面向科学的智能体AI实验

本文详细介绍了两种用于在科学工作流中开发自主智能体AI的新型框架。两个系统都借助Google Colab采用“本地身体、远程大脑”的混合架构，利用基于Python的本地编排器调用大语言模型（LLM）云端后端。第一个智能体DeepTS/DeepCollector将时间序列数据集的大规模整理、抽取与去重自动化。第二个智能体DeepScribe是一个自主演示分析器，可将视觉信息密集、数学内容复杂的物理讲座转化为结构化科学报告。通过诸如细粒度属性抽取（Cellular RAG）、远程数据检查与分布式并发控制等实用系统工程手段，我们展示了智能体AI如何克服当前最先进系统的上下文与推理局限，从而严谨地支持科学工作流。最后，我们概述了DeepTS向支持深度知识图谱的推广，并讨论了将这一概念性方法应用于高能物理（DeepQCD）的情形。