论文写作经验

如何科研

算法工程→算法论文经验

0. 前言
   前些天中了论文后就想写个经验贴，今天正好有时间，就写一些。lz 在疫情来临之前从没想过做计算机，更没想过做算法，当时正在做 robomaster，疫情来临之后在家无所事事开始算法竞赛，之后获得比较好的成绩，加上算法比赛很有趣，就陆续参加一些比赛。行文可能略长，有之后想做算法的同学还没有经验的同学可以看看

1. 竞赛篇
   大四保研之后，参加了 robomaster，梦想之后研究生也可以接着搞机器人，做出点东西，然后疫情来了，从 19 年 12 月份待在家中，后来春节前和网上认识的队友参加了一个小 nlp 分类比赛，那时候，仅仅会写 python，pytorch 会一点点？在博客上搜罗了各种文章和模型搭了一个简单 cnn 模型，成绩还挺好，但是当时觉得就是一个微不足道的比赛，离天池那种大型平台的比赛差距很远，即使参加了也获得不了好的成绩。后来我队友此处@ckxie，在过年后说天池上的一个 nlp 比赛很有趣，我们可以参加一下、这里很感谢他当时选择了一个正确的比赛一个正确的方向，如果当时听我的选择 cv 比赛结果就不知道怎么样了。那时，我依然不会设计搭建模型，比赛周期两个月左右，边学边做，我记得第一次提交的时候一共 50 多人我们倒数第二，但是预想到了这一点，也没多么失望，那就继续硬着头皮打吧，前期我还在熟悉各种模型，@ckxie 已经开始提交了，终于在几天之后我们进了前 30 名，当时给我们激动坏了，有更大的动力做题，当时思路是搜论文，看博客，复现，但这些都不怎么管用，经过不懈努力把成绩勉强做到了前 20，比赛还剩两周的时候我突然发现一个 tricks，然后成绩突飞猛进，20-》10—〉2，最后的名次也就是第二。这是我们第一次在大平台上打比赛，成绩还不错，给我们很大的振奋，之后又参加了一些比赛都获得了比较好的成绩，在比赛中我学习到几件事，1. 是工具库的使用，2. 比赛相关领域的模型结构，3. 对数据的感觉，4. 不放弃的精神，5. 搜索资料的能力，6. 对模型的结构的深入理解，7. 对深度学习各个方向的理解找到合适自己的方向。这几点是我能想到东西，可能还有一些我忽略了但是潜移默化改变着自己。

2. 实习篇
   一转眼，疫情好了一些，9 月来浙大报道，但是一入学就被学长学姐们找工作的焦虑传染，觉得自己找不到工作。就在想怎么能找工作，此处@一位在我前期给我很多建议的已经在阿里工作的学姐，很感谢那些建议、这些建议影响了我研一到现在的这一年。找实习吧，最开始在实习僧上找，可是投了很多家都没反馈，或者简历没过，所以公司越投越小，最后到了一家公司叫数澜科技的小公司，现场面试，最后被挂了。后来才知道是找实习的时间不对，10 月份基本不找实习生，其次就是途径不对，实习僧上的招聘信息都不知道多久了，早找到了人，所以被拒理所应当。后来找 boss 直聘上果真就过了几家面试，或者内推都会有一些回应。最后去了 vivo 干了两个月跑路了，活多，组长过于 push，还有点 pua，让我写日报，现在想想写你麻痹，还随时随地发微信工作的事，反正那时候脸皮薄，还编造了很多理由才跑路，这和后面在商汤实习一个月跑路，截然不同，我直接说了工资低，环境差，还有日报，我肯定不会写的，所以让我写日报我就跑了。但这些不愉快的经历都让我有了长足的成长，我从来不以德报怨，以直更多一些。

3. 研究型实习生
   学姐当时建议就是说最好找个能发论文的地方，这样自己能有更多积累，学习东西也会多一些，多亏了学姐这个建议让我改变了方向，把实习的重心由混简历变成提升自己了。从 vivo 跑路去到了华为的一个预研组，简单来说自习小组，这回真没 push，甚至没有具体的任务，给实习生框了大框就是图神经网络，就自生自灭了，带薪自习，不论怎么说这次好歹有自己的时间可以做点研究了，但是科研不是我起初想的那么简单，以为六个月能发两篇论文，最后好不容易凑出一篇论文。这还是后面来了王博带我们才能把实验结果汇总，写成论文投出去，这段经历给我几个启示就是科研要有方向，如果有实验室的积累，那简单一些，在已有的工作前进跑跑模型就可以，但是没有积累就和我一样连 related work 都搞不全，脉络里不清，什么问题重要不知道，实验做什么，为什么做，搞不明白，还有就是工作的意义，这点很重要，这是和我比赛区别很大的一点，有效果也要有意义，还有论文写作，这个也很难、有老师指导能改一下论文还是有很大意义的、而我就是 deepl 和 grammarly 轮流用吧，别犯错说清楚我的意思就行了。但还是会做出表达的错误

4. 论文
   论文分别在华为和网易完成的，都和图有一些关系，华为那篇是几个人东拼西凑的，网易是自己独立完成的，idea 实验，画图行文，当时觉得网易这篇论文肯定中不了，因为数据集不公开，加上自己的水平，这属于自监督学习了，自己改自己论文，所以投 pakdd 也没报什么希望，毕竟 pakdd 在国外口碑还可以，而且在网易实习时候是真的划水，每天 11 点去，7 点走，下午还喝个咖啡，时常 youtube，四个月的实习结束不得不搞出一篇文章，就是这篇了、所以根本不报希望，但是最后评委竟然说想法很有趣，工作很有趣，虽然很多语法错误，还是值得发表，当时给我看的很激动，因为自己去年温水煮青蛙的心态已经习惯了失败，但是突然有人称赞你还是陌生人真是有一丝感动。
   在网易这段实习后来反思，就是发现工作还是要认真做，也许前期觉得不太行的工作坐着坐着也许会觉得很不错，其次就是不要过于低估自己。踏实做事就可以了。

5. 结语
   其实在网易的收获很大除了论文，还有一个心动的女生，虽然没在一起，可能不太合适，有点遗憾，确实很遗憾，越想越难受。除了遗憾，还有人超好的 mentor，我还是很感谢他知道摸鱼划水仍然没有批评我，认识了几个同在网易实习但是国外留学的小伙伴，改变了自己一些固有的想法，还有很多，在网易实习的那四个月是研究生最美好的四个月。

如何做研究

最开始就是一点点非常慢地去读。研一上学期真的是一边上课一边随便读，中文英文，和自己相关不相关的都读，理解这个学科到底在干什么，只有对学科有了宏观认识，才能做到高效读论文。最初就是找顶刊好文精读，一遍读不懂再读一遍，一周也就读 50-60 页这样（文科论文基本都是 20 页左右），重点不在于如何从这个文章获得新知，而是揣摩作者是如何写出来的，做到这种程度，就不怕读不懂了。累积一年后现在已经掌握了一些方法：拿到文章先看摘要、介绍和结论。从这三部分提取出最重要的“研究假设”（决定了论文的主题），“研究问题”（论文的核心）和“逻辑建构”（论文的框架），带着问题这样你就不会走神了，因为你的目的清晰，看作者是从什么假设提出了什么问题，再从他的逻辑看是从哪个角度/用了什么方法去解决问题，最后问题的答案是什么。

百度翻译，沙拉查词（网页），zotero 翻译插件
zotero（分类整理） + notion（做笔记）
刚开始看的话从综述入手会好一点，先整体了解下这个方向在做什么，然后记得做笔记整理框架
难懂的名词… 这没办法，刚开始都是慢慢磨着看，看多了后面就快起来了，也知道怎么抓重点了
主要就是总结针对什么问题，提出什么解决方法，对比实验怎么做的，还有哪里可以改进的
还可以从 introduction 和 related work 里顺藤摸瓜扯出类似的工作

1. 看论文
   1. 先看综述，然后具体阅读
   2. Idea 真的别急，idea 得建立在把文章的套路看会之后
   3. 刚开始一周看一篇高质量的综述就好了
      你会看的非常慢
      因为很多基本的概念 甚至一个名词都会让你困惑好久。
      然后坚持半年左右 就会懂得越来越多 看文献越来越快

怎么了解？ 1.先读标题/摘要/主要图表 2.再读引言/结论/更多图表/跳过相关研究部分 rest/skip related work） 3.概览整篇文章 4.通读整篇论文

了解什么？

1. 论文动机/目的
2. 论文意义
3. 当前研究现状与异同点
4. 论文的技术过程以及难点
5. 自己可以从中获得什么

CS230 Lecture 8: Career advice / Reading papers：
https://www.youtube.com/watch?v=733m6qBH-jI

微信公众平台

研究过程 2

去年五一，我和朋友正在洛阳旅行，本已收到了腾讯公司的 offer，准备假期过后去实习。这时候导师突然来了电话，让我 6 月份回实验室做科研。

一瞬间我觉得自己好悲惨，大厂实习泡汤了，研究生最后一段自由时光也成了泡影。

科研的主题是 Text2SQL，就是把一句话翻译成对应的 SQL 语句。这是我毕业的开题方向，当初对 NLP 这个朝阳领域很感兴趣，有几个不错的 idea。可我也就止步于此，没尝试过代码实现，看的论文不到 10 篇，面临的状况比题主更差。

放弃了实习的念头，我在 6 月底重回玉泉的实验室后，经历半年多我终于对 Text2SQL 领域有了清晰的认识。完成毕业论文的同时，产出了 paper 和专利，并在 10 月份获得了耶鲁大学 Text2SQL 比赛的全球第二名。

从开始的懵懂、工程能力不足到最终收获了还不错的结果，我对这半年多经历用了 3 个方面来概括：

1. 阅读领域内近 3-5 年顶会论文
2. 站在巨人的肩膀上，强化工程能力
3. 充分利用学校和实验室资源

一、阅读领域内近 3-5 年顶会论文

阅读已有工作是开展科研的必经之路，既是为了站在一个制高点饱览研究领域这块蛋糕，也是为了提升学术嗅觉与 idea 能力。同时，可以避免想出了一个很好的 idea 立即开始复现，结果提交论文时才发现，这个点早就被别人做掉了的极端现象。

高效收集 paper 的 4 个途径：

1）在研究领域的公开赛事或榜单上学习 Top 名次的解决方案（一般都有相应的论文链接）。比如 Text2SQL 领域有：WikiSQL、TableQA、Spider、CoSQL 等比赛，里边有大量值得学习的 paper。

2）收集 2-3 篇综述论文。一篇好的综述概括了该领域的整体进展、已有工作以及潜在的研究方向等等，能够给予我们启发，事半功倍。

3）在谷歌学术上通过关键词搜索相关论文。论文质量可以根据引用数量、会议等级来衡量。

点击某一篇文章的“被引用次数”链接，可以跳转进入引用了这篇论文的界面，继续寻找有价值的论文。很多论文其实没有精读的必要，我们在收集了一批论文后，不妨先读读摘要、实验、结论部分，再确定是否需要通篇精读，以提高效率。

当然一些经典的 paper 是一定要看的，比如做 NLP 肯定不能错过 Transformer、BERT 等等。

4）在 Github 上搜索资源整合项目。如果这个领域比较热门或者正处于上升期，一般都会有热心用户分享自己整理的资料。例如，关于 Text2SQL 我已经整理好了一份大礼包，包含了背景、论文、数据集、解决方案、应用案例等内容，帮助感兴趣的小伙伴们节省时间：

https://github.com/yechens/NL2SQL

二、站在巨人的肩膀上，强化工程能力

有了学术积累和 idea 后，就需要快速复现 idea。刚开始我有一个误区：科研一定要从 0 做到 1。

后来导师告诉我大可不必这样。聪明的人会先参考别人的解决方案（特别是 SOTA），在学习过程中强化工程和 coding 水平，形成更优雅的代码风格。这就像站在巨人的肩膀上，我可以基于他们的工作实现自己的想法，即取其精华，去其糟粕。

还是以 Text2SQL 为例。这个任务的数据处理部分特别繁琐，需要同时考虑文本和数据库信息，仅预处理就包含了上千行代码。我参考了 Spider 上的 Top 方案后，发现大家在这部分有很多思路是共通的，完全可以借鉴。这样一来，我可以把更多精力放在模型结构设计和后处理上，这两者对最终结果有关键影响。

有的同学表示说，“自己之前没有太多接触神经网络，现在要改实验代码，觉得好难”，这就涉及基本功问题了。我们每天需要额外挤时间来补漏洞，提升自己的 coding 能力。

如果喜欢看书，我推荐Keras 之父的《Python 深度学习》和李沐老师的《动手学深度学习》。两本书我都认真看过，非常经典和通俗易懂。

三、充分利用学校和实验室资源

最后一个关键是学会充分利用现有资源，这个资源包括学术资源、人力资源、硬件资源。

学术资源

最直接的学术资源就是实验室的师兄师姐们，还有大 Boss——导师。

师兄中肯定有人发过 paper，无论是写作还是关于编程和技巧，和他们聊过之后都给我带来了启发。导师是我研究领域中的权威人物，可以帮助我把关 idea 是否 work、是否有足够的竞争力，甚至在没有任何思路的时候点醒我，提供有价值的 idea。

人力资源

导师精力有限，往往神龙见首不见尾，不可能顾及所有人，所以带领学弟学妹们的工作一般留给了高年级同学。如果研究的方向他们也感兴趣，大家完全可以一起合作。例如让 coding 能力强的师弟帮忙做一些实验，coding 弱些的同学分析数据和 badcase，便于我迭代模型。不仅让他们有所收获，也帮助我分担了很多工作量，一举多得。

如果能带学弟学妹们投中论文，我想他们一定会从心里发出感激的，没准也更愿意在今后的工作中加上我的名字。

硬件资源

俗话说巧妇难为无米之炊，做科研有了 idea 和 coding 能力，没有机器也还是白搭。所以无论是在实验室还是公司，要善于利用资源。

我在实验室时，老板很慷慨的采购了服务器，还有 Tesla V100 显卡让我们做实验。实验室 24h 可以进出，提供免费饮用水和咖啡。如果做出了成绩（比如会议中稿，比赛拿下 SOTA）会有丰厚的物质奖励。

如果实验室没有这些硬件资源，应该主动和老板沟通，请他帮忙协助解决。

总结

路漫漫其修远兮，吾将上下而求索

做科研是一条艰辛的路，特别是从 0 到 1 的过程。但是通向光明之路，从来没有一帆风顺的选择。

为了避免拖延症和摸鱼，我会给自己罗列各个阶段的 deadline，然后从学术调研、coding 实验、多次迭代方面进行攻坚。如果真的感觉很累，我会停下来离开实验室，去球场和朋友打球；或者跑跑步，呼吸新鲜空气，让自己清醒放松。

科研能力是什么

知乎日报 - 知乎

其他

Advice Collection | Scalable Energy-efficient Architecture Lab

整理牛人看文献的方法_jpcm copyright 大家_ACMSunny 的博客-CSDN 博客

CVPR 2021 评审回复即将发布，收到邮件怎么回？
如何不带情绪地回应审稿意见？ 调色盘网络
ieice trans D 条件接收 意见不好改怎么办？ - 论文投稿 - 交流 - 小木虫论坛-学术科研互动平台

其他

国际论文审稿人修改意见

你的方法错误，应该用 xxx 模型来研究这种问题

不管审稿人怎么想的，你和审稿人的 battle 主编也是一直在围观的，他没有直接拒稿就是没完全信审稿人的话，就想看看你怎么回复的，只要能赢的主编的信任就行。 之前看到过一篇小 NC（小 NC 会公开 response to comments），作者和一个审稿人就一个问题来来回回了 6 次意见交换，到最后那个审稿人都咬着不放说要拒稿，最后主编大手一挥决定录用。所以作者最后一次 response 里只有一段话，大意是已征得主编同意，不再回复该审稿人的意见。真的硬气

先说明一下两种 model 的区别。然后说 确实有很多研究用您的方法，但是这都是基于 xxx 情况，本研究是基于某某某，与 xxx 情况有所不同。其他类似研究也采用本 model。

然后语气客气点，态度坚定点

论文工具

原帖：老博要毕业咯 分享一些自己用到的写作&文献软件和小经验

到了要告别的时候了，心里带着些许的迷茫和对未来的憧憬，反而不知道说什么了。 想了想比较好写的大概就工具相关的小经验了，分享给大家希望能对 98er 有帮助！

分为 4 个部分，英语写作、画图、参考文献管理以及大论文相关工具。

英文写作

Grammarly

这个相信大家听得比较多了，可以用来查文档中的英文语法错误，高级版还有被动、词语替换等功能。某宝上有高级版的共享账号，买一周大概十几块（…忘了）

Phrasebank

https://www.phrasebank.manchester.ac.uk/

归纳了各个部分（Introduction、Method、Conclusion 等等）的套话。写到某个地方词穷的时候可以翻一下这本书。不过更推荐的还是在读自己领域文献的时候遇到好的表达方式就记下来，可能更适合自己的论文。 PDF 下载：

Writefull

另一个和 Grammarly 类似的语法软件。我一般都和 Grammarly 一起互补使用。相比于 Grammarly 比较好用的一个功能是它直接整合了一些套话，如下图所示：

画图

Draw.io

（在这里先吐槽一下 ppt，画 Shape 的时候想要用箭头连接起来简直不要太无语，尤其是有拐弯的时候，经常画好了，动一下位置，又不行了…）

下载地址
https://github.com/jgraph/drawio-desktop/releases

1、它可以画的图非常多

2、Shape 连接、对齐爆烂 ppt

Shape 可以从左边拖，每个形状自带锚点，直接拖出去就可以连 Shape 了，并且 Shape 或是箭头格式都可以很方便的在右边定义。还带网格吸附，不用担心对齐了。

3、公式&矢量图导出

论文里面一般都是放 pdf 或是 eps 格式的矢量图，但是 ppt 想要导出带公式的矢量图就很麻烦，以 pdf 格式的为例，需要先导出整个 pdf，再裁剪掉不需要的空白部分。在 Draw.io 里面就方便很多很多，首先它支持 LaTex 格式的公式，

另外它支持用命令行直接导出 pdf，导出的 pdf 不带空白，论文里面直接就能用！！把画图保存之后用 draw.io.exe -x -f pdf --crop xxxx.drawio -o zjuthesis/figure 就可以直接输出 pdf 到大论文对应的文件夹下面！

这里我在写大论文的时候是在 Windows 下写成 sh 脚本，把画图保存之后跑一边这个脚本就 OK 了， ls -t *.drawio|head -n1|xargs -i draw.io.exe -x -f pdf --crop {} -o zjuthesis/figure

参考文献管理

个人常用的两个软件包括 Citavi 和 Mendeley（还有比较常用的是 Zotero，听说有很多插件，不过这个我真没怎么用过，期待楼下的同学补充），流程有点不太一样，这里分别介绍一下各自的优缺点。需要说明下下面的流程都是基于 LaTex 的，Word 应该也会有对应的插件。

Mendeley

个人之前看论文的流程是先把 pdf 下载下来，按文件夹归类，读完看有没有帮助，并没有急着添加到参考文献软件里面。但是这样就有一个问题，在把这个文献插入到论文里面的时候就还要查它的元数据。Mendeley 的优点就在于抓 pdf 元数据的能力很强，拖进去右键 Update 一下就好。可以看到右边的 Details 把年份、页数以及期刊会议的名称都给更新出来了。后续就可以导出到别的参考文献软件里面（Mendeley:我也太工具人了吧）。

Citavi

1、(这个好像国内用的比较少？)另外一种流程是已经开始写论文了，想要直接搜索某个文献插到论文中。找了部分参考文献管理软件，包括上面的 Mendeley 或是 Endnote 什么的，似乎都不支持插入 LaTex 命令。Citavi 则直接带一个 LaTex 小助手，可以结合 TexStudio 插文献，界面如图，搜一下标题或是作者年份等等就可以直接插\cite{xxx}命令了。

另外它有浏览器插件，可以从网页直接导入

2、这里要接着说一句 LaTex 里\cite{xxx}的问题，它编译出来 pdf 里就成[4]这种格式了，想知道它具体是哪篇文献还要在 pdf 上点一下才能跳转过去，最后还要搜这个 pdf 才能打开来看，这样的流程有点过于麻烦。我一般在 Citavi 里面把这个文献对应的 key 改成标题+年份的格式，这样插入的时候就直接是类似于\cite{attentionisall2017}这样的格式，能知道具体是哪篇文献，然后结合 Wox 或是 Everything 这样的快捷软件就可以直接打开 pdf 来看。

3、Citavi 做笔记的功能也很强大，可以添加某个文献的片段作为 Note，不过我一般用思维导图做笔记，这个功能就用的比较少了。

anystyle

最后这个是个从 pdf 里抓取文献的工具。比如有时候看到别人的综述文章，想要引用它的参考文献，但是太多了，懒得挨个在谷歌学术上找。

我一般就用这个工具把它的参考文献全导出来，比如从test.pdf里导出它的参考文献到bib文件夹下面：

anystyle -f bib find --no-layout test.pdf bib

（下面这个是导出的 bib 文件）

再把这个 bib 拖到 Mendeley 更新一下，原文中类似 CVPR 这样的缩写就被正常转换成全称了

最后导出到 Citavi 就变成我自己可以添加的文献了。下图是更新之后的 bib 文件：

文献阅读 最后说一下怎么读最新的文献。我是用 RSS 阅读器来搞定的。以 arXiv 为例，Chrome 上装好 RSSHub Radar 这个插件，如果有 RSS 源就可以添加到 RSS 阅读器上（例如它在 arXiv 某个领域（例如

https://arxiv.org/list/cs.AI/recent

）捕获到的 RSS 地址为

http://export.arxiv.org/rss/cs.AI

）。Windows 上可以在商店里用 Fluent 阅读器添加这个 RSS 源，就可以自动订阅更新的文章了。

此外手机上也有对应的 RSS 阅读器，例如 FeedMe。这样可以做到随时随地都能扫一眼相关论文。

大论文

我用的是

https://github.com/TheNetAdmin/zjuthesis

的 LaTex 模板，工具是 TexLive + TexStudio。

先说几个 LaTex 常用网站

常用网站

1、Excel 表格→LaTex 代码

https://www.tablesgenerator.com/

2、公式识别

https://www.latexlive.com/home##

备份

这里我用的是 OneDrive，可能有的同学没用过，它的功能大致就是个云盘，设定某个文件夹，然后你放置在这个文件夹里面的所有东西都会被自动同步。由于和 Windows 结合的很好，基本上没有使用感觉。值得一提的是之前的时候我用 ZJU 邮箱注册就是 OneDrive 的 2T 空间，现在不知道还有没有= =…… OneDrive 手机端也是有的，阅读体验还行

TexStudio

TexStudio 有个脚本 Macro 功能非常好用，可以自己设定快捷键插入某些命令，例如公式里面的字体修改如图，

还有一点值得吐槽的是大论文的模板编译出来之后不方便将 LaTex 源代码对应到 pdf 的指定位置（TexStudio 原生是 Ctrl+左键实现的，但是大论文模板是分层级编译的，我没成功），这里我也是拿 Macro 功能实现的，脚本参考如图

Latex 公式 和 画图工具 链接在这里，https://www.mathcha.io/editor， lz 用它画图，体验很不错，可以生成 tikz 的\LaTeX 代码

画图工具：origin+blender+adobe illustrator

1. Origin 用来绘制数据图，基本所有类型数据图都可以绘制，可以导出 eps/tiff/png/pdf 等格式图片，需要注意的一些点： 1）图片字体最好是 Arial 字体； 2）坐标轴数据线不需要很粗，避免突兀，四周边框都要画，数据线使用红绿蓝等基本色即可，调整透明度可更加美观；
2. Blender 用来画 3D 图形，可以设置材料属性，添加光源等 ；
3. Adobe illustrator 可以画示意图，并对图片进行拼接，添加符号，同时导出符合杂质要求（大小、分辨率、格式）的图片 1）新建画板，将 1、2 中画好的图片复制到画板，选择“嵌入”，同时可以“剪裁图像”去掉一些无用的部分； 2）添加标注等，调整画板大小，导出（使用画板）所需大小、格式的图片

一份其实很短的 LaTeX 入门文档 http://www-cc98-org-s.webvpn.zju.edu.cn:8001/topic/4914572

• 工具整理

  arxiv：论文收录网站（防止自己的 idea 被剽窃，完成论文后可以先挂上去，证明原创性）；

  PaperwithCode：论文和代码的结合工具，包含了很多 NLP、CV 方向的 SOTA 论文和模型实现；

  dblp：计算机英文资料收集网站，支持各种字段搜索（会议、作者、时间等）；

  Connected Paper：论文引用信息可视化工具，分析出文献的前世今生；

  NLPIndex：NLP 学术搜索神器，同时链接了 paper、code、graph，是上述上个神器的综合体；

  Deepl：翻译神器，特点是地道，更接近真人翻译（略胜于谷歌翻译）

  diagrams：画图好帮手，制作高大上的流程图、模型图必备，可以在线导出为 pdf 高清矢量图（放大后图片细节不失真）

  Overleaf：使用 LaTeX 进行多人协同编辑平台，包含了大量 LaTeX 插件，编辑功能相当完善；编辑完内容还能实时预览效果。