科学智能体落地：从工具链到自主科研工作流

场景：在 私有化 LLM 服务 之上，让模型不只是"回答问题"，而是"执行科研任务"——解析科学问题、推荐路线、生成实验脚本、提交 HPC 作业、自动记录指标并产出报告。这正是 Scientific Agent 在 AI-HPC 智算超算平台 中的能力闭环。

1. 什么是科学智能体：与普通 Chat 的区别

维度	普通 Chat/RAG	科学智能体 (Agent)
交互	单轮问答	多步骤任务执行
能力	检索 + 生成	规划 + 调用工具 + 记忆
产出	文字答案	实验脚本、运行结果、报告
失败处理	重新提问	自动重试/纠错/报告

一句话：RAG 回答"是什么"，智能体完成"怎么做完"。

2. 能力闭环与总体架构

对应 Scientific Agent 的四步能力闭环：

① 解析科学问题与约束 ──> ② 推荐数据与模型路线 ──> ③ 生成实验脚本与运行配置 ──> ④ 自动记录指标并形成报告
        ▲                                                        │
        └────────────────── 结果反馈（迭代下一轮）─────────────────┘

生产架构分层：

┌───────────────────────────────────────────────────────────┐
│  ① 规划层（LLM 推理服务）                                     │
│  任务拆解 → 工具选择 → 步骤编排（衔接私有化 LLM 服务）         │
├───────────────────────────────────────────────────────────┤
│  ② 工具层（Tool/Function Calling）                            │
│  数据接口 · 模型训练入口 · 仿真求解器 · HPC 作业提交           │
├───────────────────────────────────────────────────────────┤
│  ③ 执行层（沙箱/运行时）                                      │
│  脚本执行 · 结果解析 · 指标记录 · 产物版本化                   │
├───────────────────────────────────────────────────────────┤
│  ④ 可靠性层（科学场景的生死线）                                │
│  工具输出校验 · 失败重试 · 结果数值验证 · 人类确认闸门         │
└───────────────────────────────────────────────────────────┘

3. 关键实现

3.1 工具定义：把能力变成可调用的函数

每个科学工具封装为带 Schema 的 Function：

{
  "name": "submit_hpc_job",
  "description": "向集群提交仿真作业并返回作业状态",
  "parameters": {
    "type": "object",
    "properties": {
      "script": { "type": "string", "description": "Slurm 批处理脚本内容" },
      "gpu": { "type": "integer", "description": "申请 GPU 数量" }
    },
    "required": ["script"]
  }
}

工程要点：工具描述要写得"模型能懂"——描述里写清输入格式、约束、失败语义（如"作业排队超时返回 ERROR"），模型才能正确调用。

3.2 关键科学工具集

工具	作用	对应站点能力
数据检索/加载	找数据集、读格式	Problems 科学问题库
模型训练入口	提交训练作业	Software Factory 软件模板
仿真求解器	跑传统 HPC 仿真	AI4Science 引擎
HPC 作业提交	Slurm 提交/查状态	07 章 · Slurm 调度
结果记录	指标入库、报告生成	Scientific Agent 闭环

3.3 可靠性工程：科学场景不能幻觉

这是科学智能体与"通用 Agent"最本质的区别——实验结果不能靠模型"认为"。四道防线：

1. 工具输出校验：工具返回值先做 Schema 校验与合理性检查（如数值范围、状态字段），异常即标记失败；
2. 失败重试与降级：作业排队超时→重提或换小规模；工具调用失败→换路径或明确告知"无法完成"；
3. 结果数值验证：模型生成的"结论"必须引用工具返回的真实数值，禁止模型自由发挥数字（Prompt 约束 + 后置校验双重保证）；
4. 人类确认闸门：关键动作（提交大规模作业、覆盖数据、外发结果）前必须经人确认——智能体负责提速，人负责兜底。

4. 落地案例：把电池寿命全链路变成智能体任务

以 电池寿命预测全链路案例 为底，智能体化后：

用户：请评估这批电池在高温工况下的寿命风险
智能体：
  ① 解析：目标=SOH 预测，约束=高温工况，要求=风险分级
  ② 路线：推荐时序模型 + 公开数据集 + 虚拟工况补采
  ③ 执行：生成数据加载脚本 → 提交训练作业（HPC）→ 生成评测脚本
  ④ 产出：SOH 曲线 + 风险报告（全部指标来自真实运行结果）

对比收益：原来工程师手动完成的全链路（数据→训练→验证→报告）从数天压缩到数小时；工程师从"跑流程"变成"审结果"。

5. 踩坑与调优（实战经验）

1. "自主"要有边界，不是越自主越好：科学任务里"完全自主"是灾难——一个幻觉的脚本可能浪费整晚 GPU 时间。默认"半自主"：标准步骤自动跑，关键节点人确认。

2. 工具调用失败是常态，不是异常：脚本语法错、作业被拒、数据格式不对……智能体必须能读懂失败信息并自我修正（重试次数设上限，别死循环）。

3. 评测智能体比评测模型难十倍：用"端到端任务成功率"评测：给一组标准科学任务，看完成率、耗时、错误率、需人工介入次数。先建任务集，再调智能体。

4. 和 RAG 知识库配合：智能体也要"懂文档"——把操作手册、集群规范接进知识库（RAG 生产级全栈），让智能体在生成脚本前先检索规范，显著降低"按错误习惯写脚本"的概率。

5. 沙箱是必需品：智能体执行的代码要在受限沙箱跑（禁网络外联、限资源、留审计日志）——它替你跑代码，你要能控制它跑什么。

6. 效果量化与复盘

指标	参考口径
端到端任务成功率	标准任务集上完成率（目标 > 80%）
平均人工介入次数	每任务 < 1 次
提速倍数	全链路任务 vs 人工：数天 → 数小时
幻觉/错误结论率	结果溯源校验后 < 1%

口径说明：以上为工程经验量级，实际以自建任务集评测为准。

复盘结论：科学智能体落地 = 工具封装（让模型能调）+ 可靠性四防线（让结果可信）+ 边界设定（半自主）+ 任务集评测（让进步可量化）。四者缺一不可，缺了任何一个都会在生产中翻车。

工程启示

• 科学智能体是 Software Factory "一题一软件"的自动化形态：工具模板是现成的"零件"，智能体是"自动装配线"；
• 与 代理模型 的协同：智能体调度"采样→训练→回验"闭环，代理模型是闭环里的高速引擎——智能体负责流程，代理模型负责速度；
• 与 私有化 LLM 服务 的关系：稳定的推理服务是智能体的"大脑"，服务不稳则智能体不可用——先有稳定底座，再谈自主。