華為openJiuwen社區攜手中科大靈境造物重塑AI科研

允中 發自 凹非寺
量子位 | 公眾號 QbitAI

AI正在重新定義科學研究。

過去，材料化學、分子催化等領域的科研，從文獻調研、理論篩選、實驗設計到迭代驗證，往往要靠科研團隊長年累月地攻堅。

既要精通專業機理，又要耗費大量時間協調分工、反復試錯。

如今，一個能自主規劃、分工協作、閉環執行的“AI科學家”，正在走向工程化落地。

4月25日，中國科學技術大學正式發布“靈境造物”智能科研云平臺，該平臺面向全球開放使用，這標志著“人工智能驅動的科學研究”正走向工程化、平臺化和開放共享。

“靈境造物”基于全棧國產化軟硬件生態打造，依托由安徽與中國科學院共同支持設立的科學智能物質創制中心，對科學大模型、垂類小模型、科研機器人、自動計算、自動實驗及技能庫進行統籌整合，形成操作系統級入口。

而支撐這套“智能科學家”高效運轉的核心，正是華為支持的openJiuwen社區MindSpore社區，通過一整套面向多智能體的Coordination Engineering（協同工程）技術體系——

讓AI從“單兵作戰”，真正升級為一支能打硬仗的“科研精銳團隊”，完美適配靈境造物從理論到實驗的全流程科研需求。

openJiuwen協同工程，讓AI科研團隊“體系作戰”

當前AI Agent工程迭代極快，從Prompt Engineering、Context Engineering，再到Harness Engineering，行業一直在打磨“如何讓單個Agent更好用”。

但在真實科研、復雜業務、大規模生產等場景，單個Agent往往難以支撐用戶任務的高效、平穩執行。

尤其是靈境造物這種“科研團隊”場景，需要有文獻閱讀、實驗設計、計算模擬、數據分析等多角色Agent協同，各司其職、并行推進才能更快更好地完成復雜科研任務。

僅依賴單Agent的優化難以完成跨環節、長鏈路、強分工的復雜科研任務。

openJiuwen社區給出了一套完整解法：發布了Coordination Engineering全棧技術體系，完美適配靈境造物的科研協作需求，解決科研團隊協同中的核心痛點。

• Agent Team Engine：讓多智能體自主分工、高效協同，完成從“單兵作戰”到“精銳團隊”的關鍵跨越；
• Team Skills：多智能體的“開發平臺”，將協作經驗標準化封裝，讓“一支優秀團隊”變成“一套可復制的團隊能力”；
• Team Skills Hub：打通共享生態，讓協作經驗在社區中流通、復用；
• Team Skills自演進：在每一次實戰中自動迭代，讓團隊整體與每位成員越用越強。

關于JiuwenClaw

JiuwenClaw是基于openJiuwen開發的企業級高可靠“龍蝦”Agent，結合華為云AI基礎設施能力與AgentArts智能體開發平臺，已在華為云OfficeClaw中實現企業級落地。

Agent Team Engine：讓AI科研團隊自主分工、高效協同

Agent Team解決的是多智能體協作的第一步：多個Agent如何圍繞一個目標組隊、分工、執行和匯總。

其設計理念很直接：模擬真實團隊的協作方式

一個Leader Agent負責需求分析、團隊組建和任務規劃；

多個Teammate Agent各自領取任務、獨立執行、匯報結果，通過共享工作區協同產出，像人類團隊一樣高效協作。

1、分級自主協同

• Leader統籌全局：動態組建團隊、拆解任務、管理依賴、監控進度；
• Teammate自主作業：主動認領、獨立執行、遇阻求助、完工匯報。

2、Team Workspace共享工作區

團隊成員共享一個工作空間，誰產出了什么，其他人馬上就能看到。

前序任務的產出自動成為后續任務的輸入，無需手動傳遞。

調研Agent完成的數據分析報告，寫PPT的Agent可以直接拿來引用，整個協作過程如流水線般順暢。

3、全生命周期管控

從團隊組建到任務完成，Leader Agent全程把控。

關鍵決策需要Leader審批，防止Teammate偏離目標。

事件驅動機制確保團隊不會陷入僵死，某個成員卡住了，系統會自動處理；

TeamMonitor則提供全程可觀測能力，讓你清楚知道每個成員在干什么、進度如何。

在科研場景中，如收到“某物質催化劑研發”這類科研需求：

1. Leader會自動拆解任務（文獻調研、候選材料生成、理論篩選、實驗設計等）；
2. 動態組建適配的科研團隊，如文獻分析Agent、分子建模Agent、催化性能預測Agent、實驗執行Agent；
3. 同時梳理任務依賴（如“理論篩選完成后，才能啟動實驗設計”）；
4. 全程監控各環節進度，靈活調整分工。

Team Skills：讓優秀科研協作經驗“會沉淀、可復制”

Agent Team解決了當下AI團隊怎么協作的問題。

但會話結束后，這些經驗全部消失。

如下次遇到“某物質研發”的同類科研任務，Leader仍然要從零開始規劃：需要哪些科研角色、如何分工、誰先誰后、什么條件算完成……

如何讓團隊協作不再從零開始，讓優秀的協作模式可沉淀、可復用、可進化？

這正是Team Skills解決的問題。

它將一次成功的團隊協作全鏈路，像需求拆解、團隊組建、任務分配、協作流程、交付規范，全部封裝為標準化的“團隊技能SOP”。

讓“一支優秀團隊的協作方式”變成“一套可復制的團隊能力”。

簡單來說，Agent Team讓團隊“能協作”，Team Skills讓協作能力“可沉淀、可復用”

Team Skills Hub：共建共享，讓團隊技能流動起來

有了Team Skills，如何讓好的團隊技能流動起來？

Team Skills Hub（teamskills.openjiuwen.com）就是這樣一個共享平臺，讓團隊能力被創建、檢索、下載、共享和維護。

當前已覆蓋數據與科研、開發編程、辦公生產力、內容創作、多模態與媒體、合規與法律、生活與健康、金融與理財八大場景，用戶可以一鍵下載使用。

同時，JiuwenClaw還提供了“團隊技能自動生成專家”teamskill-creator，用來幫助用戶創建Team Skill。

大家可以體驗、創建團隊技能，并上傳至Team Skills Hub平臺共享。

相當于用你的協作經驗，幫助更多人高效協作。

Team Skills自演進：讓AI科研團隊越用越強

Team Skills解決了團隊協作經驗的沉淀與復用，但真正的科研團隊能力不會停留在“復制過去”。

在真實任務場景中，Agent Team會遇到角色缺位、流程斷點及工具失效等問題。

以靈境造物在材料物質化學研究中的實踐為例：

初始Team Skill雖配備了文獻調研、材料建模、性能篩選等核心角色，但在具體執行中發現，材料的穩定性測試仍需專屬Agent，且原有的仿真流程也暴露出明顯的效率瓶頸。

JiuwenClaw提供的Team Skills自演進機制，會自動捕捉這些實戰經驗，分析根因，生成演進建議

如新增“穩定性測試Agent”、優化仿真過程的任務依賴等，這些經驗讓團隊技能越用越好。

1、雙層自演進：團隊與成員協同進化

Team Skills自演進同時在團隊技能層成員技能層兩個層面展開：

• 團隊技能層：系統根據任務執行軌跡自主演進Team Skills，如增加成員角色、補充約束規則、優化協作流程等，讓Leader Agent的任務規劃與團隊管控能力持續升級；
• 成員技能層：每位Teammate Agent的Skill同樣自主進化，工具報錯、接口超時等實戰經驗被自動沉淀，再次遇到同類問題時直接解決，不再重復踩坑。

2、演進補丁架構：經驗獨立存儲，原始Skill不動

演進內容以獨立的經驗條目附加到Skills上，而非直接修改原始文件。

每條經驗攜帶觸發來源、上下文、時間戳與質量評分，可單獨審查與淘汰。

Skills本身升級后，已積累的經驗無縫沿用，不存在沖突。

3、量化評估與生命周期管理

并非所有經驗都值得保留，JiuwenClaw對每條演進經驗會進行有效性、使用率、新鮮度評分，更新優先級。

用戶可隨時審閱，確保演進過程始終透明可控，效果不劣化。

MindSpore助力靈境造物全流程自主閉環

在材料化學研發中，效率瓶頸往往在于從文獻啟發到理論篩選、從實驗設計到自動化執行之間的協同鏈條。

MindSpore Science面向這一挑戰，構建了領域套件和覆蓋模型、工具、仿真軟件的科研智能體系統。

MindSpore Science是基于openJiuwen構建的科研智能體系統，致力于實現從智能設計到自動化執行的閉環。

該系統通過“Skills原子化能力封裝+Agents智能決策編排+昇騰硬件親和模型”的技術路線，實現了從模型推理到仿真篩選、實驗設計到數據分析的無縫銜接。

理論篩選的革命：高效計算驅動效率躍升

傳統理論篩選難以平衡高精度仿真的耗時與快速經驗力場的精度，MindSpore Science提供深度優化的科學計算套件，集成SOTA模型并適配昇騰硬件做多維優化。

同時通過Skills機制將模型、仿真軟件等封裝為標準化能力，供Agent按需調用完成高通量篩選。

在中國科大電催化劑篩選場景中，該系統能將耗時數周的任務壓縮至數小時，并為實驗驗證提供高質量候選方案。

方案設計的進化：從“手寫方案”到“自動執行”

針對傳統實驗方案手寫耗時、校驗繁瑣、易出錯的問題，MindSpore Science基于openJiuwen構建MindSpore Science Agent，實現實驗方案“自動生成-可執行性審核-迭代優化-下發執行”的完整閉環。

同時具備假設生成與自我糾錯能力，減少錯誤干擾。

在靈境造物電催化劑合成場景中，可確保方案在科學邏輯與設備執行層面的可落地性。

結語

“靈境造物”的發布，不只是一款科研工具的問世，更是AI驅動科學研究的范式躍遷：

從人工主導，走向AI自主探索、團隊協同、閉環創新

這一切，離不開openJiuwen發布的Coordination Engineering全棧技術體系，與Mindspore科學計算底座的關鍵支撐。

openJiuwen讓多Agent從“能協作”到“有技能”，從臨時組隊到標準化沉淀+社區共建，打通了單智能體好用→多智能體協同→團隊能力可沉淀→團隊能力可進化的完整閉環，讓科研智能體團隊協作從“一次性組隊”走向“團隊化作戰”。

MindSpore Science則基于openJiuwen構建了科研智能體系統，實現從靈境造物在實驗方案設計到自動化執行的閉環。

未來，AI將不止是科研助手，更會成為自主探索的“核心參與者”，以靈境造物為代表，邁向全流程自主科研

期待openJiuwen與靈境造物持續突破，以全棧自主創新，打開AI科研更廣闊的邊界，讓更多科研工作者借助AI的力量，加速科學發現的步伐。

歡迎科研伙伴與廣大開發者，體驗JiuwenClawTeam Skills Hub，共享協作經驗，共建多智能體協同新生態。

相關資源

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官網：https://www.openjiuwen.com/
MindSpore官網：https://www.mindspore.cn/
MindSpore Science AtomGit：https://gitcode.com/mindspore-lab/mindscience