科学计算在具代理能力的 AI 时代 – OpenAI 现场报告

OpenAI 的现场报告表明，AI 代理显著加速了科学软件的开发和维护，使研究人员能够更多地关注科学方向，而较少关注实现细节，但长期的 stewardship（管理）和人工验证仍然是构建持久工具的关键。

现场报告概览

该报告呈现了一项对八个 AI 辅助科学计算项目的探索性研究，主要集中在生命科学领域，其中五个项目仅使用了 Codex，另外三个项目结合使用了 Codex 和 Claude Code。

AI 代理展示的关键能力

AI 代理降低了工程工作的成本，承担了乏味的实现任务，帮助研究人员快速原型化想法，开展以前不切实际的项目，并在长期内维护软件，从而产生更高效且维护更好的科学软件。

案例研究亮点

一个案例研究现代化了广泛使用的 cyvcf2 库，用于解析基因组数据；GPT‑5.5 替换了该库的遗留构建和打包系统，采用了一个现代化、统一的流程，旨在使该库更易于安装、测试和发布。

使用编码代理，快速前进变得很容易；目前，要在科学领域走得更远，仍然需要专家的指导、理解、品味和细心。 —Brent Pedersen

AI 辅助开发中的反复出现的主题

在这些项目中，代理使得工程劳动不再是瓶颈，但瓶颈转移到了验证 AI 代理的输出上，这仍然依赖于人工判断。 代理能够有效处理具体且范围明确的请求，但无法可靠地判断科学有效性或满足期望，即使其工作中存在明显错误，也常常表现出过度的自信。 因此，人工审阅者需要可靠的验证方法，例如外部参考或可衡量的接受目标（精确输出一致、与现有工具保持一致、适当的统计行为，或使用模拟数据预先设定的答案）。 项目通过反馈驱动的迭代分阶段进行：将宏大目标拆分为更小的更改，中间基准和测试系统评估并改进代理的工作，虽然代理能够快速生成初始实现，但解决边界情况和细微的数值差异需要更长时间，而“最后一英里”往往需要最多的努力。

验证和 stewardship 的挑战

贡献者一致描述了研究人员角色的转变：从实现转向验证和编排——明确要构建什么，定义如何衡量正确性，并决定何时项目准备好发布，同时仍然掌控科学方向和质量标准。 报告指出，建立明确的长期责任和对所得工具的 stewardship 持续存在挑战。

对持久科学软件的影响

长期 stewardship 是必不可少的，因为研究软件中的维护差距会减慢迭代，限制可重复性和可靠性，且发表的研究表明，研究代码常常无法按照文档安装或运行，迫使研究人员花费大量时间在配置和调试上。 较低的实现成本使得生成许多类似的重写变得更容易，这可能导致用户分散，并分散维持任何一个工具可靠所需的专家注意力；因此，成熟的科学软件需要明确的所有者和可信的维护计划。 案例研究展示了可能的前进路径：对 MHCflurry 和 cyvcf2 的更改被并入了它们的原始上游项目，而 rustar‑aligner 则转移到了新的社区 stewardship 下，因为原始项目已经被废弃。 当可以与现有维护者协调时，应尽早开始；当需要单独实现时，需要一个明确的所有者和一个可信的维护计划。 没有这样的 stewardship，今天的现代重写可能会变成明天被废弃的代码，而不是可靠的科学基础设施。

迈向更持久的科学软件

该现场报告是回顾性和探索性的，但案例研究指出了一种实际的转变：科学软件的开发方式正在变化——诸如 Codex 之类的编码代理可以显著降低维护、迁移、优化和新实现的成本。 它们的长期科学价值仍然取决于人类在决定构建什么、如何验证以及谁将维护它方面的决策。 更深层次的变化不仅仅是研究人员可以生成更多软件，而是他们能够将更多精力用于定义、验证和 stewardship 工具。 这些案例研究表明，代理已经能够加速科学计算中的迭代速度，并且随着编码代理的改进，研究人员将能够花费更少的时间来保持分析管道运行，而将更多时间用于推进他们的领域。