问题背景
在高校实验室或前沿科研团队中，PI（项目负责人）和研究生每天需要处理大量的文献分析、知识归纳、项目方案构建、论文评审、申请书撰写与修改等任务。
传统的 AI 使用模式通常面临两难境地：
- 本地部署：隐私性高、零成本，但在轻量设备（如笔记本）上只能运行 14B 左右的中小模型，面对复杂的长文本综述和严密的逻辑推理时，能力明显受限。
- 云端部署（自己租卡）：虽然能跑大模型，但需要租用 GPU（如 4090/L20）、搭建容器、配置 PyTorch/vLLM 环境，且按时间计费（不管用不用，开着就扣费），算力预算白白浪费在排队和空转中。
为了打破这一僵局，我们通过本地 MacBook Air M5 与 SCNet 官方大模型 API，构建了一套“本地轻量私密 + 云端按量重载”的双层异构 AI 协同网络架构。
🏗️ 架构设计：双层异构 AI 协同网络
这套架构的核心是将算力资产进行分层和自动路由：
┌──────────────────────────────────────────────┐
│ MacBook Air M5 (32GB) │
│ │
│ 【DeepSeek Harness Agent 平台】 │
└──────────────────────┬───────────────────────┘
│
根据任务复杂度与类型，在 Harness 界面一秒切换：
│
┌─────────────────────┴─────────────────────┐
▼ ▼
【第一层：本地轻量私密】 【第二层：云端重量级】
Ollama 引擎（本地） SCNet 官方大模型 API（云端）
qwen3:14b / qwen3:8b DeepSeek V4 Pro / Qwen3 30B
· 日常轻量编写、代码自动补全 · 重度文献归纳、申请书撰写与修改
· 零网络延迟、完全不花钱 · 逻辑深度推导、论文初稿评审
· 离线安全 · 按 Token 扣除 5000 元额度，极度耐用
1. 本地轻量私密层（MacBook）
- 硬件基础：MacBook M5 芯片 + 32GB 统一内存，带宽极高。
- 本地模型：通过 Ollama 部署
qwen3:14b（主力）和qwen3:8b（轻量）。 - 应用场景：编写日常小脚本、中英论文快速互译、行内代码自动补全（通过 VS Code Continue 插件）。
2. 云端重量级推理层（SCNet）
- 后端支撑：无须自行维护服务器，直接通过 SCNet 官方提供的 Token 计费大模型 API。
- 云端模型：
DeepSeek-V4-Pro（深度推理/长文本）：用于学术论文评审、申请书纠错。Qwen3-30B（中文写作/学术）：用于方案大纲构建、PPT 和课件文本修改。SCNet-Max（平台旗舰）：用于复杂多步骤的自主 Agent 任务。
- 计费模式：严格按 Token（实际生成字数）扣费，5000 元的 Token 预算足够单人高频使用数年，性价比极高。
🛠️ 技术实现与踩坑记录
要将本地的 DeepSeek Harness (DSH) 接入 SCNet 云端官方 API，只需完成以下两步配置：
步骤一：配置本地 settings.yaml
打开您 MacBook 本地的配置文件 ~/.dsh/settings.yaml，写入 scnet-llm 模型提供商配置：
ui-onboarding:
welcomeNoticeVersion: 2026-08-13.1
llm-pi-ai:
providers:
scnet-llm:
displayName: "SCNet (云端大模型)"
api: "openai-completions"
apiKeyEnv: "SCNET_API_KEY"
baseURL: "https://api.scnet.cn/api/llm/v1"
models:
- id: "DeepSeek-V4-Pro" # ⚠️ 注意：大小写必须严格匹配
name: "DeepSeek V4 Pro (深度推理/长文本)"
contextWindow: 131072
- id: "Qwen3-30B" # ⚠️ 注意：大小写必须严格匹配
name: "Qwen3 30B (中文写作/学术)"
contextWindow: 131072
- id: "SCNet-Max" # ⚠️ 注意：大小写必须严格匹配
name: "SCNet Max (平台旗舰/最强Agent)"
contextWindow: 131072
⚠️ 踩坑提示：大小写敏感（Case-Sensitive）
在首次连接时，如果配置的模型 ID 为小写（如 deepseek-v4-pro），系统会抛出 422 (Model Not Exist) 错误。SCNet 官方 API 接口是严格区分大小写的。必须填入包含首字母大写的标准 ID（如 DeepSeek-V4-Pro、Qwen3-30B）。
步骤二：在 Mac 终端中注入密钥并启动
在超算控制台生成好以 sk- 开头的密钥后，在您的 Mac 终端中运行：
# 1. 将您的密钥写入 Mac 环境变量
echo 'export SCNET_API_KEY="您的真实sk-xxx密钥"' >> ~/.zshrc
# 2. 重新加载配置使之生效
source ~/.zshrc
# 3. 启动 Harness 平台
dsh web
打开浏览器访问 http://localhost:5173，在左上角的模型选择菜单中，直接切换到 “SCNet (云端大模型)”，即可享受超算算力提供的重型大模型推理。
🎯 科研实战场景展示
通过这个协同网络，科研工作效率实现了翻倍提升：
场景一：基金/项目申请书的精细化修改
- 痛点：自己写的申请书容易逻辑闭环不强，或学术表达不够精炼。
- 工作流：在 Harness 中加载云端
DeepSeek-V4-Pro。Harness 自动读取您的申请书 Markdown 文件，模型利用极强的长文本逻辑能力，从“立项依据-研究内容-关键科学问题”的多维契合度输出深度的全局修改建议。
场景二：学术 PPT 与课件快速大纲提炼
- 痛点：要把繁琐的论文内容转化为通俗直观的课件 PPT，手动提炼耗时耗力。
- 工作流：使用
Qwen3-30B。输入您的论文全文，命令 Harness 自动调用格式工具提炼核心逻辑，生成结构化的 Markdown 课件草稿，进一步一键转换为 PPT 文档。
🏆 结语与展望
这套双层异构 AI 协同网络，完美地将“本地算力的私密与零延迟”与“云端算力的超大规模逻辑深度”结合在一起。它不仅是 PI 个人的学术效能利器，更避开了繁重的超算服务器运维负担。
未来，当这套自用流程验证成熟后，只需要将接口和密钥分发给感兴趣的学生，即可瞬间完成实验室全体成员的 AI 算力赋能，真正跨入集约化、智能化的 AI 科研新时代。
参考资料
- SCNet 官方大模型开放平台: https://api.scnet.cn
- DeepSeek Harness GitHub: https://github.com/deepseek-ai/deepseek-harness
