LLMoxie：探索科学软件开发的智能体AI

在本文中，我们描述了 LLMoxie，一个机构人工智能平台，其三层架构支持多云和本地推理，一个用于身份验证、预算、PII 屏蔽和可观察性的 LiteLLM/MLflow 控制平面，以及一个用于 AI 编码智能体 的应用程序增强层。在顶层，开源 RSE-Plugins 生态系统将积累的 RSE 知识编码为插件-代理-技能层次结构，涵盖科学的 Python 实践、特定领域的知识、六阶段研究和实施工作流程以及项目生命周期管理。科学软件的评判标准不是原始代码的质量，而是它是否可以被引用、审计、复制和扩展。现成的 AI 编码智能体 针对商业软件基准进行了优化，但针对此设置的校准很差：它们忽略了它们调用的科学 Python 库的约定，错误处理敏感或禁运数据，并留下事后难以重建的决策轨迹。我们报告了一家大学研究软件工程 (RSE) 中心二十个月的实践，其中 RSE 嵌入天文学、地球和气候科学、农业和健康项目，致力于缩小这一差距。我们描述了在多域 RSE 中心采用 Agentic AI 时反复出现的基础设施、治理和流程挑战，描述了平台和插件设计，并从真实的科学软件部署中提取了操作经验教训。该平台和插件共同将 AI 编码智能体 从通用代码生成器转变为领域感知协作者，尊重社区规范并生成可审计的技术推理来源。