科研Agent：科研界的“GPT时刻”已来

前言

当科研有了“自主大脑”：你准备好迎接”Agentic Science”时代了吗？

如果给科研工作者配备一个不知疲倦的“自主大脑”，那会怎样？

长期以来，科学发现遵循着一个经典的三段式模式：观察现象——提出假说——实验验证。

今天，AI for Science（AI4S，即人工智能驱动的科学研究）正在为这种模式按下加速键。然而，更深刻的变化刚刚开始。当AI的能力边界从“看见”和“回答”拓展到“推理”与“行动”，一个全新的科研方式——Agentic Science——正在成为现实。

01从“工具”到“Agent”：一场关于“能动性”的质变

agentic science

要理解Agentic Science的本质，首先要厘清一个概念：什么是“Agent”？

科研Agent（Scientific Research Agent）是一种基于大语言模型（LLM）的智能体系统，专门用于辅助科研工作的各个环节。它通过调用各类专业工具和数据库，自主或半自主地完成科研任务中的搜索、分析、推理和执行。

简单来说，过去的AI是被动应答的“工具”，而今天的Agent是主动协同的“搭档”。

学界提出了一种三级分级框架来理解科研Agent的演进路径：

Agent as Assistant（助理级）：专注特定狭窄任务，使用小模型经微调完成单一动作。

Agent as Partner（搭档级）：集成各类工具，实现能力跃迁，能完成文献咨询、假设生成和实验设计等。

Agent as Avatar（化身级）：具备强大推理、深度记忆和跨学科协作能力，能自主组织并完成科研全流程。

AI在科研中的角色，正在实现从“AI辅助”到“AI科学家”的范式跃迁。

02 科研全流程的“自动驾驶”：效率新高度

AI FOR SCIENCE

如今的通用科研Agent，已经能够覆盖“搜、读、算、做、写”的全流程闭环，依托海量工具调用与超长程上下文管理两大核心技术能力，为用户提供“自动驾驶”般的科研体验。

这种能力的迭代速度相当惊人。有研究显示，一个Agent运行6小时的成果，即可比肩一位资深理论物理学博士1至3个月的饱和工作量。这意味着，Agent能够以惊人的速度在文献的汪洋中检索、梳理出逻辑脉络，在假设的深空中高效筛选出最具潜力的实验方向。

03 对话式蛋白质研发Agent：一个鲜活的“干湿闭环”案例

Mingchen Li, et al., NeurIPS, 2024.

Yang Tan, et al., ISMB/ECCB, 2025

在生物医药前沿领域，AI驱动的蛋白质研发Agent正生动地诠释着Agentic Science的力量。

近期，国内AI驱动的全栈式蛋白质研发平台公司天鹜科技，发布了对话式蛋白质研发智能体 MatwingsVenus™（晓鹜™） 。这款以Agent为核心的蛋白质一站式研发平台，提供了一个完整的“对话式干湿闭环”。

研发人员只需通过自然语言下达任务，Agent自动拆解，调用背后整合的200多种蛋白质设计工具、百亿级标签蛋白质数据库、30多个经专家调优的skills，完成行业研究、骨架筛选、界面设计和序列优化。

比如你说：

“帮我看看这个蛋白是干什么的”

“查一下这个靶点有没有结构”

“找找相关文献”

“这个基因在什么组织里表达高”

“这个化合物有没有已知活性”

它不会只回你一句空话，

而是会尽量去查、去找、去比对、去整理。

真正的亮点在于“干湿闭环”——Agent完成设计后，不再止步于屏幕上的计算结果，而是通过平台的自动衔接能力，将设计方案直接导入自动化共享实验室，驱动机器人完成样品制备、蛋白纯化和功能检测等湿实验。实验结果回流至Agent，驱动下一轮AI优化迭代。

这就形成了计算驱动湿实验、湿实验反哺计算的可持续迭代链路。

04 落地验证：从免疫受体靶点到甜味蛋白

AI Science Protein DNA

理论终究要照进现实。MatwingsVenus™（晓鹜™）的落地表现，直观地证明了科研Agent的价值。

在某个全新的免疫调控受体靶点从头设计项目中，由于靶点缺乏历史分子参照、表面极性区域占主导且天然配体亲和力极高，传统研发路径难度极大。依托MatwingsVenus™（晓鹜™）平台，Agent自主完成了骨架筛选、界面设计、序列优化与成药性预判，最终成功获得数十个具备体外细胞阻断活性的全新binder分子，完成了从头设计到验证的全流程闭环。

另一个案例是对甜味蛋白Monellin的复杂点位改造。天然Monellin甜度高但稳定性差。平台采用“Agent设计—自动化实验—AI反馈—Agent再设计”的多轮迭代策略，逐轮缩小搜索空间。最终，多个优化样本甜度相比野生型提高十几倍，耐热性维持在约75℃的高位区间。

这些真实项目的完整体验表明，科研Agent已经不再只是一个概念工具，而是正在把过去只有大型企业、大院大所才有的复杂研发能力，转化为个人开发者也可触达的“共享科研力量”。一个更多人能够参与创新科研的时代，正在悄然到来。

结语

从AI for Science到Agentic Science，我们看到的不仅是技术指标的跃升，更是一场深层的科研范式变革。当科研Agent有能力理解你的意图、自主检索文献、设计复杂方案、驱动自动化实验并提供分析报告时，科学的边界正在以前所未有的方式被重新定义。

Agentic Science的时代大幕已然拉开。面对这场变革，或许我们最需要回答的问题不是“Agent能做什么”，而是——

你想用它来发现什么？