一个走「Skill 即 Markdown」的极简工程路线，一个走「多智能体 + 持久记忆」的自进化学术路线。
当 AI 真正成为科研伙伴，哪种范式更有生命力？
核心公式：OpenClaw engine + SCIENCE.md (~600行) + 266 Skills (Markdown) = 0 行自定义代码
核心创新：进化管理器（EMA）将成功/失败经验蒸馏为可重用知识，驱动多智能体持续自我改进
ScienceClaw 的设计哲学可以用一句话概括：用 Markdown 教会模型做科研。它不依赖任何 TypeScript、Python 后端、MCP 协议或插件系统——所有领域知识都被编码为 Markdown 文件（Skills），由底层的 OpenClaw 引擎按需加载。
266 个 Skill 是 ScienceClaw 的核心知识库。每个 Skill 是一个 Markdown 文件，包含 API 模式、代码模板和验证步骤。这种设计的激进之处在于——完全不写代码。
| 领域 | 数量 | 代表性 Skill | 特点 |
|---|---|---|---|
| 可视化 | 35+ | matplotlib, seaborn, plotly, networkx | 包含完整绘图代码模板 |
| 生物信息学 | 30+ | scanpy, anndata, pydeseq2, biopython | scRNA-seq 全流程覆盖 |
| 数据库 | 20+ | UniProt, PDB, STRING, Reactome | REST API 调用模板 |
| 药物发现 | 20+ | ChEMBL, RDKit, ZINC, AlphaFold | 成药性预测管道 |
| 科学写作 | 15+ | 文献搜索, 同行评审, LaTeX模板 | 从初稿到投稿 |
| 基因组学 | 15+ | Ensembl, GWAS, ClinVar, GEO | 多组学整合 |
| 机器学习 | 10+ | scikit-learn, SHAP, aeon | 可解释性优先 |
ScienceClaw 提供 6 个预构建的「研究配方」(Research Recipes)，可以根据一句自然语言自动匹配并执行完整的多步分析管道：
需要注意的是，「ScienceClaw」这个名字下目前至少有两个不同的项目：
| 维度 | 开源版 (Zaoqu-Liu) | 紫东太初版 |
|---|---|---|
| 架构 | OpenClaw 引擎 + Markdown Skills | LangChain DeepAgents + AIO Sandbox |
| Skill 数量 | 266 个 Markdown Skills | 1900+ 工具与技能 |
| 数据库 | 77+ REST API | 未公开具体数量 |
| 代码基 | Shell 87% + JS 13%，0 行自定义逻辑 | 完全自研，未开源 |
| 安全模型 | OpenClaw 默认沙箱 | Docker 容器 + AIO Sandbox 双层隔离 |
| 学科偏重 | 生物医学为主，强单细胞/药物发现 | 八大学科（含天文、环境、化学等） |
| 交互渠道 | Terminal + 多平台（继承 OpenClaw） | 微信 ClawBot 插件 |
| 许可证 | MIT（完全开源） | 商用平台 |
EvoScientist 来自华为技术和阿姆斯特丹自由大学的联合研究，发表于 KDD 2026。它解决的核心问题是：现有 AI 科学家系统是「静态」的——每次都从零开始，不会从历史交互中学习。
这导致三个致命问题：忽略有前景的研究方向、重复失败的实验、追求不可行的想法。EvoScientist 通过引入持久化记忆和进化管理器来解决这些问题。
存储内容：
检索方式：基于嵌入的余弦相似度，Top-kI 检索
效果：帮助 RA 生成更高质量、更具可行性的研究想法
存储内容：
检索方式：基于研究提案 P 检索可重用执行策略
效果：帮助 EA 提高代码执行成功率
触发时机：生成候选想法后
操作：EMA 从排名靠前的想法中总结有前景的研究方向 → 更新 MI
消融实验证据：去除后新颖性下降 66.67%，可行性下降 50.00%
触发时机：EA 执行失败或方法不如基线时
操作：EMA 分析执行报告 → 总结失败原因 → 更新 MI 的负面记忆
消融实验证据：去除后可行性暴跌 63.33% — 这是保证"不做不可行研究"的关键
触发时机：每个实验阶段完成后
操作：EMA 从代码搜索轨迹和最佳实现中总结可重用策略 → 更新 ME
效果：代码执行成功率从 34.39% 提升到 44.56%（+10.17 百分点）
EvoScientist 在 30 个研究查询上与 7 个系统（含开源和商业）进行了对比：
🥇 最佳论文奖：基于超条件先验的自适应证据元学习心电图个性化方法
🏅 AI 评审赞赏奖：层次变化特征分析框架（工业时间序列故障检测）
* 数字为对最强开源基线的平均胜率差距 (Avg. gap)
EvoScientist 的 GitHub 版本在论文基础上进行了大量工程化扩展：
| 特性 | 论文版 | GitHub 开源版 (v0.0.5) |
|---|---|---|
| 智能体数量 | 3（RA + EA + EMA） | 6（Plan + Research + Code + Debug + Analyze + Write） |
| LLM 支持 | 未公开 | 9 家供应商（Anthropic/OpenAI/Google/NVIDIA 等） |
| 交互通道 | 实验脚本 | CLI + Telegram/Slack/WeChat/Discord/QQ 等 10+ |
| 扩展机制 | 固定流程 | MCP + EvoSkills（10 个研究生命周期技能） |
| 科学工作流 | 2 阶段 | 6 阶段（Intake→Plan→Execute→Evaluate→Write→Verify） |
| 基准成绩 | ICAIS 2025 6/6 | + AstaBench #1 + DeepResearch Bench II #1 |
| 对比维度 | ScienceClaw 🦞 | EvoScientist 🧬 |
|---|---|---|
| 设计哲学 | Skill 即 Markdown 零代码，所有知识用 Prompt 表达 | 多智能体 + 持久记忆 角色分工 + 经验蒸馏 |
| 知识表示 | 266 个 Markdown 文件 + 1 个 SCIENCE.md | 向量化记忆库（嵌入 + 余弦检索） |
| 学习能力 | ❌ 静态 — Skill 需人工编写和更新 | ✅ 自进化 — EMA 从交互中自动蒸馏知识 |
| 工具接口 | 仅 2 个（web_search + bash） | LangGraph 状态机 + MCP + EvoSkills |
| 可验证性 | 无学术论文，无 benchmark 对比 | KDD 2026 + ICAIS 6/6 + AstaBench #1 |
| 领域偏重 | 生物医学（单细胞、药物发现、基因组学） | 通用 ML/AI 研究（NLP, CV, 时间序列等） |
| 可复现性 | 高（全部 Markdown，任何 LLM 可用） | 中等（依赖特定 LLM 能力和向量库质量） |
| 扩展成本 | 极低（写一个 .md 文件） | 中等（需设计 Agent 协作逻辑和记忆结构） |
| 上限高度 | 受限于 LLM 单次推理能力 | 理论上可持续提升（记忆越积越好） |
| 安全模型 | OpenClaw 默认沙箱 | 300s 超时 + 输出限制 + 自动恢复 |
「0 行自定义代码」是一个极其大胆的设计选择。它证明了在 LLM 足够强的前提下，领域知识可以完全通过 Prompt 注入。
有 KDD 论文 + 消融实验 + 多维度评估 + 真实会议验证（6/6 接收 + 最佳论文），可验证性远超前者。
持久记忆意味着"用得越多越好用"。ScienceClaw 的 Skill 是静态的，不会从交互中学习。
写一个 Markdown 就能新增能力，任何有 Bash 的环境都能运行。EvoScientist 需要向量数据库和多 Agent 编排基础设施。
ScienceClaw 的零代码方案在当前 LLM 能力下是可行的——特别是对于"调用已有工具执行标准分析"这类任务。但它有一个根本限制：Markdown Prompt 无法编码超出 LLM 上下文窗口的复杂状态转换逻辑。
当任务需要 20+ 步的多分支决策（比如"分析失败时选择替代方案 A 还是 B"），Markdown 模板的可靠性会急剧下降。这也是为什么 ScienceClaw 只支持 6 个预构建 Recipe 而不是任意组合——它的天花板是 LLM 单次规划能力的天花板。
EvoScientist 的消融实验揭示了一个深刻的规律：去除 IVE（想法验证进化）对可行性的伤害（-63.33%）大于去除 IDE（想法方向进化）的伤害（-50.00%）。
这意味着："知道什么不能做"比"知道什么能做"更重要。这与人类科研经验高度一致——优秀的研究者之所以高效，往往不是因为想法多，而是因为能快速排除不可行的方向。
这个发现对 AI 科研系统的设计有深远影响：与其投入大量资源收集成功案例，不如系统性地记录和分类失败。
ScienceClaw 的 Skill 系统和 EvoScientist 的记忆系统并不互斥。一个自然的融合方向是：
这就形成了一个「Skill-Memory-Skill」循环：静态知识 → 动态经验 → 升级后的静态知识。
EvoScientist 诚实地报告了一个令人清醒的数字：即使经过策略进化，"提出的方法"阶段的代码执行成功率只有 21.57%。
这意味着将近 80% 的创新方法实现会失败。这不是 EvoScientist 的问题——这是整个 AI 科研领域的根本瓶颈。对比 ScienceClaw 的预构建 Recipe（走标准分析管道），它的成功率会高得多，但代价是没有真正的创新。
这揭示了一个深层张力：可靠性与创新性之间的权衡。标准流程可靠但无趣，创新尝试有趣但容易失败。
EvoScientist 明确提出了「Human-on-the-Loop」范式——人不在循环中做决策，而是在循环上做监督。6 篇论文全部接收证明这种范式在某些条件下可行。
ScienceClaw 则更接近「Human-in-the-Loop」——用户输入需求，系统执行，用户审查结果。
两者的区别不仅是技术性的，更是科研伦理和学术责任归属的问题。当 AI 完全自主产出论文并被顶会接收，我们需要重新思考"作者"意味着什么。
ScienceClaw 证明了一个重要论点：领域专家的隐性知识可以用 Markdown 编码为可执行的 Skill。这对数据团队的启示是——把你的 ETL 最佳实践写成 Skill，而不只是写在 Confluence 里。一个 Markdown Skill 比一篇内部文档更有执行力。
EvoScientist 的 IVE 机制告诉我们：系统性地记录失败比收集成功更重要。在数据管道运维中，这意味着 CI/CD 失败日志、数据质量告警、SLA 超时记录不是需要"处理掉"的噪音——它们是训练下一代数据系统的核心资产。
绝大多数数据管道是无状态的——执行完就结束，不留任何"经验"。EvoScientist 的进化管理器提示我们：每次管道执行都应该产生可复用的元数据。哪些表的 join 最慢？哪些数据质量检查最频繁报错？这些"进化信号"应该被系统性捕获。
结合前文的 SkillWeave 研究：ScienceClaw 的 266 个 Skill 本身就是高质量的 Agent 训练数据蓝图。每个 Skill 定义了"输入→工具调用→输出"的完整范式——从这些 Skill 出发合成训练数据，比从零开始构造任务要自然得多。
如果我要设计下一代 AI 科研智能体，我会：
科研 AI 的终极形态不是"替代科学家"，而是"让每个科学家都有一个会成长的研究搭档"。
ScienceClaw 证明了入门门槛可以低到零，EvoScientist 证明了成长上限可以高到顶会最佳论文。
现在的问题是——谁来把这两个极端连接起来？