华为携中科大发布“灵境造物”：AI科学家终于学会“团队协作”，科研效率暴增

导语：AI科学家不再单打独斗，华为OpenJiuwen携手中科大发布“灵境造物”，用协同工程实现科研全流程智能体闭环，效率飞跃。

从单打独斗到体系作战，AI科研迎来“协同工程”时代

传统材料化学、分子催化等领域的科研，从文献调研、理论筛选到实验验证，往往依赖科研团队长年累月的攻坚。既要精通专业机理，又要耗费大量时间协调分工、反复试错。如今，一个能自主规划、分工协作、闭环执行的“AI科学家”正走向工程化落地。

2025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，面向全球开放使用。该平台基于全栈国产化软硬件生态，整合了科学大模型、垂类小模型、科研机器人、自动计算与实验能力，形成操作系统级入口。而支撑这套系统高效运转的，正是华为支持的openJiuwen社区与MindSpore社区共同构建的Coordination Engineering（协同工程）技术体系——它让AI从“单兵作战”升级为能打硬仗的“科研精锐团队”。

openJiuwen协同工程：让AI团队像人类专家一样配合

当前AI智能体工程迭代极快，从提示工程到上下文工程再到工具编排，行业一直在打磨单个智能体的能力。但在真实科研、复杂业务等场景，单个智能体往往难以支撑长链路、强分工的任务。“灵境造物”需要的正是文献阅读、实验设计、计算模拟、数据分析等多角色智能体的高效协同。

openJiuwen社区为此发布了一套完整解法：Coordination Engineering全栈技术体系，包括Agent Team Engine、Team Skills、Team Skills Hub和自演进机制，完美适配灵境造物的科研协作需求。

Agent Team：组建一支有Leader的AI团队

多智能体协作的第一步是组队与分工。openJiuwen的Agent Team Engine模拟真实团队的协作方式：一个Leader Agent负责需求分析、团队组建和任务规划，多个Teammate Agent各自领取任务、独立执行、汇报结果，通过共享工作区协同产出。

在科研场景中，面对“某物质催化剂研发”等需求，Leader会自动拆解为文献调研、候选材料生成、理论筛选、实验设计等子任务，并动态组建适配的科研团队。Teammate主动认领、独立执行，遇阻时请求协助，完工后即时汇报。整个过程中，Leader全程监控进度、管理依赖、审批关键决策，事件驱动机制确保团队不会陷入僵死，TeamMonitor则提供全流程可观测能力。

Team Workspace：前序产出自动成为后续输入

团队成员共享一个工作空间，调研Agent完成的数据分析报告，做PPT的Agent可以直接引用，无需手动传递。这种流水线式的协作，让跨环节任务顺畅衔接，杜绝信息断裂。

Team Skills：把一次成功固化成可复用的团队能力

Agent Team解决了当次任务的协作，但会话结束后经验全部消失。下次遇到同类科研任务，Leader仍需从零规划。Team Skills正是为了解决这一痛点：它将一次成功的团队协作全链路——包括需求拆解、团队组建、任务分配、协作流程、交付规范——全部封装为标准化的“团队技能SOP”，让“一支优秀团队的协作方式”变成“一套可复制的团队能力”。

简单来说，Agent Team让团队“能协作”，Team Skills让协作能力“可沉淀、可复用”。用户还可以通过Team Skills Hub（teamskills.openjiuwen.com）共享和下载团队技能，目前平台已覆盖数据科研、开发编程、办公生产力、内容创作等八大场景。此外，JiuwenClaw内置的“团队技能自动生成专家”能根据对话或交互自动创建Team Skill，进一步降低构建门槛。

Team Skills自演进：越用越强的AI科研团队

沉淀技能只是开始，真正的科研团队能力需要持续进化。在灵境造物的材料化学研究实践中，初始Team Skill虽然配备了核心角色，但执行中发现材料稳定性测试需要专属Agent，且仿真流程存在效率瓶颈。JiuwenClaw的Team Skills自演进机制会自动捕捉这些实战经验，分析根因，生成演进建议——比如新增“稳定性测试Agent”、优化任务依赖——让团队技能越用越好。

这一机制在团队和成员两个层面同步展开：团队技能层根据任务执行轨迹自主增加角色、补充约束、优化流程；成员技能层自动沉淀工具报错、接口超时等实战经验，避免重复踩坑。所有演进内容以独立“补丁”形式附加到原始Skill上，不修改原文件，每条经验携带触发来源、上下文、时间戳与质量评分，可单独审查与淘汰。系统还会对演进经验进行有效性、使用率、新鲜度评分，更新优先级，确保演进全程透明可控。

MindSpore Science：加速从理论到实验的全流程闭环

在材料化学研发中，真正的瓶颈在于从文献启发到理论筛选、从实验设计到自动化执行的协同链条。MindSpore Science基于openJiuwen构建了领域套件和覆盖模型、工具、仿真软件的科研智能体系统，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，实现了智能设计到自动化执行的闭环。

传统理论筛选难以平衡高精度仿真的耗时与经验力场的精度，MindSpore Science提供深度优化的科学计算套件，集成SOTA模型并适配昇腾硬件优化，通过Skills机制将模型、仿真软件封装为标准能力，供智能体按需调用，完成高通量筛选。在中国科大电催化剂筛选场景中，原本耗时数周的任务可压缩至数小时，并为实验验证输出高质量候选方案。针对实验方案手写耗时、校验繁琐的问题，MindSpore Science Agent实现了“自动生成-可执行性审核-迭代优化-下发执行”的完整链路，并具备假设生成与自我纠错能力，大幅减少错误干扰。

这种全栈协同工程体系，让“灵境造物”真正具备了从文献调研到实验执行的全流程自主闭环能力，也为科学研究提供了可复制、可演进的AI协作范式。随着openJiuwen与MindSpore社区的持续进化，我们或许将看到更多领域迎来“AI科学家团队”的规模化落地。