从写代码到做科研,Agent 如何重塑 AI 原生科研流程

简介: 本文探讨AI在科研中的演进:从辅助问答到Agent协同执行,再到受约束的自主科研。重点介绍Qoder等Coding Agent如何赋能科研五大场景——软件维护、论文复现、仿真实验、工具链编排与方法探索,并强调科学验收标准的关键作用。

image (36).png


开普勒的行星运动三定律,前前后后折腾了十年才发表。想法本身站得住脚,但每改一个参数,他都得把第谷留下的几千个观测数据重新手算一遍。十年里,真正留给天文思考的时间其实不多,大部分都在跟数字死磕。


四百年后,这类重复计算终于有了自动化的可能。


今天,这类工作可以交给 Qoder 这类的 Coding Agent 了。


早期大模型在工作里的角色很简单:你问一句,它答一句。现在不一样了。Agent 能自己动手:跑代码、查数据、看结果、改参数、循环往复,直到达标。


编程领域最早用上了这套能力——Agent 从补全一段代码,发展到读取整个工程、修改多个文件、运行命令、处理失败并检查结果。


科研里有一大块工作也是这样的。处理数据、跑仿真、调参数、比对结果——本质上就是"反复计算直到对"。所以 Coding Agent 自然就被引入了科研场景。


01.png


从辅助到协同:AI 在科研中的三个阶段


5eecdaf48460cde53d39c40cd3555930f3d2715a5d7024b275b8339e1c4c24831b75b38faadcd24bec177c308ebd530449a27edb6a6cf08d838016a892ae2cefeb6e9c8f1701107ce6d4d1fb34216bda81473acae1612abf4fb4c8ed7016461c.png


具体来说,AI 在科研中的应用分为 3 个阶段:


第一段:AI 辅助科研。 人逐项分配任务,AI 返回单次结果。比如"帮我整理这批文献""帮我写个数据清洗脚本"。做完一步,人再决定下一步。


第二段:Agent 协同科研。 人定义问题、方法和验收标准,Agent 连续执行。比如"检查数据、运行分析、补做稳健性检验、整理复现材料"——这串步骤 Agent 一口气跑完,交付一个可检查的结果。


第三段:受约束的自主科研。 人设定研究议程和资源边界,Agent 团队自己跑闭环:提出方案、执行实验、读取评价、选择下一轮方向,最后汇总证据供人审查。


目前相对成熟的是第二段。第三段已有早期实践,但通常要求任务能在计算机上执行、结果能快速评价、研究者预先给出问题边界和停止条件。


02.png


Coding Agent 参与科研的五类典型任务


5eecdaf48460cde53d39c40cd3555930f3d2715a5d7024b275b8339e1c4c24831b75b38faadcd24bec177c308ebd53047fd19430c5fc9fdefc287b3b60a637543adff85ddf1eabdafffb6f4c3f733417ec8d76f16e30d63a4fb4c8ed7016461c.png


这五类工作按任务结构划分,同一个项目往往会经过其中几类。


一、科研软件维护。 很多科研软件最初只是论文附带的代码,几年后依赖过时、构建工具老化、测试没跟上,新成员花一周都装不起来。Agent 可以读取安装说明和编译日志,找出失败在哪一层,升级依赖、迁移代码、把 CPU 计算转到 GPU,每次改完跑测试做对比。原来要专门招人或腾出半年的工作,现在一个人带着 Agent 几天就能搞定。


二、数据分析和论文复现。 上传表格片刻后得到图和结论,这是错觉。科研交付要多走几步:半年后换一个人,仍应回答数据来自哪里、哪些记录被处理过、图由哪段程序生成。Agent 可以核对字段、检查异常、运行分析、制图,并检查图中数字能否回到原始数据。最适合第一次尝试的是复现一篇已发表的分析——论文最后的结果表和图就是对照答案。


三、实验执行和持续迭代。 这里说的实验是可以由程序反复执行的计算实验、仿真、参数搜索。Agent 跑一轮,和参考值比较,没达标就保存当前状态改参数再跑,达标后还要在不同输入下复查避免"碰巧通过"。一个公开的宇宙学案例让 Agent 在集群上工作数日,从完全从零开始逐步收敛,最终把 CMB 功率谱等多项核心输出与参考程序 CLASS 的误差降到 1% 以内。


四、工具链编排。 真实研究很少只发生在一个 Notebook 里:论文在文献库,数据在专业数据库,分析用 Python 或 R,大规模计算要提交到 GPU 或集群。Agent 的作用是把这些环节串成一条流程——检索、取数、清洗分析、提交计算、回收结果,中间的格式转换和参数传递都由它接上。


五、方法探索。 前四类方法由研究者给定,Agent 执行。第五类把分工往前挪一格:研究者划定问题域和评价方式,Agent 提出候选思路、写成代码、跑出结果、用评价标准筛掉不成立的,把剩下的交回来。AlphaEvolve 用这种方式跑出了 56 年来对 Strassen 算法的首次改进。


03.png


把科研任务交给 Agent,研究者需要注意什么


上面五类场景看起来差别很大,其实共享一个前提:Agent 每完成一步,都要知道接下来做什么、怎样判断有没有做对、什么时候必须停下来请人判断。


研究者要约定三件事:


要约定的

让 Agent 执行一段分析

让 Agent 自己提方案、连续迭代

研究目标

明确要比较什么、交付什么

给出研究议程和可用数据

验收标准

有可自动计算的标准(参考实现、误差阈值、测试套件),Agent 就能自己迭代

没有这样的标准,每一轮也得停下来等人看

人工边界

数据口径不清、异常值可能有科学含义时暂停

计算预算用尽、结论要写进论文时暂停


真正决定 Agent 能放手到哪一步的,是验收标准。这跟代码难不难、想法是谁提的都没多大关系,关键是这一步跑完,结果能不能被独立验证。所以 Agent 越自主,研究者反而越该盯住一件事:这个标准是不是真的对应你想要的科学结论。标准定错了、定歪了,Agent 迭代越快,离目标越远。


04.png


Qoder 能为这些科研任务提供什么


前面我们谈的是任务怎么拆、边界怎么定,这些最终都要落到一件趁手的工具上。放到国内的 Coding Agent 里看,Qoder 是一个非常合适的选择。


Qoder 是阿里推出的 Coding Agent 产品。据 IDC《中国 AI 编程市场份额,2025》,它以 47.6% 的营收份额居国内第一,全球用户已超过 500 万。这些数字背后是大量真实项目在持续使用它——对动辄要跑两三年、还要在学生之间交接的科研课题而言,被长期验证、遇到问题也有生态支撑的稳定性,恰恰是最需要的。


形态上,Qoder 覆盖了本地 IDE、命令行 CLI 与云端平台,在不同科研场景下均可按需选用。支撑这些执行的能力也比较齐整:模型可以按环节换档,背后是国内外 SOTA 级的模型池,也能指定模型或经 API 接入自有模型;Harness 把对话组织成结构化的任务运行时,中间产物与排查经验作为团队级知识沉淀下来,不随会话丢失;内置的 WebSearch、WebFetch 让它在执行中自行查证依赖、字段或论文细节;开放的 Skill 与 Plugin 体系已集成「他山科研」这类现成的科研技能包,也支持团队引入自己的流程和插件。


综合来看,从模型、执行框架到开放生态,Qoder 已经能把科研任务从想法推进到可运行、可复现,是国内辅助科研的 Coding Agent 中一个成熟又好上手的选择。


高校老师和学生,可以先从一个小项目试起


目前,高校学生在阿里云云工开物完成学生认证、领取 300 元代金券后,可使用代金券抵扣 1个月 Qoder CN 个人专业版,支持Qwen3.8、GLM-5.3、DeepSeek-V4 等多模型;高校教师个人订阅可享受专属 5 折优惠。


科研团队如需多人使用、资源支持或合作方案,可以再与 Qoder 团队沟通,具体政策以后续正式方案为准。

目录
相关文章
|
22天前
|
人工智能 安全 Android开发
Qoder 能操作手机了:说一句,它就去做
Qoder全新Phone Use插件上线!通过数据线连接iPhone(安卓即将支持),AI可直接操作手机界面:自动整理178个App、分类万张照片、30秒生成报销清单等。办公、创作、生活场景全覆盖,安全可控,即装即用。
338 0
|
2月前
|
前端开发 IDE Android开发
Qoder 上新 Mobile Use,开始验证移动端应用
Computer Use 已经可以操作电脑,Browser Use 可以进入正在使用的浏览器。Qoder 推出 Mobile Use 插件(Beta),在安卓、鸿蒙与 iOS 上将代码修改接入真机或模拟器,完成运行、交互与结果确认。
516 1
|
2月前
|
安全 UED iOS开发
全新 Qoder 桌面端,现已支持移动端控制
Qoder移动端全新升级:支持手机语音发起任务,本地文件直连编码;实时跟进多线程任务,锁屏处理授权;图文/PDF/HTML/Markdown等产物手机直览;企业级安全管控,保障代码不外泄。效率与安全兼得。
534 0
|
2月前
|
机器人 图形学 C++
Qoder CLI 上的 Qwen3.8-Max-0902:与 Fable 5.1 同题实测
9月2日,Qwen3.8-Max-0902正式发布,Qoder CLI首发接入。经6大高难度真实任务与4套Agent基准评测,其在多模态审美、端到端长程任务执行及自主验收能力上全面领先,尤其在游戏生成、3D建模与创意绘画中表现卓越。
526 1
|
2月前
|
人工智能
Qoder 实训营上线!每周四两小时,一期拆一个真实卡点
你是否也遇到AI生成代码“看似正确却不敢合入主干”的困境?本实训营直击真实卡点,每周四16:00–18:00,手把手带你厘清AI编码的落地边界、验收标准与协作规范,让AI真正融入核心开发流程。
268 0
Qoder 实训营上线!每周四两小时,一期拆一个真实卡点
|
2月前
|
人工智能 IDE 开发工具
全新 Qoder 线上发布会,今晚 19:00 不见不散!
9月1日19:00,Qoder线上发布会直播!聚焦全新 Qoder,产品、研发、设计三位成员深度解读,助你厘清 Qoder IDE与新 Qoder 的适用场景。锁定视频号「Qoder.ai」
294 1
|
3月前
|
弹性计算 JSON 自然语言处理
阿里云 Workbench CLI 上架 Qoder 插件市场,不用 SSH 也能操作 ECS
阿里云 Workbench CLI 上线 Qoder IDE,让 AI Agent 用自然语言直接操作 ECS:查实例、执行命令、传文件、看日志、部署服务——无需公网 IP、免 SSH 配置、不记复杂命令,安全高效,开箱即用。
485 0
|
2月前
|
人工智能 云栖大会
来云栖大会聊个问题:怎么把 AI Coding 铺给一整个组织
云栖大会论坛邀请函: Qoder 助力 AI Native 超级组织; 9月22日下午杭州国际博览中心1期 301
264 0
|
2月前
|
SQL
QoderWake 工作实录 01 |数据分析师的新搭档
一位在群里接取数需求,一位协助经营分析。看看这位盒马分析师,怎样把日常工作分给两位数字员工。
194 0
|
2月前
|
机器人
QoderWake @Waker 支持企业微信了
QoderWake 将 @Waker 数字员工深度集成至钉钉、飞书、企业微信三大主流IM,支持历史消息理解、任务管理、群记忆与话题整理。依托IM开放能力,@Waker可直接在群内查资料、写文档、排日程,让协作讨论与执行无缝衔接。
370 0

热门文章

最新文章