面向科学的智能体AI实验
摘要： 本文详细介绍了两种用于在科学工作流中开发自主式智能体AI的新型框架。两个系统均利用Google Colab，采用“本地主体、远程大脑”的混合架构，通过基于Python的本地编排器调用大语言模型（LLM）云端后端。第一个智能体DeepTS/DeepCollector，可自动完成时间序列数据集的大规模整理、提取与去重。第二个智能体DeepScribe，是一款自主演示文稿分析器，能将视觉密集、数学复杂的物理讲座转化为结构化的科学报告。通过实际的系统工程实践——例如细粒度属性提取（Cellular RAG）、远程数据检查以及分布式并发控制——我们展示了智能体AI如何克服当前最先进系统在上下文与推理能力上的局限，从而严谨地支持科学工作流。最后，我们概述了DeepTS向深度知识图谱的泛化方案，并讨论了这一概念性方法在高能物理（DeepQCD）中的应用。