diff --git a/工程/How_to_be_good_at_research.md b/工程/How_to_be_good_at_research.md
new file mode 100644
index 0000000..6374379
--- /dev/null
+++ b/工程/How_to_be_good_at_research.md
@@ -0,0 +1,33 @@
+# Vivek Nair《How to be good at research》核心观点（2026年6月Anthropic研究者爆火推文原文提炼）
+
+这篇文章戳破了科研圈普遍误区：优秀研究者不是天赋型，也不是追热点产出多，而是一套可刻意训练的复合技能体系，全文核心可以分为 底层认知、五大核心实操能力、避坑原则三部分：
+
+## 一、底层核心认知（总纲领）
+
+1. 绝大多数人误以为做研究=紧跟顶会热点、疯狂灌水论文，本质只是重复性工程劳动，没有知识增量，永远无法成长为顶尖研究者。
+2. 科研能力是选题、读文献、实验迭代、写作、学术沟通五项独立技能的叠加，每一项都可以拆解、刻意练习，不存在天生的科研天才。
+3. 长期科研的胜负，不在于单次成果，而在于缩短“猜想-验证-复盘”的循环周期，更快地排除错误思路。
+
+## 二、五大可训练的硬核能力（文章主体）
+
+1. 选题能力：拒绝跟风，挖掘有长期价值的问题
+    - 优先选择领域内现有理论无法解释的反常现象、学界存在争议、前人实验有漏洞的问题，而非大厂正在扎堆的热点。
+    - 区分“增量改进”和“范式突破”：新手可以从小的改进课题起步，但必须有意识预留拓展为重大创新的空间。
+2. 文献阅读能力：批判性阅读，而非被动收纳信息
+    - 读书不要摘抄结论，核心拷问三个问题：作者的假设是什么？证据能否支撑结论？这个研究的边界和缺陷在哪里。
+    - 搭建个人文献知识图谱，把论文按「共识、争议、未探索方向」分类，而不是按发表时间堆砌。
+3. 实验迭代能力：小步快跑，极致压缩试错成本
+    - 摒弃完美主义，不要等方案完全成型再动手，先用低成本小规模实验验证核心猜想。
+    - 标准化复盘流程：无论实验成功还是失败，都固定记录变量、误差、反常识细节，失败数据的价值往往高于成功结果。
+4. 学术写作能力：写作不是收尾，是梳理思路的工具
+    - 写论文的过程，本质是倒逼自己理清逻辑、补齐证据的过程，建议边做实验边写初稿，不要等到数据全部完成再动笔。
+    - 顶级论文的核心是讲清楚一个完整、自洽的科学故事，而非堆砌大量实验数据。
+5. 学术沟通能力：主动获取高质量反馈
+    - 定期在组会、学术沙龙提前分享半成品工作，主动收集同行的质疑，提前修补逻辑漏洞，大幅降低投稿拒稿概率。
+    - 学会精准转述自己的研究，能用通俗语言讲清创新点，代表你真正吃透了课题。
+
+## 三、长期科研必须坚守的3条底线原则
+
+1. 忠于数据：接受不符合预期的实验结果，不要修改数据、选择性筛选结论迎合自己的预设猜想。
+2. 建立延迟满足的心态：高价值研究大多短期看不到成果，拒绝短期灌水带来的虚假成就感。
+3. 区分工具和目标：AI、算力、代码只是研究工具，不要把打磨工具当成科研本身，始终聚焦科学问题。