如何打造AI科学家？AI Scientist综述，从模块到自治六阶段方法 |最新

本文基于研究者的系统性综述，围绕“AI Scientist（AI科学家）”这一新的概念展开，核心线索是研究者的六阶段方法论与三阶段演进轨迹；您如果正搭建一个可验证、可协作、可扩展的研究自动化体系，这篇综述更像一张总路线图而非空洞口号，有不少思路可以借鉴。遗憾的是：截止研究者发文时间（10月31日），这篇综述并没有介绍微软最新的Kosmos（发布于11月），这是一个更系统的Scientist框架，每次运行平均执行 42,000 行代码并阅读 1,500 篇论文，AI Scientist领域的进展实在是太快了，远远超出人力所及的范围。但本综述引用的121篇代表性研究，系统覆盖了从 2022 到 2025 的主线工作（如 The AI Scientist v1/v2、DeepResearcher、Curie、AI-Researcher、Coscientist、BioPlanner 等），并结合相应基准（如 DS-1000、MLAgentBench、IdeaBench、WritingBench、SPOT、EXP-Bench）给出可落地的步骤与实例，论文：https://arxiv.org/pdf/2510.23045 项目主页：https://github.com/Mr-Tieguigui/Survey-for-AI-Scientist。 ^[1]

项目目标与问题边界

研究者提出一套统一的方法框架，将完整科研流程拆解为六个环节：文献综述、构思与假设、实验准备、实验执行、科学写作、论文生成，并据此梳理 2022–2025 年的系统与基准，您会发现分散的成果被纳入同一闭环。更关键的是，论文给出三阶段发展脉络——从“基础模块”到“闭环整合”，再到“可扩展、有效性与协作”的前沿，并点出双重趋势：一是更强的机器自治，二是更成熟的人机协作机制。

这张图把横轴的六个方法阶段与纵轴的四层抽象放在同一画布，并在底部附上历史演进小面板，您一眼就能把具体工作定位到“做了哪一段、处在哪一层”；我觉得，把体系图先立起来，再去填每个格子的能力与评测，会比单点优化更稳，尤其当您在多个学科场景之间迁移时。

总体架构：六阶段闭环

这套闭环并不是口号，而是一条能被实现的流水线：先把非结构化文献转成可推理的结构，再在可追溯的语义层上衍生假设，随后跨数据与设备的执行管道接手，最后通过具备证据链接的写作与论文生成把结果沉淀下来。您可以把它理解为“知识—计划—执行—表述”的往返循环，过程中保留可审计的来源、参数与日志，以便复现实验与复核论断。

图示把“综述—构思—准备—执行—写作—论文”串成一个可反射的闭环，外圈保留自检与评估通道；您用它做实施蓝图时，别忘了把每一段的输入/输出契约写清楚，并把溯源与日志管道预埋进去，这会直接决定后续复现与审计的成本。

阶段一：文献综述（结构化与可追溯）

研究者把文献综述明确成五步流水线：语版式解析与语料构建（S2ORC、GROBID）、混合检索与重排序（BM25+SciBERT/SPECTER2、PaperQA/RAG）、证据结构化（信息抽取、知识图谱、T³与TKGT式表格对齐）、模式归纳与比较表生成（ArxivDIGESTTables）以及带新颖度分析的叙述综合（LitLLM、SCIMON）。您会看到，结果不是一段摘要，而是带来源锚点的图谱、表格与差异矩阵，反馈还能反向驱动二次检索与结构修正。

这张流程图把五个子阶段与反馈箭头画得很清楚：版面解析生成规范化语料，混合检索进入重排序，随后抽取—图谱—表格化，最后产出带新颖度标注的叙述；您可以按图就班地落地，每一步都保留证据—段落的可回溯链接。

阶段二：构思与假设生成（创意与约束并行）

这部分并非随意脑暴，流程被拆成“概念融合与趋势外推—知识约束的精炼—多代理协作—可行性与新颖度评估”，对应到 MOOSE-Chem、HypER 的溯源蒸馏、Scideator/Nova 的多角色对话，以及 GraphEval、IdeaBench/AI Idea Bench 2025/LiveIdeaBench 的量化评估。您可能会问，怎么避免“天马行空”？答案是用本体/知识图与可证据回溯约束生成，再用不确定性与反事实模拟去筛掉不稳健的假设。

图中把概念融合、趋势外推、协同脑暴与评分优选串为一个闭环，您可以把“假设池”当作带来源与评分标签的中间产物，后续任何修订都回写到该池；不过，评分要和可行性/新颖度分开看，免得把“有创意但不可测”的点误选出来。

阶段三：实验准备（从概念到可执行）

我觉得很多失败并非出在执行本身，而是出在“准备不稳”；这里的四步法是：实验表述（变量、指标与信息增益视角的目标化，TableBench、Chain-of-Table、ChartQA/ChartX 等多模态理解助力）、环境与仪器就绪（DSBench、BLADE、InfiAgent-DABench、DAgent 的数据与工具编排，AutomataTikZ、Text2Chart31 的可视化预注册）、协议实现与计划推理（MM-Agent、DiscoveryBench、DS-Agent 强调中间检查点与可回滚）、可复现与全生命周期追踪（环境快照、参数沿革、跨代理一致性评估）。这样，您拿到的是一套可部署、可校核的执行骨架。

这幅图强调把变量、指标与可视化预注册放到执行之前，并把数据后端、工具接口与可视化管线统一到同一编排层；您要做的，就是把“可回滚的中间检查点”和“环境快照”变成默认机制，而不是出了问题再补救的止损手段。

阶段四：实验执行（闭环控制与自我修正）

执行被进一步拆成四步：协议实例化（BioPlanner 的自然语言到协议、Curie 的因果约束结构）、工具与设备调用（自驱动实验室、ORGANA、AutoLabs 这类多代理化学平台，乃至大科学装置的多阶段控制）、自适应执行与反馈（EXP-Bench、Curie 的误差界与再计划、Coscientist 在化学配比中的闭环迭代）、数据采集与校验（多模态记录、统计与符号双重校核、运行时分析模块）。不过，线性脚本在这里会吃亏，带自检与再执行的循环才更稳妥，尤其当传感器与外设的噪声都不受您控制时。

图里把设备调用与反馈回路并列展示，您可以按误差界、数据质量与复现分数三条线触发再计划；虽然代价看似更高，但把“失败的中间状态”完整记录下来，反而能降低总成本，因为复盘与再现的时间会明显缩短。

阶段五：科学写作（数据—文本—伦理三件套）

写作不是把结果“润色一下”就好，研究者给出五个部件：结构化起稿（段落—章节一致性、检索对齐）、数据—文本联动与多模态呈现（跨表格/图形的锚点与交叉引用）、类同行评审的自动化质检（结构化意见与可解释评分）、伦理合规与署名治理（披露模型与提示词、贡献分层）、端到端出版优化（WritingBench、SPOT 这类面向事实、引文与体例的一体评测）。您会看到，图表标题、段落主张与证据路径都能被联动校核，而不是“写完再补充参考文献”。

图中的前向箭头表示内容生成通路，回路表示评审与治理反馈返回起稿阶段；您若在本地编辑器集成此链路，建议把“来源锚点与可视化对象”的绑定做成强约束，避免文本、图表与表格在反复改动后出现对不上的问题。

阶段六：论文生成（从草稿到投递）

在 The AI Scientist v1/v2、AI-Researcher 这类系统里，论文生成被分解为起稿、图表与表格生成/嵌入、评审与修订代理、传播与发布，且每步都与前述产物打通；你知道吗，很多系统直接把实验日志—到—LaTeX 的转换、图表自动生成与交叉引用做成流水线，Scientist-Bench 也开始评估这种端到端的连贯性。虽然自动化更强，但研究者强调溯源与审计优先，避免“黑箱稿件”流入文献体系。

这幅图把论文生成拆成四段并标注前向与回路箭头，实操里您可以把图表生成与评审代理做成“循环对话”，直到事实一致性、引用完整性与体例合规同时满足，再一次性冻结为可投递的定稿包。

三阶段演进：从模块到闭环，再到规模与协作

历史脉络被清晰地划分为三段：2022–2023 年的“基础模块”（DS-1000、BioPlanner、Coscientist、MLAgentBench 等把准备与执行的硬骨头啃下来）、2024 年的“闭环整合”（The AI Scientist v1 把各段串成端到端论文生成）、到 2025 年前沿的“可扩展、有效性与协作”（DeepResearcher 的真实网页强化、DeepScientist 的长程目标驱动、freephdlabor 的深度人机协作）。结果是，自治更强，但与人的协作也更细腻。

时间线图把代表性工作放在三段轨迹上，向上的箭头对应自治与整合度的提升；我建议您在做路线规划时，把自家系统定位到这条时间线上，明确下一步是在“闭环强化”，还是在“协作与规模”上做结构性投入。

应用版图：通用系统与学科落地

通用系统方面，The AI Scientist v1/v2、AI-Researcher 与 Curie 分别在端到端闭环、可回溯记忆图与因果化实验控制上树立了不同侧重；而在化学与材料，Coscientist、A-Lab、Robotic AI Chemist、AutoLabs 借助自驱动实验室实践闭环；在生物/医药，BioPlanner、LLM4GRN、层次化表示的协议设计处理高噪复杂流程；在物理与工程，Agentic Physics Experiments、SR-Scientist、AI Feynman、Quantum-Agent-SDL 把符号回归、规则发现与大型装置控制推到台前。

评价与基准：怎么判定“更像科学家”

您可能更关心“怎么量化”，文献把评估拆成环节化与端到端两层：环节上有 IdeaBench、GraphEval、DSBench、BLADE、InfiAgent-DABench、EXP-Bench、CharXiv 等；端到端侧重写作与发布完整性，有 WritingBench、SPOT 与 Scientist-Bench；另外，多数系统引入可复现要素（环境确定性、哈希化数据/模型、细粒度来源链路）与不确定性表达，让评分更贴近真实科研场景而非“单次跑分”。

这张矩阵以“六阶段”为列、以代表性工作为行，标注每项覆盖的能力段并附上年份，您可以据此挑选评测子集构成内测套件；不过，别把这个表当终点，它更像是“能力缺口雷达”，帮助您识别下一个该补的短板。

实操清单：把综述落成您的流水线

起步建议是三段式：一套可靠的文献—知识结构化底座（版式解析、混合检索、抽取与表格/图谱归一、差异/新颖度分析）；一条规范的准备—执行—追踪骨架（变量—指标—计划、数据/工具编排、运行时校验与回滚、环境快照与日志）；一套写作—评审—合规的发布通道（起稿到图表联动、自动评审循环、披露与署名治理）。不过，您别急着“一把梭”，先用一个可控子域做灰度，如 DS-1000 的数据科学任务或一条化学合成链路。

具象例子一：材料化学的闭环小跑

场景是材料筛选：您用文献综述管道在特定体系上生成知识图与比较表，构思阶段在趋势外推与本体约束下得到候选合成路线；准备阶段将变量与可测指标对齐到自驱动实验室，预注册必要的谱图与曲线；执行阶段走 AutoLabs/ORGANA 的多代理架构做配方与校准，实时基于误差界再计划；写作阶段把谱图、表格与叙述自动交叉锚定，并生成披露清单。

具象例子二：数据科学的端到端代理

目标是复现与改进某个 ML 论文实验：综述阶段用 PaperQA 与 RAG 拉取相关证据并构表，构思阶段利用多代理角色拆解潜在改进点；准备阶段用 DAgent 的模式连接到结构化数据后端并约定 SQL 报告模板；执行阶段对照 DSBench/BLADE 的运行时检查点做自适应超参更新；写作阶段依 WritingBench 与 SPOT 做一致性核对与规范化投递。

风险、治理与开放难题

研究者在开放问题中给出四条主线：从“可复现设计”走向“可验证科学”（环境确定性、可加密溯源、自动审计代理）；把不确定性当作一等公民（并行假设、贝叶斯式推理、知道何时建议追加数据或征求人类判断）；通过模块化与可组合架构跨域迁移（具备清晰 I/O 契约的能力因子化工具箱）；以及深化人机协作与伦理治理（角色化协作协议、透明署名与风险分级执行）。这些并非画饼，而是下一代系统能否进入主流科研流程的前提。

给您的落地建议（小结）

如果您现在就要动手，建议按“底座—骨架—通道”的三层化建设，底座解决证据与结构化，骨架保障准备—执行—追踪稳定，通道确保写作—评审—合规闭环；虽然一步到位很诱人，但分域试点—跨域扩展—规模化协同可能更稳，过程中务必保留来源链、参数谱系与自动化检查表，把系统变成可被信任的科研合作者，而不是一次性的脚本堆栈。

引用链接

[1]: https://github.com/Mr-Tieguigui/Survey-for-AI-Scientist。

文章来自于“Al修猫Prompt”，作者“Al修猫Prompt”。