《让科研像聊天一样简单》提供了77个数据科研提示词，涵盖数据清洗、描述性统计、模式与趋势发现、相关性分析、模型建立、假设检验、参数估计、特征工程、多变量分析、模型评估与检验、数据解读、文本分析、数据可视化等多个方面，旨在帮助研究者更高效地进行数据分析和科研工作。
数据清洗部分提供了处理缺失值、异常值、噪声和重复值的提示词，例如使用均值、中位数、插值等方法处理缺失值，使用Z-score、IQR等方法检测异常值，以及使用平滑、滤波等方法处理噪声。
描述性统计部分提供了计算集中趋势、离散程度和分布特征的提示词，例如计算均值、中位数、众数、方差、标准差和偏度等指标，并解释变量的分布形态特征。
模式与趋势发现部分提供了进行聚类趋势探索、时间/空间规律识别和异常模式检测的提示词，例如使用K-means、层次聚类等方法进行聚类，使用时间序列分析方法识别趋势和周期性，以及使用箱线图阈值、Z-score等方法检测异常模式。
相关性分析部分提供了计算相关系数矩阵、进行偏相关分析和初步因果关系探索的提示词，例如计算Pearson/Spearman相关系数，分析控制变量对关系的影响，以及使用格兰杰因果检验等方法探索因果关系。
模型建立部分提供了建立线性/多元回归、Logistic回归和方差分析模型的提示词，例如建立回归模型并输出回归系数、显著性检验结果和模型拟合优度，以及进行单因素/多因素方差分析并输出方差分析表及显著性结果。
假设检验部分提供了进行t检验、卡方检验、方差齐性检验和非参数检验的提示词，例如对变量/组别进行t检验，对分类变量进行卡方独立性检验，以及进行方差齐性检验。
参数估计部分提供了进行最大似然估计、贝叶斯估计和区间估计的提示词，例如进行最大似然估计并输出参数估计值及对比拟合效果，以及计算均值的置信区间。
特征工程部分提供了进行特征选择和特征衍生的提示词，例如基于相关性过滤、正则化选择等方法进行特征选择，以及基于已有变量构造新的特征。
多变量分析部分提供了进行主成分分析、判别分析和典型相关分析的提示词，例如进行主成分分析并输出主成分的载荷矩阵、解释方差比例及主要成分得分，以及基于分组变量进行线性判别分析。
模型评估与检验部分提供了进行交叉验证、信息准则和稳健性检验的提示词，例如进行K折交叉验证并输出平均性能指标及各折结果，以及进行稳健性检验并输出检验结果与结论。
数据解读部分提供了总结主要发现、结合科研背景进行解释、解读实验组间差异、解读趋势与预测的提示词，例如总结主要发现并解释其对研究主题/领域的潜在意义。
文本分析部分提供了主题提取和情感分析的提示词，例如识别文本中的高频概念并提取主要话题，分析情绪波动背后的潜在驱动因素。
数据可视化部分提供了生成环形图、饼状图、线形图、柱状图、面积图、散点图、极坐标图、玫瑰图、力导向图、树图、桑葚图、漏斗图、热力图、词云图、思维导图、流程图、甘特图、架构图、韦恩图、泳道图、用户体验图、概念图、数据流图、UML图、用例图、循环图、ER图、BPMN图、SWOT图、电路图、括号图、平面图、时间轴图、鱼骨图、组织结构图、网络拓扑图、技术路线图等图表的提示词，例如生成环形图、饼状图、线形图等图表并输出HTML格式结果。
教材《让科研像聊天一样简单》强调技术赋能的同时，始终将学术伦理与科研诚信置于核心位置，涵盖论文写作、课题申报、研究报告、数据科学四大科研核心场景，采用“提示词技巧-案例演练”双轨体系，聚焦“逆向设计”思维，强调“决策穿透”能力，致力于打破学科壁垒。
一句话上手的AI学术工具AI直接交付可编辑的结果，世界上第一个一句话生成一本书的AIGKZeeLin AI Scientist，集成检索、分析、写作等模块，自动执行文献整理、图表生成、知识建模等高强度任务。
