AI 正在重新定义科学研究。
过去，材料化学、分子催化等领域的科研，从文献调研、理论筛选、实验设计到迭代验证，往往要靠科研团队长年累月地攻坚。
既要精通专业机理，又要耗费大量时间协调分工、反复试错。
如今，一个能自主规划、分工协作、闭环执行的 "AI 科学家 "，正在走向工程化落地。
4 月 25 日，中国科学技术大学正式发布" 灵境造物 "智能科研云平台，该平台面向全球开放使用，这标志着 " 人工智能驱动的科学研究 " 正走向工程化、平台化和开放共享。
" 灵境造物 " 基于全栈国产化软硬件生态打造，依托由安徽与中国科学院共同支持设立的科学智能物质创制中心，对科学大模型、垂类小模型、科研机器人、自动计算、自动实验及技能库进行统筹整合，形成操作系统级入口。
而支撑这套 " 智能科学家 " 高效运转的核心，正是华为支持的openJiuwen 社区与MindSpore 社区，通过一整套面向多智能体的Coordination Engineering（协同工程）技术体系——
让 AI 从 " 单兵作战 "，真正升级为一支能打硬仗的 " 科研精锐团队 "，完美适配灵境造物从理论到实验的全流程科研需求。
openJiuwen 协同工程，让 AI 科研团队 " 体系作战 "
当前 AI Agent 工程迭代极快，从 Prompt Engineering、Context Engineering，再到 Harness Engineering，行业一直在打磨 " 如何让单个 Agent 更好用 "。
但在真实科研、复杂业务、大规模生产等场景，单个 Agent 往往难以支撑用户任务的高效、平稳执行。
尤其是灵境造物这种 "科研团队" 场景，需要有文献阅读、实验设计、计算模拟、数据分析等多角色 Agent 协同，各司其职、并行推进才能更快更好地完成复杂科研任务。
仅依赖单 Agent 的优化难以完成跨环节、长链路、强分工的复杂科研任务。
openJiuwen 社区给出了一套完整解法：发布了Coordination Engineering 全栈技术体系，完美适配灵境造物的科研协作需求，解决科研团队协同中的核心痛点。
Agent Team Engine：让多智能体自主分工、高效协同，完成从 " 单兵作战 " 到 " 精锐团队 " 的关键跨越；
Team Skills：多智能体的 " 开发平台 "，将协作经验标准化封装，让 " 一支优秀团队 " 变成 " 一套可复制的团队能力 "；
Team Skills Hub：打通共享生态，让协作经验在社区中流通、复用；
Team Skills 自演进：在每一次实战中自动迭代，让团队整体与每位成员越用越强。
关于 JiuwenClaw
JiuwenClaw 是基于 openJiuwen 开发的企业级高可靠 " 龙虾 "Agent，结合华为云 AI 基础设施能力与 AgentArts 智能体开发平台，已在华为云 OfficeClaw 中实现企业级落地。
Agent Team Engine：让 AI 科研团队自主分工、高效协同
Agent Team 解决的是多智能体协作的第一步：多个 Agent 如何围绕一个目标组队、分工、执行和汇总。
其设计理念很直接：模拟真实团队的协作方式。
一个 Leader Agent 负责需求分析、团队组建和任务规划；
多个 Teammate Agent 各自领取任务、独立执行、汇报结果，通过共享工作区协同产出，像人类团队一样高效协作。
1、分级自主协同
Leader 统筹全局：动态组建团队、拆解任务、管理依赖、监控进度；
Teammate 自主作业：主动认领、独立执行、遇阻求助、完工汇报。
2、Team Workspace 共享工作区
团队成员共享一个工作空间，谁产出了什么，其他人马上就能看到。
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和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JiuwenClaw与Team 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
* 本文系量子位获授权刊载，观点仅为原作者所有。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见
