从劳动到协作：使用AI代理增强台湾人文与社会科学研究视角的方法实验

生成式AI正在重塑知识工作，但现有研究主要集中于软件工程和自然科学，对人文和社会科学的方法探索有限。本研究以“方法实验”为定位，提出一种基于AI代理的协作研究工作流（Agentic Workflow），用于人文和社会科学研究。通过台湾地区Claude.ai的使用数据（N = 7,729次对话，2025年11月）作为实证工具，验证该方法的可行性。研究分为两个层面：第一层是设计并验证一个方法论框架——基于三个原则（任务模块化、人机分工、可验证性）的七阶段模块化工作流，明确人类研究人员与AI代理在各阶段的角色；第二层是对AEI台湾数据进行实证分析，展示该工作流在二次数据分析中的应用过程与输出质量。本研究提出了一个可复制的人文与社会科学领域AI协作框架，并通过操作过程的反思性记录，识别出三种人机协作模式：直接执行、迭代优化与人类主导。该分类揭示了人类判断在研究问题设定、理论解释、情境推理和伦理反思中的不可替代性。同时，也指出了包括单一平台数据、横断面设计和AI可靠性风险等局限。