论文精读

ScienceClaw × EvoScientist 深度研读：AI 科研智能体的两条路线

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？

论文： EvoScientist: Towards Multi-Agent Evolving AI Scientists for End-to-End Scientific Discovery
作者： Yougang Lyu, Xi Zhang, Xinhao Yi, et al. (Huawei)
arXiv： 2603.08127
AI 科研智能体 多智能体系统 自进化 Skill 架构 持久记忆 EvoScientist
新窗口

研读动机

ScienceClaw 和 EvoScientist 是 2026 年 3 月几乎同时出现的两个 AI 科研智能体系统，但它们走出了截然不同的路线：

  • ScienceClaw（开源版，Zaoqu-Liu）：OpenClaw engine + SCIENCE.md + 266 Skills (Markdown) = 0 行自定义代码
  • EvoScientist（华为，arXiv 2603.08127，KDD 2026）：6 智能体 + 2 持久记忆模块 + 进化管理器 = 自我进化的 AI 科学家

一个赌”LLM 足够强就不需要写代码”，一个赌”经验蒸馏和角色分工才是可持续的”。这两条路线代表了 AI 科研智能体设计的两个极端哲学，值得深度对比。

ScienceClaw：Skill 即 Markdown 的极简主义

核心设计

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 TypeScript、Python 后端、MCP 协议或插件系统——所有领域知识都编码为 Markdown Skills，由底层 OpenClaw 引擎按需加载。

架构四层：

  1. 用户层：Terminal UI / Web Dashboard / Telegram / WeChat / Slack 等多平台
  2. 网关层：OpenClaw Gateway（路由、会话管理、工具调用）
  3. 代理层：SCIENCE.md（身份与研究纪律，~600 行）+ 266 个按需加载的 Skills
  4. 工具层：仅两个 — web_search（Brave）和 bash（Python/R/Julia + curl）

266 个 Skill 解剖

领域数量代表性 Skill
可视化35+matplotlib, seaborn, plotly, networkx
生物信息学30+scanpy, anndata, pydeseq2, biopython
数据库20+UniProt, PDB, STRING, Reactome
药物发现20+ChEMBL, RDKit, ZINC, AlphaFold
科学写作15+文献搜索, 同行评审, LaTeX 模板
基因组学15+Ensembl, GWAS, ClinVar, GEO
机器学习10+scikit-learn, SHAP, aeon

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。

Research Recipes

6 个预构建工作流，从一句自然语言自动匹配并执行完整分析：

用户输入 → 文献搜索 → TCGA 表达 → 生存分析 → 免疫浸润 → 通路富集 → 结构化报告

包括：gene-landscape（基因全景）、target-validation（靶点成药性）、literature-review（文献综述）、diff-expression（差异表达）、clinical-query（临床查询）、person-research（研究者调研）。

⚠️ 注意：ScienceClaw 名下有多个项目

维度开源版 (Zaoqu-Liu)紫东太初版
架构OpenClaw + MarkdownLangChain DeepAgents + AIO Sandbox
Skill 数量2661900+
开源MIT商用平台
领域生物医学为主八大学科

本文架构分析基于开源版，因其代码和文档完整可审查。

EvoScientist：持久记忆 + 自我进化

核心问题

现有 AI 科学家系统是「静态」的——每次从零开始，不会从历史交互中学习。导致：

  1. 忽略有前景的研究方向
  2. 重复失败的实验
  3. 追求不可行的想法

三智能体 + 双记忆架构

三个智能体：

  • Research Agent (RA)：科学想法生成，利用构思记忆检索历史可行/失败方向
  • Engineer Agent (EA)：实验实现与执行，利用实验记忆检索可重用策略
  • Evolution Manager Agent (EMA)：将交互历史蒸馏为可重用知识，更新记忆库

两个持久记忆：

记忆模块存储内容检索方式作用
构思记忆 M_I可行方向 + 失败方向嵌入余弦相似度 Top-k提升想法质量
实验记忆 M_E数据处理策略 + 最佳代码实现基于提案检索提升代码执行率

三种进化机制

  1. 想法方向进化 (IDE)：生成想法后，EMA 从高排名想法中总结有效方向 → 更新 M_I

    • 消融：去除后新颖性下降 66.67%，可行性下降 50.00%

  2. 想法验证进化 (IVE)：执行失败时，EMA 分析失败原因 → 更新 M_I 负面记忆

    • 消融：去除后可行性暴跌 63.33% — 「知道什么不能做」比「知道什么能做」更重要

  3. 实验策略进化 (ESE)：实验完成后，EMA 提取可重用策略 → 更新 M_E

    • 效果：代码执行成功率从 34.39% 提升到 44.56%

实验结果

ICAIS 2025 AI Scientist Track：

  • 6 篇论文全部接收（会议整体接收率 31.71%）
  • 1 篇获最佳论文奖、1 篇获 AI 评审赞赏奖

基准排名（2026年3月）：

  • AstaBench Data Analysis #1
  • AstaBench Code & Execution #1
  • DeepResearch Bench II #1

深度对比

维度ScienceClaw 🦞EvoScientist 🧬
设计哲学Skill 即 Markdown，零代码多智能体 + 持久记忆
知识表示266 个 Markdown 文件向量化记忆库
学习能力❌ 静态✅ 自进化
工具接口仅 2 个LangGraph + MCP + EvoSkills
可验证性无学术论文KDD 2026 + ICAIS 6/6 + 多个 #1
领域偏重生物医学通用 ML/AI 研究
可复现性高（Markdown + 任何 LLM）中等（依赖向量库）
扩展成本极低（写一个 .md）中等
上限高度受限于 LLM 单次推理理论上可持续提升

各维度判定：

  • 🏗️ 架构简洁性 → ScienceClaw（0 行自定义代码）
  • 🧪 学术严谨性 → EvoScientist（KDD + 消融实验 + 真实会议验证）
  • 📈 成长潜力 → EvoScientist（越用越好）
  • 🔧 易用性 → ScienceClaw（写 Markdown 就能新增能力）

核心技术洞察

1. 「Skill 即 Markdown」可能是过渡态

零代码方案在当前 LLM 能力下对标准分析任务可行，但 Markdown Prompt 无法编码超出上下文窗口的复杂状态转换。ScienceClaw 只支持 6 个预构建 Recipe 而非任意组合——它的天花板就是 LLM 单次规划能力的天花板。

2. 「失败记忆」比「成功记忆」更有价值

消融实验的关键发现：去除 IVE 对可行性的伤害 (-63.33%) 大于去除 IDE (-50.00%)。“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——优秀研究者高效不是因为想法多，而是能快速排除不可行方向。

3. 两条路线可能最终融合

一个自然的融合方向：

  • Skill 作为知识的初始编码（快速冷启动）
  • 持久记忆作为知识的运行时增长（越用越好）
  • 进化管理器负责将记忆蒸馏回 Skill（闭环，Skill 本身也进化）

形成「Skill → Memory → Skill」循环。

4. 代码执行成功率是真正的瓶颈

EvoScientist 诚实报告：创新方法的代码执行成功率只有 21.57%。将近 80% 的创新实现会失败。这不是单一系统的问题，而是整个 AI 科研领域的根本瓶颈。

5. 「Human-on-the-Loop」vs「Full Automation」

EvoScientist 的 6 篇论文全部被接收证明 Human-on-the-Loop 范式在特定条件下可行。但这也引出科研伦理问题：当 AI 自主产出被顶会接收的论文，“作者”意味着什么？

对数据工作的启示

  1. Skill 设计即数据管道设计：把 ETL 最佳实践写成 Skill，而不只是写在内部文档里
  2. 失败日志是训练信号：CI/CD 失败、数据质量告警是训练下一代数据系统的核心资产
  3. 从”做完就算”到”做完就学”：管道执行应产生可复用的元数据——哪些 join 最慢，哪些检查最频繁报错
  4. Skill 是训练数据蓝图：每个 Skill 定义了”输入→工具调用→输出”的范式，可用于合成 Agent 训练数据

结论

ScienceClaw 的「Skill 即 Markdown」和 EvoScientist 的「多智能体自进化」不是非此即彼的选择——它们解决的是不同时间尺度上的不同问题：

  • Skill 解决冷启动（“如何让 AI 立刻能做事”）
  • 记忆 解决长期增长（“如何让 AI 越用越好”）
  • 进化 解决知识更新（“如何让旧知识不过时”）

终局必然是三者的融合。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？