欢迎访问本站，持续更新中…
RSS

WikiFw 维基框架

Anthropic推出Claude Science：科研人员到底需要什么样的AI工作台

29 天前 AnthropicClaude Science科研AI工具生物信息学

Anthropic推出Claude Science：科研人员到底需要什么样的AI工作台

科研实验室场景

AI辅助科研不是新话题。过去一年多，从GPT-5在分子动力学模拟中的表现到各种"AI科学家"的尝试，几乎每个月都有新进展。但一个现实的问题是：大部分AI工具和科研人员的实际工作流之间，有一道不浅的沟。

科研人员要在不同数据库之间切换——每个数据库有自己的Schema。要处理各种文件格式、数据分析管道。要在PubMed、Jupyter、R、集群终端之间来回跳转。用一个AI对话窗口，很难覆盖这个完整链条。

Anthropic最近推出的Claude Science，试图解决这个问题。

不是一个聊天窗口，是一个工作台

Claude Science的设计思路和普通的AI聊天工具有明显区别。它不是一个让你提问的界面，而是一个整合了科研常用工具和计算资源的"工作台"，运行在本地——macOS或Linux上，或者通过SSH远程访问HPC登录节点。

关键的特性有几个。一是它内置了60多个预配置的科研技能和连接器，覆盖基因组学、单细胞分析、蛋白质组学、结构生物学、化学信息学等领域。二是一个审查Agent会自动检查引文和计算过程，标记并纠正错误。三是它可以直接操作你实验室已有的计算资源——本地笔记本、Linux服务器、HPC集群，或者按需的云GPU。

Anthropic特别强调了一个细节：所有输出都附带完整的追溯记录——生成它的代码、运行环境、自然语言描述、完整的消息历史。这意味着几个月后你还能知道这张图是怎么来的。

真实场景下的效果

Allen Institute的神经科学家Jérôme Lecoq用Claude Science构建了一个"计算评审模板"——大约20个自定义技能，让多个子Agent阅读几千篇论文，提取核心主张和定量发现，存储到证据数据库中，然后逐节撰写综述。每个章节由专门的子Agent生成，同时有一个审查Agent独立评估准确性和引文质量。

Lecoq的团队以前写这样一篇综述可能需要两年时间。现在他们已经有大约10篇超过100页的综述，引文都经过了审查Agent的校验。

UCSF脑肿瘤中心的流行病学家Stephen Francis用Claude Science做胶质瘤的分子流行病学分析。他的评价比较具体：分析时间缩短到原来的十分之一左右，而且他的团队独立验证了Claude Science的结果，确认产出既快速又可靠。

一个值得关注的方向

Claude Science真正有意思的地方不是它有多强的模型能力——Anthropic的模型本身就够强——而是它在"让AI适配科研工作流"而不是"让科研人员适配AI"上的尝试。

把60多个科学数据库作为一个整体来查询、让Agent在本地HPC集群上提交计算任务、引入审查Agent作为质量保障层、支持用户将自己的管道保存为可复用的技能——这些设计都在解决同一个问题：科研场景下的AI工具，需要的不是更强的对话能力，而是更好的系统集成能力。

对普通开发者来说，Claude Science的模式也有参考价值：当你要为专业用户构建AI工具时，重点不是让模型更有知识，而是让模型能和用户已有的工具生态无缝对接。

关于维基框架

维基框架关注企业应用开发中的长期维护问题。在实际项目中，业务系统往往同时涉及权限、微服务、接口协议、部署环境等复杂因素，因此我们希望提供一套更容易扩展和维护的基础框架。