AutoSci：面向完整科研生命周期的以记忆为中心的智能体系统

科学研究传统上高度依赖人力，要求研究者在漫长的项目周期中协调文献、想法、实验、稿件与审稿回复。基于LLM的科研智能体的兴起为自动化这一过程创造了机会。这样的系统必须支持完整的研究生命周期、跨项目维护结构化持久记忆，并随时间改进自身的科研流程。然而，现有系统要么部分满足要么无法满足这些要求，为统一的自动化科研系统留下了空白。因此，我们提出AutoSci，一个面向完整科研生命周期的以记忆为中心的智能体系统。AutoSci由四个模块构成。SciMem提供由模式（schema）治理的研究记忆，将存放可复用科学知识的长期知识记忆与存放想法、实验、稿件、评审等项目级产物的活跃研究记忆分开。SciFlow通过一个控制状态、上下文、验证、反馈与编排的执行框架，执行从文献理解到审稿答辩（rebuttal）的五阶段生命周期。SciDAG以DAG形多智能体算子与可复用的阶段特定模板增强困难技能。SciEvolve将来自用户、实验、评审与外部环境的反馈信号转化为对SciMem组织、SciFlow技能与SciDAG模板的版本化更新。这些模块共同使AutoSci成为一个能在各研究项目之间执行、记忆并演化的持久研究环境。代码仓库见https://github.com/skyllwt/AutoSci。