Claude封神级应用！数天干完数年科研活，长效AI智能体重构科学计算新范式

AI智能体处理科研任务仍有大局限

至今为止，多数科研人员使用AI智能体时，仍局限于对话式交互模式，需人工全程管控每一个操作步骤，效率低下且依赖专业经验，说白了仍然是个摆设、鸡肋。

我们是否可以拥有一个无需介入细节，仅明确高层目标，即可让Agents自主推进任务的方法呢？

这类自主工作模式，需要适配边界清晰、成功标准明确、无需人类持续值守的科研任务，比如：重新实现数值求解器、将老旧Fortran方言编写的传统科研软件迁移至现代语言、基于参考实现调试大型代码库等。

此前，Anthropic的C编译器项目已验证了这一路线的可行性——Claude通过约2000个会话，自主构建出可编译Linux内核的C编译器。

Anthropic还对此特意开展了压力测试，比如同时设置了 16个agent从0开始编写一个基于 Rust 的 C 编译器，任务目标是让该编译器能够编译 Linux 内核。经过近 2000 次 Claude Code 会话和 2 万美元的 API 费用，Agents最终编写出了一个 10 万行的编译器，该编译器可以在 x86、ARM 和 RISC-V 架构上构建 Linux 6.9。

从技术侧分析，该项目的价值，实质上体现的是从设计长期运行的Agents 的框架中学到的东西：如何编写测试来使Agent在没有人类监督的情况下保持正轨，如何构建工作，从而让多个Agent可以并行取得进展，以及这种方法的局限性在哪里。

在此基础上，他们进一步探索了把该模式适配普通学术实验室场景，以“可微分宇宙学玻尔兹曼求解器”为具体案例，验证了Claude Code在科学计算中的长效应用价值。

🥝🥝🥝

案例拆解：数天打造可微分玻尔兹曼求解器

玻尔兹曼求解器（如CLASS、CAMB）是宇宙学领域的核心基础工具，用于预测宇宙微波背景（CMB）的统计性质，通过联立演化早期宇宙中光子、重子、中微子与暗物质的耦合方程完成计算，是约束宇宙学模型的关键。而可微分版本的求解器，能在整个流程中传递梯度，大幅加快参数估计速度，其用JAX实现可天然获得自动微分与硬件加速支持。

值得关注的是，该案例的实现过程，并未依赖宇宙学领域专家的深度介入——仅基于对相关工具和理论的大致了解，通过Claude智能体的自主工作，最终实现了与参考实现CLASS的亚百分级精度吻合。要知道，传统团队即便是实现CLASS的部分功能，也需投入数月到数年的人力成本。

与C编译器项目不同，玻尔兹曼求解器是高度耦合的流水线，早期宇宙复合过程中的微小数值误差或近似不当，都会逐级传导影响后续结果。因此，它更适合单个智能体串行执行，按需创建子智能体，并利用参考实现对差异进行二分定位，这也对智能体的调试能力和领域知识应用能力提出了更高要求。

该案例的计算环境基于搭载SLURM作业调度系统的高性能计算集群（HPC），但核心设计思路——进度文件、测试基准、带清晰规则的智能体提示——可适配任何Claude Code运行环境，具备极强的通用性。

🍊🍊🍊

四大核心设计：构建Claude长效科研工作流

要实现智能体的长效自主工作，关键在于搭建完善的流程框架，核心包含四大设计，既保障智能体的自主性，也确保任务推进的可控性。

1. 方案迭代：先本地打磨，再落地执行

核心是编写一份清晰的指令文件（CLAUDE.md），放置于项目根目录，明确项目交付物与相关背景。该文件将作为Claude的核心上下文，供其持续参考整体计划；同时，Claude可在执行过程中自行编辑该文件，动态更新后续方案，实现方案的自主迭代优化。

早期实验阶段写的CLAUDE.md地址：https://github.com/smsharma/clax/blob/6a6b2330cf25edded1bb31ec57a0091aa794a5d3/CLAUDE.md

以玻尔兹曼求解器项目为例，先明确三大高层目标：与CLASS完全功能对齐、全程可微分、核心科学指标与CLASS偏差控制在0.1%以内（参考两大经典玻尔兹曼代码的典型吻合水平），再通过与Claude反复迭代，形成可行方案后正式启动。

2. 持久记忆：用进度日志留存过程痕迹

为解决智能体跨会话记忆丢失的问题，需搭建持久化记忆系统——进度文件（CHANGELOG.md），相当于智能体的实验记录本。规范的进度日志需包含当前状态、已完成任务、失败方案及原因、关键节点精度表、已知局限五大核心内容。

其中，失败方案的记录尤为关键，可避免智能体在后续会话中反复踩入同一死胡同。典型记录如：“尝试用Tsit5求解扰动常微分方程，系统刚性过强，已切换为Kvaerno5”。

3. 测试基准：为智能体提供“进度标尺”

长效自主科研工作的核心，在于让智能体能够自主判断“是否在进步”。

这就需要搭建明确的测试基准，可为参考实现、可量化目标或现成测试套件，同时可要求智能体在开发过程中持续扩充测试集并运行测试，避免功能回退。

在玻尔兹曼求解器案例中，即以CLASS的C语言源码为参考，让Claude自主构建并持续运行单元测试，确保每一步开发都符合精度要求。

具体项目参考：https://github.com/lesgourg/class_public

4. 协同管理：用Git实现无侵入监控

Git可作为监控与协同智能体进度的理想工具，通过设定规则，让智能体在完成每一段有意义的工作后自动提交（commit）并推送（push）。此举不仅可在出错时回溯历史，确保本地可见进度，还能避免因计算资源配额中途耗尽导致的工作丢失。

典型规则可设定为：每完成一段有效工作就提交并推送；每次提交前运行测试命令；绝不提交破坏已有通过测试的代码。如需干预智能体，可通过SSH登录集群手动操作，或让本地Claude Code实例代为执行命令，便捷高效。

💜💜💜

执行循环与调度优化：让智能体“不偷懒、不跑偏”

智能体的长效运行，还需搭建合理的执行循环与调度机制，确保任务持续推进、不偏离目标。

执行流程可分为三步：先在本地迭代方案，形成完善的CLAUDE.md；在计算节点的tmux等终端多路复用工具中启动Claude Code会话；告知智能体代码库位置后，即可实现无人值守运行。由于会话运行在tmux中，可随时断开连接，仅偶尔查看进度即可。

在HPC集群中，可通过SLURM申请节点，借助作业脚本启动tmux与Claude Code。

#!/bin/bash
#SBATCH --job-name=claude-agent
#SBATCH --partition=GPU-shared
#SBATCH --gres=gpu:h100-32:1
#SBATCH --time=48:00:00
#SBATCH --output=agent_%j.log
cd $PROJECT/my-solver
source .venv/bin/activate
export TERM=xterm-256color
tmux new-session -d -s claude "claude; exec bash"
tmux wait-for claude

任务启动后可随时接入会话下达指令、查看进度，灵活便捷。

srun --jobid=JOBID --overlap --pty tmux attach -t claude

针对当前模型可能出现的“智能体惰性”——面对复杂任务找借口提前中止，可采用Ralph循环调度模式。

参考：https://ghuntley.com/loop/

该模式本质是一个for循环，当智能体声称完成任务时，将其拉回上下文并追问确认，促使其持续工作直至达到目标。

类似模式还有GSD及其领域变种，以及Claude Code原生的/loop命令，可根据需求灵活选用。

参考：https://github.com/gsd-build/get-shit-done

😂😂😂 , BTW， 这是个很有意思的开发者开源的项目：

💙💙💙

成果与启示：AI重构科研的时间维度

Claude项目还带来一个意外价值：通过查看智能体的Git提交历史，可实现对陌生领域知识的高效学习。提交日志的过程更像严谨的实验记录。虽然最终得到的求解器还达不到生产级标准，但它有效证明，由agent驱动的开发可以将研究人员数月甚至数年的工作压缩到几天之内。

🌸🌸🌸

结语

Claude长效智能体工作流在科学计算领域的应用，不仅打破了传统科研的效率瓶颈，更重新定义了科研工作的模式——无需领域专家全程介入，只需搭建完善的流程框架，就能让智能体自主完成复杂科研任务。

随着大模型能力的持续升级，智能体在科研领域的应用将更加广泛，有望推动更多学科实现突破性进展，让科研创新变得更高效、更普惠。未来，或许每一个科研实验室，都将拥有一支“永不疲倦”的AI智能体科研团队。