量子位 | QbitAI 发布了一篇文章，介绍人工智能在科学研究领域的应用。
在过去，材料化学和分子催化等领域中的科研工作需要大量的文献调研、理论筛选以及实验设计，整个过程往往耗时数年才能完成。
需要深入理解专业知识的同时，还需要协调团队成员分工合作，并反复进行试验以验证假设。
目前，一种能够自主规划任务、协作执行并形成闭环的“AI科学家”系统正在逐步实现工程化落地。
今年四月二十五日，中国科学技术大学正式对外发布了名为“灵境造物”的智能科研云平台。该平台面向全球开放使用，标志着人工智能驱动科学研究进入了工程化、平台化和共享的时代。
“灵境造物”基于国产化的软硬件生态系统构建而成，并得到了安徽与中国科学院的联合支持，在科学大模型、垂类小模型、科研机器人及自动计算等方面实现了资源整合。
华为支持下的openJiuwen社区MindSpore，提供了一整套面向多智能体的技术体系——协同工程（Coordination Engineering），这是“灵境造物”高效运行的核心技术支撑。
利用这套技术，AI科研团队从单兵作战升级到了高效的协作团队，能够更好地满足理论到实验全过程的科研需求。
通过openJiuwen的协同工程技术，解决了多智能体在真实科研中的复杂场景下难以协调的问题。
在当前AI Agent快速迭代的发展趋势中，行业一直在致力于探索如何使单个Agent更加高效和实用。
然而在处理复杂的科学实验或大规模生产任务时，仅仅依靠一个Agent很难实现高效的执行。
特别是在涉及文献阅读、实验设计等多重角色的情况下，多个智能体的协同工作成为完成科研项目的必要条件。
为了解决这些问题，openJiuwen社区开发了一套完整的解决方案——Coordination Engineering全栈技术体系，专为“灵境造物”这样的复杂协作场景而设。
Agent Team Engine功能使得多智能体能够自主分工并高效协同工作；Team Skills则将这些团队合作的经验标准化封装，并使其能够在更多项目中重复使用。
这些能力的提升，让科研团队在面对跨环节、长链路任务时也能游刃有余。
- Team Skills Hub平台允许用户创建并分享自己的协作经验，促进整个社区的知识交流与进步。
- JiuwenClaw是一款基于openJiuwen开发的企业级智能“龙虾”Agent，已在中国华为云OfficeClaw中成功实施应用。
- Agent Team Engine的设计理念旨在模拟真实团队的工作模式，让每个智能体都能像人类一样高效协作。
- 领导者负责整个流程的协调和规划，成员则专注于各自的分工任务，并通过共享工作区实现无缝合作。
团队技能自演进机制使得每次成功的科研经验都能够被记录下来并加以改进，从而不断提升团队的整体能力。
这种自动化升级过程让每个AI角色在完成一项任务后能够自动学习和优化自身的能力。
Team Skills Hub平台的出现为科研人员提供了一个共享社区环境，在这里可以创建、分享以及利用标准化的操作流程。
在MindSpore Science的支持下，灵境造物能够实现从理论筛选到实验执行的全流程自动化闭环操作。
通过构建领域套件和智能体系统，MindSpore Science实现了科研工作的智能化设计与自动化的执行过程。
这种无缝衔接的技术方案极大提升了科研效率，并且在实际应用中展现出了显著的优势。
在电催化剂筛选的实际案例中，灵境造物将原本需要数周时间完成的任务压缩到了几个小时内。
1、分级自主协同
- 此外，MindSpore Science还能够自动生成实验设计并确保方案的可执行性与准确性，减少人为错误的影响。
- “灵境造物”的问世不仅标志着一款新科研工具的诞生，更是代表着AI驱动科学研究范式的重大转变。
未来的科研工作中，人工智能将不再仅仅是辅助的角色，而是成为研究过程中不可或缺的核心参与者。
希望通过持续的技术创新和生态建设，“灵境造物”能够为更多的科学家提供更强大的工具支持。
前序任务的产出自动成为后续任务的输入，无需手动传递。
调研Agent完成的数据分析报告，写PPT的Agent可以直接拿来引用，整个协作过程如流水线般顺畅。
3、全生命周期管控
从团队组建到任务完成，Leader Agent全程把控。
关键决策需要Leader审批，防止Teammate偏离目标。
事件驱动机制确保团队不会陷入僵死，某个成员卡住了，系统会自动处理；
TeamMonitor则提供全程可观测能力，让你清楚知道每个成员在干什么、进度如何。
在科研场景中，如收到“某物质催化剂研发”这类科研需求：
- Leader会自动拆解任务（文献调研、候选材料生成、理论筛选、实验设计等）；
- 动态组建适配的科研团队，如文献分析Agent、分子建模Agent、催化性能预测Agent、实验执行Agent；
- 同时梳理任务依赖（如“理论筛选完成后，才能启动实验设计”）；
- 全程监控各环节进度，灵活调整分工。
Team Skills：让优秀科研协作经验“会沉淀、可复制”
Agent Team解决了当下AI团队怎么协作的问题。
但会话结束后，这些经验全部消失。
如下次遇到“某物质研发”的同类科研任务，Leader仍然要从零开始规划：需要哪些科研角色、如何分工、谁先谁后、什么条件算完成……
如何让团队协作不再从零开始，让优秀的协作模式可沉淀、可复用、可进化？
这正是Team Skills解决的问题。
它将一次成功的团队协作全链路，像需求拆解、团队组建、任务分配、协作流程、交付规范，全部封装为标准化的“团队技能SOP”。
让“一支优秀团队的协作方式”变成“一套可复制的团队能力”。
简单来说，Agent Team让团队“能协作”，Team Skills让协作能力“可沉淀、可复用”
Team Skills Hub：共建共享，让团队技能流动起来
有了Team Skills，如何让好的团队技能流动起来？
Team Skills Hub（teamskills.openjiuwen.com）就是这样一个共享平台，让团队能力被创建、检索、下载、共享和维护。
当前已覆盖数据与科研、开发编程、办公生产力、内容创作、多模态与媒体、合规与法律、生活与健康、金融与理财八大场景，用户可以一键下载使用。
同时，JiuwenClaw还提供了“团队技能自动生成专家”teamskill-creator，用来帮助用户创建Team Skill。
大家可以体验、创建团队技能，并上传至Team Skills Hub平台共享。
相当于用你的协作经验，帮助更多人高效协作。
Team Skills自演进：让AI科研团队越用越强
Team Skills解决了团队协作经验的沉淀与复用，但真正的科研团队能力不会停留在“复制过去”。
在真实任务场景中，Agent Team会遇到角色缺位、流程断点及工具失效等问题。
以灵境造物在材料物质化学研究中的实践为例：
初始Team Skill虽配备了文献调研、材料建模、性能筛选等核心角色，但在具体执行中发现，材料的稳定性测试仍需专属Agent，且原有的仿真流程也暴露出明显的效率瓶颈。
JiuwenClaw提供的Team Skills自演进机制，会自动捕捉这些实战经验，分析根因，生成演进建议
如新增“稳定性测试Agent”、优化仿真过程的任务依赖等，这些经验让团队技能越用越好。
1、双层自演进：团队与成员协同进化
Team Skills自演进同时在团队技能层成员技能层两个层面展开：
- 团队技能层：系统根据任务执行轨迹自主演进Team Skills，如增加成员角色、补充约束规则、优化协作流程等，让Leader Agent的任务规划与团队管控能力持续升级；
- 成员技能层：每位Teammate Agent的Skill同样自主进化，工具报错、接口超时等实战经验被自动沉淀，再次遇到同类问题时直接解决，不再重复踩坑。
2、演进补丁架构：经验独立存储，原始Skill不动
演进内容以独立的经验条目附加到Skills上，而非直接修改原始文件。
每条经验携带触发来源、上下文、时间戳与质量评分，可单独审查与淘汰。
Skills本身升级后，已积累的经验无缝沿用，不存在冲突。
3、量化评估与生命周期管理
并非所有经验都值得保留，JiuwenClaw对每条演进经验会进行有效性、使用率、新鲜度评分，更新优先级。
用户可随时审阅，确保演进过程始终透明可控，效果不劣化。
MindSpore助力灵境造物全流程自主闭环
在材料化学研发中，效率瓶颈往往在于从文献启发到理论筛选、从实验设计到自动化执行之间的协同链条。
MindSpore Science面向这一挑战，构建了领域套件和覆盖模型、工具、仿真软件的科研智能体系统。
MindSpore Science是基于openJiuwen构建的科研智能体系统，致力于实现从智能设计到自动化执行的闭环。
该系统通过“Skills原子化能力封装+Agents智能决策编排+昇腾硬件亲和模型”的技术路线，实现了从模型推理到仿真筛选、实验设计到数据分析的无缝衔接。
理论筛选的革命：高效计算驱动效率跃升
传统理论筛选难以平衡高精度仿真的耗时与快速经验力场的精度，MindSpore Science提供深度优化的科学计算套件，集成SOTA模型并适配昇腾硬件做多维优化。
同时通过Skills机制将模型、仿真软件等封装为标准化能力，供Agent按需调用完成高通量筛选。
在中国科大电催化剂筛选场景中，该系统能将耗时数周的任务压缩至数小时，并为实验验证提供高质量候选方案。
方案设计的进化：从“手写方案”到“自动执行”
针对传统实验方案手写耗时、校验繁琐、易出错的问题，MindSpore Science基于openJiuwen构建MindSpore Science Agent，实现实验方案“自动生成-可执行性审核-迭代优化-下发执行”的完整闭环。
同时具备假设生成与自我纠错能力，减少错误干扰。
在灵境造物电催化剂合成场景中，可确保方案在科学逻辑与设备执行层面的可落地性。
结语
“灵境造物”的发布，不只是一款科研工具的问世，更是AI驱动科学研究的范式跃迁：
从人工主导，走向AI自主探索、团队协同、闭环创新
这一切，离不开openJiuwen发布的Coordination Engineering全栈技术体系，与Mindspore科学计算底座的关键支撑。
openJiuwen让多Agent从“能协作”到“有技能”，从临时组队到标准化沉淀+社区共建，打通了单智能体好用→多智能体协同→团队能力可沉淀→团队能力可进化的完整闭环，让科研智能体团队协作从“一次性组队”走向“团队化作战”。
MindSpore Science则基于openJiuwen构建了科研智能体系统，实现从灵境造物在实验方案设计到自动化执行的闭环。
未来，AI将不止是科研助手，更会成为自主探索的“核心参与者”，以灵境造物为代表，迈向全流程自主科研
期待openJiuwen与灵境造物持续突破，以全栈自主创新，打开AI科研更广阔的边界，让更多科研工作者借助AI的力量，加速科学发现的步伐。
欢迎科研伙伴与广大开发者，体验JiuwenClawTeam Skills Hub，共享协作经验，共建多智能体协同新生态。
相关资源
Team Skills Hub：https://teamskills.openjiuwen.com/
JiuwenClaw AtomGit：https://atomgit.com/openJiuwen/jiuwenclaw
JiuwenClaw GitHub：https://github.com/openJiuwen-ai/jiuwenclaw
openJiuwen AtomGit：https://atomgit.com/openJiuwen/
openJiuwen GitHub：https://github.com/openJiuwen-ai/
openJiuwen官网：https://www.openjiuwen.com/
MindSpore官网：https://www.mindspore.cn/
MindSpore Science AtomGit：https://gitcode.com/mindspore-lab/mindscience