手动做还长，于是继续手动；明明知道GitHub上有现成的轮子，但打不开网页就放弃了，继续从零开始写；明明知道AI可以辅助处理很多文本工作，但不知道怎么用、用什么、用到什么程度，于是继续一个字一个字敲。

这篇文章想做的事情很简单：把GitHub上那些真正能帮到研究生的工具和Skill整理出来，说清楚每个工具解决什么问题、怎么用、有什么坑。不贪多，九个方向，每一个都是我自己或者身边人实际用过、确实能省时间的。

1.2 为什么是GitHub和Skill

GitHub对于研究生来说，价值远不止“代码托管平台”这么简单。它本质上是一个全球科研工作者和开发者共享工具、模板、数据集、写作框架的公共仓库。你遇到的绝大多数技术问题，大概率已经有人遇到过并且把解决方案开源出来了。问题只在于你能不能找到，以及找到之后能不能顺利拿到手。

而Skill这个概念，在AI Agent的语境下，指的是一种可复用的能力模块。你可以把它理解成一个“技能包”：把某个特定任务的处理流程、提示词、工具调用逻辑封装在一起，需要的时候直接调用，不需要每次从零开始配置。对于科研场景来说，Skill的价值在于把那些重复性的文本处理、格式转换、文献整理工作标准化，让AI Agent能够稳定地帮你完成，而不是每次都要重新教它一遍。

LaTeX作为科研写作的事实标准，和GitHub、Skill之间有着天然的连接点：GitHub上有大量LaTeX模板和工具，Skill可以把LaTeX相关的操作封装成可复用的能力。这三者结合起来，能覆盖研究生从文献管理到论文写作到投稿准备的完整链条。

2. 九类科研工具的核心拆解

2.1 LaTeX模板与辅助工具：从下载安装到页眉字号调整

LaTeX是科研写作绕不开的工具，但它的学习曲线确实陡峭。很多人卡在第一步：下载安装。Windows上推荐TeX Live，macOS上推荐MacTeX，这两个都是完整的发行版，装完之后基本不需要再单独装宏包。下载源建议用国内镜像，速度会快很多，具体镜像地址在各大高校的开源镜像站都能找到。

装好之后，编辑器选择上，VS Code配合LaTeX Workshop插件是目前比较主流的方案。配置的时候注意几个关键点：编译工具链选latexmk，它会自动处理多次编译的需求；输出目录建议单独设置，避免辅助文件散落在源码目录里；如果用了bibtex或biber管理参考文献，需要在配置里指定对应的工具。

页眉字号调整是很多人会遇到的具体问题。LaTeX里控制页眉的宏包主要是fancyhdr，调整字号的方法是在导言区重定义页眉的字体命令。比如：

\usepackage{fancyhdr} \pagestyle{fancy} \fancyhead[L]{\small 左页眉内容} \fancyhead[R]{\footnotesize 右页眉内容}

这里\small和\footnotesize是LaTeX预定义的字号命令，比直接写pt值更符合排版规范。如果需要对页眉做更精细的控制，可以用\fontsize{字号}{行距}\selectfont的方式。

清理辅助文件是另一个高频需求。LaTeX编译过程中会产生.aux、.log、.out、.toc、.bbl等一系列辅助文件，投稿或者分享源码的时候通常需要清理掉。手动删容易漏，可以用latexmk的-c选项自动清理，或者写一个简单的清理脚本：

latexmk -c

这个命令会清理掉所有辅助文件但保留最终PDF。如果需要更彻底的清理，用latexmk -C，连PDF一起删掉。

注意：清理辅助文件之前确认一下.bbl文件是否需要保留。如果期刊要求提交.bbl文件，就不要用-c选项，手动删除其他辅助文件即可。

2.2 GitHub访问与资源获取的实操方案

GitHub打不开是很多国内研究生面临的现实问题。这里不讨论任何网络层面的特殊手段，只说在正常网络环境下能够操作的方案。

第一种方案是使用GitHub镜像站。国内有几个高校和机构维护的镜像站，可以正常访问GitHub上的公开仓库。镜像站通常会有一定的同步延迟，但对于下载release版本、查看README文档来说完全够用。具体镜像地址可以在各大高校的开源软件镜像站页面找到。

第二种方案是通过GitHub的raw内容域名直接下载文件。比如一个仓库的README文件，可以通过raw.githubusercontent.com的对应路径直接获取。这个方法适合下载单个文件，不适合克隆整个仓库。

第三种方案是使用GitHub的API。通过API可以获取仓库信息、文件内容、release列表等，而且API的访问稳定性通常比网页端好一些。比如获取某个仓库的release列表：

curl -s https://api.github.com/repos/用户名/仓库名/releases/latest

这个命令会返回最新release的JSON信息，从中可以提取下载链接。

如果以上方案都不行，还有一个兜底方案：很多热门项目在国内的码云等平台上会有同步镜像，可以直接搜索项目名加“镜像”关键词查找。

实操心得：下载GitHub上的大仓库时，用--depth=1参数只克隆最近一次提交，可以大幅减少下载量。如果只是要看代码或者用现成工具，历史提交记录通常不需要。

2.3 AI Agent在科研场景中的落地方式

AI Agent和普通AI对话工具的区别在于：Agent能够自主调用工具、执行多步操作、根据中间结果调整策略。对于科研场景来说，这意味着你可以让Agent帮你完成“搜索文献→提取关键信息→整理成表格→生成综述初稿”这样一条完整的流程，而不是每一步都要手动操作。

Agent开发框架目前比较主流的有几类：一类是基于大模型API直接构建的轻量级框架，适合快速搭建原型；一类是带可视化编排界面的平台，适合不熟悉编程的研究生；还有一类是专注于特定场景的垂直Agent，比如专门做文献综述的、专门做数据分析的。

对于研究生来说，不需要从零开发Agent。更务实的做法是：找到已经封装好的Agent Skill，直接调用。比如“去AI味的Skill”可以帮助你把AI生成的文本改得更像人写的，“狗头军师Skill”可以帮你从批判性角度审视论文逻辑，“专利相关辅助链接AI辅助”可以帮你快速检索专利信息。

Agent处理并发请求的能力是另一个值得关注的点。如果你需要批量处理大量文献摘要或者批量生成实验报告，单线程的Agent会非常慢。这时候需要看Agent框架是否支持异步调用或者批量处理。一般来说，基于Python asyncio的框架在这方面表现更好。

2.4 文献管理与专利检索的AI辅助

文献管理是研究生日常工作中最耗时的环节之一。传统流程是：在数据库搜索→下载PDF→导入文献管理软件→手动补全元数据→插入引用。这个流程里，手动补全元数据和插入引用是最容易出错的环节。

AI辅助的文献管理工具可以做到：自动从PDF中提取标题、作者、期刊、年份等信息；自动匹配DOI并补全元数据；自动生成符合特定期刊格式的参考文献列表。有些工具还支持根据你的研究主题推荐相关文献。

专利检索是另一个容易被忽视但非常重要的场景。很多研究生的课题最终要落地到专利，或者需要做专利规避设计。传统的专利检索需要在多个专利数据库之间切换，手动整理检索结果。AI辅助的专利检索工具可以做到：自然语言描述技术方案→自动生成检索式→跨库检索→去重→按相关度排序→生成检索报告。

注意：AI辅助的文献管理和专利检索结果需要人工复核。AI提取的元数据可能有误，专利检索的查全率和查准率也需要根据具体技术领域调整检索策略。

2.5 Word公式转LaTeX的高效方案

Word公式转LaTeX是论文写作中的高频需求。手动转换的效率极低，一个包含几十个公式的论文，手动转换可能需要一整天。自动转换的方案有几种：

第一种是使用Word自带的LaTeX输入模式。在Word的公式编辑器中，切换到LaTeX模式，可以直接输入LaTeX代码并实时渲染。但这个方法适合新输入的公式，不适合转换已有的公式。

第二种是使用在线转换工具。把Word公式截图或者复制公式内容，粘贴到转换工具中，自动生成LaTeX代码。这类工具对简单公式的转换准确率较高，复杂公式可能需要手动调整。

第三种是使用Pandoc进行文档级转换。Pandoc支持从docx格式转换到LaTeX格式，公式会自动转换。转换命令：

pandoc input.docx -o output.tex

转换之后需要检查公式的准确性，特别是矩阵、分段函数、多行公式等复杂结构。

实操心得：Pandoc转换之前，建议先把Word文档中的公式统一用Word的公式编辑器重新保存一遍，确保公式是OMML格式而不是图片格式。图片格式的公式Pandoc无法识别。

2.6 科研写作中的AI辅助边界

AI在科研写作中的定位应该是“辅助”而不是“替代”。具体来说，AI可以帮你做这些事：检查语法和拼写错误、优化句子结构、生成段落大纲、翻译文献、解释专业术语、整理会议记录。但AI不应该帮你做这些事：生成研究数据、编造参考文献、代替你进行学术判断、直接生成论文正文。

“去AI味的Skill”是一个很实用的工具。AI生成的文本有一些典型特征：过度使用连接词、句式单一、缺乏个人风格、用词过于正式。去AI味的Skill会针对这些特征做处理，让文本读起来更像人写的。但要注意，去AI味不等于学术不端，它的目的是让表达更自然，而不是掩盖AI参与的事实。

在学术诚信的框架下，使用AI辅助写作需要遵循几个原则：AI参与的部分要在方法或致谢中说明；AI生成的内容必须经过你的验证和修改；核心论点、实验设计、数据分析必须由你完成。

2.7 代码与实验管理的GitHub实践

GitHub对于实验代码的管理价值体现在几个方面：版本控制让你可以随时回退到之前的代码状态；分支管理让你可以并行尝试不同的实验方案；Issue跟踪让你可以记录实验过程中遇到的问题和解决方案；README文档让你在几个月后还能看懂自己当时做了什么。

对于研究生来说，不需要把GitHub用得多复杂。几个基本操作就够：git init初始化仓库、git add和git commit保存修改、git push推送到远程、git branch创建分支、git checkout切换分支。如果多人协作，再加一个git pull拉取更新。

实验数据的管理建议用Git LFS（Large File Storage）。直接把大文件提交到Git仓库会导致仓库体积迅速膨胀，克隆和推送都会变得很慢。Git LFS可以把大文件存储在单独的位置，仓库里只保留指针文件。

git lfs install git lfs track "*.csv" git lfs track "*.h5"

注意：Git LFS有存储配额限制，免费账户的配额有限。如果实验数据量很大，建议用其他方式管理数据，Git仓库只放代码和配置文件。

2.8 效率工具的组合使用策略

单独使用一个工具的效果是线性的，组合使用多个工具的效果可能是指数级的。比如：用GitHub管理LaTeX论文源码，用VS Code作为编辑器，用LaTeX Workshop插件自动编译，用Zotero管理参考文献并自动生成bib文件，用Pandoc做格式转换，用AI Agent做文本润色和格式检查。

这个组合的核心逻辑是：每个工具负责一个环节，环节之间通过标准格式（比如bib文件、tex文件、pdf文件）连接，减少手动操作。配置一次，之后就可以稳定运行。

组合使用的关键是统一工作目录结构。建议的结构是：

project/ ├── paper/ # 论文源码 │ ├── main.tex │ ├── sections/ │ └── figures/ ├── refs/ # 参考文献 │ └── library.bib ├── data/ # 实验数据 ├── code/ # 实验代码 └── notes/ # 阅读笔记

这个结构的好处是清晰、可维护、可迁移。换电脑的时候整个目录打包带走，配置好环境就能继续工作。

2.9 从工具到工作流的思维转变

工具是点，工作流是线。研究生阶段最值得投入时间的事情之一，就是把自己的科研工作流搭建起来。工作流搭建的步骤是：先识别出日常工作中重复性最高的环节，然后为每个环节找到合适的工具，最后把工具串联起来形成自动化或半自动化的流程。

比如文献阅读这个环节，传统流程是：下载PDF→打开阅读→手动做笔记→手动整理引用。优化后的流程可以是：用Zotero自动抓取PDF元数据→用AI工具生成摘要→用笔记软件自动同步高亮和笔记→用插件自动生成引用格式。

工作流搭建的初期投入可能比手动做还费时间，但一旦搭建完成，后续的每一次使用都会节省时间。按照每天节省30分钟计算，一年就是180个小时，相当于多出22个完整的工作日。

实操心得：工作流不要追求一步到位。先搭建最核心的环节，用起来之后再逐步优化。一开始就追求完美的工作流，大概率会因为配置太复杂而放弃。

3. 实操过程与核心环节实现

3.1 从零搭建LaTeX写作环境的完整步骤

第一步，安装TeX发行版。Windows用户下载TeX Live的ISO镜像，挂载后运行install-tl-windows.bat。安装过程中建议选择“完整安装”，虽然体积大（约7GB），但避免后续缺宏包的麻烦。macOS用户下载MacTeX的pkg安装包，双击安装即可。

第二步，安装VS Code和LaTeX Workshop插件。VS Code官网下载安装包，安装完成后在扩展商店搜索“LaTeX Workshop”，安装后重启VS Code。

第三步，配置LaTeX Workshop。打开VS Code的设置，搜索“latex-workshop.latex.tools”，添加编译工具链。推荐配置：

{ "latex-workshop.latex.tools": [ { "name": "latexmk", "command": "latexmk", "args": [ "-synctex=1", "-interaction=nonstopmode", "-file-line-error", "-pdf", "-outdir=%OUTDIR%", "%DOC%" ] } ], "latex-workshop.latex.recipes": [ { "name": "latexmk", "tools": ["latexmk"] } ] }

第四步，测试编译。新建一个.tex文件，写入最简单的文档：

\documentclass{article} \begin{document} Hello, LaTeX! \end{document}

按Ctrl+Alt+B编译，如果生成PDF并在VS Code中预览，说明环境配置成功。

第五步，配置中文支持。如果论文需要写中文，把documentclass改为ctexart，或者引入ctex宏包：

\documentclass{ctexart}

编译中文文档需要用xelatex而不是pdflatex，在LaTeX Workshop的配置中把编译工具改为xelatex。

3.2 GitHub资源获取的替代路径实操

当GitHub网页端访问不稳定时，可以尝试以下替代路径。

路径一：通过镜像站访问。在搜索引擎中搜索“GitHub镜像”加上你所在地区的关键词，通常能找到可用的镜像站。镜像站的界面和GitHub基本一致，但同步可能有延迟。

路径二：通过API获取。GitHub的API端点通常比网页端更稳定。获取仓库信息的API格式是：

curl -s https://api.github.com/repos/用户名/仓库名

获取文件内容的API格式是：

curl -s https://api.github.com/repos/用户名/仓库名/contents/文件路径

返回的是Base64编码的内容，需要解码：

curl -s https://api.github.com/repos/用户名/仓库名/contents/README.md | python -c "import sys,json,base64; print(base64.b64decode(json.load(sys.stdin)['content']).decode())"

路径三：通过Git命令行配置代理。如果你有可用的代理服务，可以在Git中配置：

git config --global http.proxy http://代理地址:端口 git config --global https.proxy http://代理地址:端口

路径四：使用SSH协议。如果HTTPS访问不稳定，可以尝试SSH协议。需要先在GitHub账户设置中添加SSH公钥，然后克隆时使用SSH地址：

git clone git@github.com:用户名/仓库名.git

注意：以上方案的选择取决于你的具体网络环境。建议先尝试镜像站和API方案，这两个方案不需要额外配置。

3.3 AI Agent Skill的配置与调用

以文献综述Agent为例，配置一个可用的Skill通常需要以下几个步骤。

第一步，明确任务边界。文献综述Agent的任务是：根据给定的研究主题，检索相关文献，提取关键信息，生成综述初稿。边界是：不编造文献，不代替研究者做学术判断。

第二步，准备提示词模板。提示词需要包含：角色定义（你是一个学术文献综述助手）、任务描述（根据以下主题检索并整理文献）、输出格式（按主题分类，每篇文献包含作者、年份、核心发现、与主题的关联）、约束条件（只使用真实存在的文献，标注来源）。

第三步，配置工具调用。Agent需要调用的工具包括：文献数据库API（如Semantic Scholar、PubMed）、PDF解析工具、文本摘要工具。这些工具需要在Agent框架中注册。

第四步，测试和迭代。用一个小主题测试Agent的输出，检查文献是否真实、信息是否准确、格式是否符合要求。根据测试结果调整提示词和工具配置。

第五步，封装为可复用的Skill。把配置好的提示词、工具链、输出格式封装成一个Skill文件，之后每次需要做文献综述时直接调用。

实操心得：Agent的输出一定要人工复核。特别是文献引用，AI可能会把不同文献的信息混淆，或者生成看起来合理但实际上不存在的引用。复核的时候重点检查DOI和标题是否匹配。

3.4 论文格式转换的完整流程

从Word初稿到LaTeX投稿的完整转换流程如下。

第一步，整理Word文档。删除所有批注和修订记录，统一公式格式（全部用Word公式编辑器），统一图片格式（建议用PNG或PDF），确认参考文献格式。

第二步，用Pandoc做初步转换：

pandoc input.docx -o output.tex --wrap=preserve

--wrap=preserve参数保持原有的换行，避免Pandoc自动重排段落。

第三步，检查转换结果。重点检查：公式是否正确转换、图片路径是否正确、表格是否完整、参考文献是否保留。Pandoc对复杂表格和自定义样式的支持有限，这部分可能需要手动调整。

第四步，套用目标期刊的LaTeX模板。把转换后的内容复制到模板的对应位置，调整章节结构、图表位置、参考文献格式。

第五步，编译并修复错误。常见的错误包括：宏包冲突、特殊字符未转义、图片路径错误。逐个修复直到编译通过。

第六步，对照Word版本检查内容完整性。确保没有遗漏段落、公式、图表。

注意：Pandoc转换后的LaTeX代码通常比较冗长，建议手动清理不必要的格式命令，让代码更易读易维护。

3.5 科研工作流的自动化配置

把前面提到的工具串联起来，形成一个半自动化的科研工作流。

文献管理环节：Zotero + Better BibTeX插件。Zotero负责抓取和管理文献，Better BibTeX负责自动导出bib文件。配置好之后，Zotero中的文献变动会自动同步到bib文件，LaTeX中引用的文献始终是最新的。

写作环节：VS Code + LaTeX Workshop + Zotero。在VS Code中写LaTeX，用\cite{}插入引用，LaTeX Workshop自动调用bib文件生成参考文献列表。

版本控制环节：Git + GitHub。每次完成一个章节或者一个实验，commit一次。commit信息写清楚做了什么，方便后续回溯。

格式检查环节：AI Agent。写完一个章节后，让Agent检查语法错误、术语一致性、引用格式。Agent的输出作为参考，最终由你决定是否采纳。

投稿准备环节：latexmk -c清理辅助文件，检查PDF是否符合期刊要求，打包源码和PDF。

这个工作流的搭建时间大约需要半天到一天，但后续每次写论文都会节省大量时间。

4. 常见问题与排查技巧实录

4.1 LaTeX编译报错的快速定位方法

LaTeX报错信息通常很长，但关键信息往往在前几行。看到报错时，先看第一个以“!”开头的行，那是错误的起始位置。然后看它下面几行，通常会指出具体的错误原因和行号。

常见的错误类型和处理方法：

如果报错信息看不懂，可以把错误信息复制到搜索引擎中搜索，大概率能找到解决方案。另一个方法是注释掉最近修改的部分，逐步缩小问题范围。

4.2 GitHub下载失败的排查思路

下载失败的表现有多种：连接超时、下载速度极慢、下载到一半中断。对应的排查思路如下。

连接超时：先确认是网页端还是git clone失败。网页端失败尝试镜像站或API，git clone失败尝试SSH协议或者浅克隆。

git clone --depth=1 https://github.com/用户名/仓库名.git

下载速度极慢：尝试用镜像站下载release文件，或者用API获取文件内容。如果是大仓库，用浅克隆减少下载量。

下载中断：git支持断点续传，重新执行git clone或者git pull即可。如果反复中断，尝试分批下载或者用下载工具。

实操心得：下载大仓库之前先看一下仓库大小。GitHub仓库页面右侧会显示仓库大小，如果超过500MB，建议用浅克隆或者只下载需要的子目录。

4.3 AI辅助写作的常见误区

误区一：让AI直接生成论文正文。AI生成的正文缺乏实验支撑和学术深度，直接使用会导致学术不端。正确的做法是用AI辅助润色、检查、整理，核心内容由自己完成。

误区二：完全信任AI的文献引用。AI可能会生成看起来合理但实际上不存在的引用。每一条AI给出的引用都需要在数据库中核实。

误区三：用AI替代文献阅读。AI可以帮你快速了解一篇文献的大意，但不能替代精读。核心文献必须自己读。

误区四：忽视AI输出的格式问题。AI生成的LaTeX代码可能有语法错误，生成的表格可能格式混乱。使用前需要检查和调整。

误区五：在论文中不说明AI的使用。越来越多的期刊要求说明AI工具的使用情况。在使用AI辅助写作时，按照期刊要求进行声明。

4.4 工具组合使用中的冲突处理

工具组合使用时会遇到一些冲突，常见的包括：

编码冲突：不同工具对文件编码的处理不一致，导致中文乱码。解决方法是在所有工具中统一使用UTF-8编码。VS Code的默认编码设置为UTF-8，Zotero导出bib文件时选择UTF-8，LaTeX编译时用xelatex。

路径冲突：Windows和Linux的路径分隔符不同，导致在Windows上能编译的文档在Linux上报错。解决方法是在LaTeX中使用正斜杠/作为路径分隔符，或者用\detokenize命令处理路径。

版本冲突：不同工具依赖的库版本不一致。解决方法是使用虚拟环境或者容器隔离不同项目的依赖。

宏包冲突：不同宏包之间可能有命令冲突。解决方法是调整宏包的加载顺序，或者用\let命令重定义冲突的命令。

注意：遇到工具冲突时，先确认是配置问题还是兼容性问题。配置问题可以通过调整设置解决，兼容性问题可能需要更换工具或者等待更新。

4.5 科研效率工具的学习路径建议

面对这么多工具，不需要一次性全部学会。建议的学习路径是：

第一阶段（第一周）：掌握LaTeX基础语法和VS Code + LaTeX Workshop的配置。能够独立编译一篇简单的论文。

第二阶段（第二周）：掌握Git基本操作和GitHub的使用。能够用Git管理论文源码，能够从GitHub获取需要的资源。

第三阶段（第三周）：掌握Zotero和Better BibTeX的配置。能够自动管理参考文献和生成bib文件。

第四阶段（第四周）：尝试AI辅助工具。从简单的语法检查开始，逐步尝试文献整理、格式转换等更复杂的任务。

第五阶段（后续）：根据实际需求，逐步优化和扩展工作流。遇到问题解决问题，不需要提前学习用不到的工具。

这个路径的核心逻辑是：先用起来最基本的工具，然后在实际使用中逐步扩展。不要为了学工具而学工具，工具的价值在于解决实际问题。

4.6 常见问题速查表

5. 一些实际使用中的体会

工具的价值不在于多，而在于用起来。我见过很多研究生收藏了几十个GitHub仓库，装了一堆软件，但实际写论文的时候还是用最原始的方式。问题不在于工具不好，而在于没有把工具融入到日常工作流中。

我的建议是：选三到五个核心工具，花时间把它们配置好，然后用起来。配置的过程可能有点麻烦，但一次投入换来的是后续每一次写作的效率提升。LaTeX环境配置一次，后面写论文就不用再折腾格式；Git仓库建好一次，后面每次修改都有记录；Zotero配置好一次，后面参考文献自动生成。

另一个体会是：不要追求完美的工作流。我一开始也想把所有工具都串联起来，结果配置太复杂，用了两天就放弃了。后来简化到只保留最核心的几个环节，反而坚持下来了。工作流是迭代出来的，不是设计出来的。先用最简版本跑起来，遇到问题再优化。

最后说一个具体的技巧：把常用的LaTeX代码片段保存成snippet。VS Code支持自定义snippet，比如输入“fig”自动展开为完整的figure环境，输入“tab”自动展开为table环境。这个功能看起来不起眼，但每天写论文的时候能省下大量敲重复代码的时间。配置方法是在VS Code中按Ctrl+Shift+P，搜索“snippet”，选择“Preferences: Configure User Snippets”，然后编辑latex.json文件。