科学研究的边界正在被人工智能技术不断拓展。过去，在材料化学、分子催化等基础学科领域，科研人员往往需要耗费数年时间进行文献梳理、理论推演与实验迭代，这种传统模式不仅效率低下，且极易受限于个人认知边界与团队协作摩擦。随着“人工智能驱动的科学研究”（AI for Science）理念的深入，一种能够自主规划、分工协作并闭环执行的新型科研模式正在从理论走向工程化落地。
2026年4月25日，中国科学技术大学正式发布“灵境造物”智能科研云平台，该平台基于全栈国产化软硬件生态构建，面向全球开放。这一里程碑事件标志着AI科研不再局限于实验室的封闭验证，而是迈向了平台化、开放化的新阶段。支撑这一庞大系统高效运转的，是华为支持的openJiuwen社区与MindSpore社区共同推出的Coordination Engineering（协同工程）全栈技术体系，它彻底解决了多智能体在复杂科研任务中的协作难题。
从单兵作战到团队协同：Coordination Engineering的核心突破
在人工智能智能体（AI Agent）的工程化迭代中，行业曾长期聚焦于如何让单个智能体更加聪明、精准，这被称为“单兵作战”时代。然而，面对真实的科研场景，单一智能体往往难以胜任跨环节、长链路的复杂任务。灵境造物所代表的科研场景，本质上是模拟一支人类科研团队，需要文献调研、理论筛选、计算模拟、实验设计等多个角色的紧密配合。
openJiuwen社区提出的解决方案是Coordination Engineering，即通过一套完整的技术体系，将分散的AI能力整合为高效的“科研精锐团队”。这一体系的核心在于打破了智能体之间的孤岛效应，实现了从简单的指令响应到深度的自主协同。
Agent Team Engine作为该体系的基石，其设计理念高度模拟人类团队的协作逻辑。在这个架构中，Leader Agent扮演团队负责人的角色，负责需求分析、任务拆解、团队组建及全局进度监控。Teammate Agent则作为执行者，自主认领任务、独立作业，并在遇到阻碍时主动寻求协助或汇报结果。这种分级自主协同机制，确保了在复杂任务中既能保持全局一致性，又能发挥个体的专业优势。
更为关键的是Team Workspace（共享工作区）的引入。在传统的自动化流程中，任务间的数据传递往往依赖手动或硬编码的接口，极易出错且缺乏灵活性。而在灵境造物中，所有团队成员共享一个动态工作空间。前序任务产出的数据，如文献分析报告或分子模型数据，可被后续任务直接调用，无需人工干预。这种流水线式的协作模式，极大地提升了科研流程的顺畅度。
团队技能的沉淀：从经验到可复用的标准资产
多智能体协作解决了“当下如何做”的问题，但若每次面对新任务都需重新组建团队、重新规划流程，资源的消耗依然巨大。真正的智能化，应当是让优秀的协作经验能够沉淀下来，成为可复用的标准资产。
Team Skills模块正是为了解决这一痛点而生。它将一次成功的科研协作全链路，包括需求拆解、角色分配、任务流转、交付规范等，封装为标准化的“团队技能SOP”（标准作业程序）。这意味着，一支优秀科研团队的协作模式不再依附于特定的会话，而是被固化为一套可调用、可配置的“能力包”。
通过Team Skills Hub，这些技能可以在社区内进行共享与流通。当前，平台已覆盖数据科研、开发编程、办公生产力、内容创作、多模态媒体、合规法律、健康生活及金融理财等八大场景。用户不仅可以下载现成的团队技能包快速启动项目，还可以利用teamskill-creator工具，将自己的协作经验转化为标准技能上传至Hub，供全球开发者复用。这种共建共享的生态，使得AI科研团队的成长不再是个体的孤立进步，而是群体智慧的指数级积累。
自演进机制：让AI团队在实战中“越用越强”
静态的技能库无法满足科研探索中不断涌现的新挑战。在材料物质化学研究中，初始的Team Skill可能缺乏对稳定性测试等特定环节的支持，或者在仿真流程中存在效率瓶颈。如何避免“复制过去”而陷入僵化，是AI科研平台必须解决的难题。
JiuwenClaw提供的Team Skills自演进机制，赋予了科研团队持续进化的能力。该机制在团队技能层和成员技能层两个维度同步展开。在团队层面，系统根据任务执行轨迹，自主分析角色缺位或流程断点，自动建议增加新的Agent角色（如新增“稳定性测试Agent”）或优化任务依赖关系。在成员层面，单个Agent也能从实战中吸取教训，如记录工具报错、接口超时等异常，并在未来遇到同类问题时自动规避。
值得注意的是，自演进采用了“演进补丁架构”。演进内容以独立经验条目的形式附加于原始Skill之上，而非直接修改核心代码。每条经验都携带触发来源、上下文、时间戳与质量评分，用户可以随时审查和淘汰无效经验。这种设计既保证了系统的稳定性，又确保了进化过程的透明可控，使得团队能力在每一次实战中都能实现无损升级。
MindSpore Science：从理论到实验的无缝闭环
协同工程解决了“人”的协作问题，而MindSpore Science则解决了“工具”与“算力”的适配问题。在材料化学研发中，从文献启发到理论筛选，再到实验设计与执行，整个链条充满了效率瓶颈。MindSpore Science基于openJiuwen构建，通过“Skills原子化能力封装 + Agents智能决策编排 + 昇腾硬件亲和模型”的技术路线，实现了全流程的自主闭环。
MindSpore Science集成了深度优化的科学计算套件，支持SOTA模型的多维优化，并能将模型、仿真软件封装为标准化能力供Agent按需调用。在中国科大的电催化剂筛选实验中，该系统将原本需要数周才能完成的高通量筛选任务压缩至数小时，并成功输出了高质量的候选方案，为后续实验验证提供了坚实基础。
此外，MindSpore Science Agent在实验方案设计环节展现了革命性的能力。针对传统方案手写耗时、校验繁琐且易出错的问题，该Agent能够自动生成实验方案，并进行可执行性审核与迭代优化。在灵境造物的电催化剂合成场景中，系统不仅确保了方案在科学逻辑上的严谨性，还充分考虑了设备执行的可行性，真正实现了从“人类主导”到“AI自主执行”的跨越。
全栈国产化生态的自主突破
灵境造物的发布与openJiuwen的协同工程体系，不仅是技术的突破，更是全栈国产化生态在科学智能领域的一次集中展示。从底层的昇腾硬件算力，到中层的MindSpore框架，再到上层的openJiuwen多智能体协作引擎，整个链条均实现了自主可控。
这种全栈自主性，为科研工作者提供了更安全、更高效的研发环境。它消除了对外部技术黑箱的依赖，使得中国科研界能够根据自身需求，灵活定制和深度优化AI科研工具。更重要的是，通过开源社区的模式，这种技术能力正在快速转化为全球共享的公共资源，加速了科学发现的步伐。
未来的科研范式，将不再仅仅是AI作为助手辅助人类，而是AI成为自主探索的核心参与者。灵境造物所代表的这一趋势，正在将“单次组队”的临时协作，转变为“团队化作战”的常态化模式。随着协同工程技术的不断成熟与生态的日益丰富，我们有理由相信，AI将推动材料科学、生物制药、能源发现等领域迎来爆发式增长，为人类探索未知世界提供前所未有的强劲动力。
