Verifiable program-level self-evolution for AI-for-Science agents: Skills and typed Operators grow from replay-verified executions.

ScienceClaw – 用于科学工作的自我演化 AI 代理

它是什么 – ScienceClaw 是一个开源框架，让语言模型驱动的代理能够从其自身的验证执行中学习。当代理修复科学工作流程且该修复可以在干净环境中重现时，系统会提取两样东西：

一个 Skill（用于解决问题的高阶策略），以及
一个 Operator（一个类型化、可重复使用的可执行代码片段）。两者会一起存储为代理程序的一个版本化更新。只有在通过重现检查并且在独立验证任务上提升性能时，才会保留该更新。

🚀 快速开始 (来自 README)

# Clone 并执行一键安装程序
git clone https://github.com/beita6969/ScienceClaw.git
cd ScienceClaw
chmod +x setup.sh && ./setup.sh   # 安装 Node, Python, 权重, MCP 服务器等。

如果您偏好手动安装，可以使用 pnpm/pip 和提供的 CLI 指令（scienceclaw.cli setup, doctor）。完整安装会下载约 19 GB 的预训练权重，但您可以跳过它们（SCIENCECLAW_SKIP_TOOLS=1）。

自备模型 – 引擎本身不附带特定的 LLM。您可以将其指向任何兼容 OpenAI 的端点或本地可执行文件：

export SCIENCECLAW_API_BASE_URL=<your endpoint>
export SCIENCECLAW_API_KEY=<your key>
export SCIENCECLAW_MODEL=<model name>

配置文件 packages/scienceclaw/configs/default.yaml 让您可以将后端更改为命令行程序或 Python 工厂。

🧠 运作原理 (高阶)

任务定义 – 任务提供输入、目标、一组严格的科学限制（单位、可行性、可重现性等）以及验证协议。
类型化工作流程图 – 代理建立一个有向图，其中每个节点是一个工具或代码片段，每条边带有一个 schema (type, shape, unit, provenance)。节点会被指纹化，因此编辑后只有受影响的子图会被重新执行。
重现网关验证 – 在候选修复后，整个图会从干净环境中重新执行。如果重现成功且结果符合所有限制，则该修复即为证据。
Skill-Operator 提取 – 编辑会被拆分：
- Skill patch – 高阶规划变更（例如，“新增数据清理步骤”）。
- Operator – 新增或修改的具体可执行组件，每个组件都有明确的输入/输出合约。
网关 – 候选项目仅在以下情况下保留：
- 来源重现成功重现了修复且新组件确实被使用，
- 独立验证任务在预算内显示严格改进，
- 满足噪声防护（≥2 次改进，≤1 次回归验证执行）。如果任何检查失败，现有程序将保持不变。
版本控制 – 被接受的更新成为代理程序的新快照。快照可以通过 CLI 进行推广、检查或复原。

📊 论文报告的结果

23 个学科（自然科学与社会科学），每个学科评估 64 个分布内 (IID) 和 64 个分布外 (OOD) 实例。
相较于冻结基准代理的 平均 OOD 增益：+16.45 %（范围 +11.57 % 至 +23.34 %）。
在七轮演化后，OOD 宏观成功率从 77.72 % 上升至 91.30 % (+13.59 pp)。
严格限制通过率： 98.23 % 的实例。
推广选择性： 161 个候选项目中 70 个 (43.5 %) 被接受；网关具有选择性，但仍允许稳定改进。
消融研究显示，链接的 Skill-Operator 机制和重现验证网关是性能的主要贡献者。

🔌 使用 OpenClaw 网关使用 ScienceClaw

在 ~/.openclaw/openclaw.json 中启用插件。将提供四个新工具：

工具	操作
`scienceclaw_canvas`	`open`, `act`, `render`, `replay`, `finish`, `status`, `list`
`scienceclaw_tools`	`search`, `show`, `status`, `weights`, `setup`
`scienceclaw_program`	`summary`, `skills`, `operators`, `show`, `history`, `rollback`
`scienceclaw_evolve`	`val_add`, `val_list`, `val_remove`, `propose`, `gate`, `run`, `status`, `candidates`, `show`

典型工作流程（CLI 示例）：

# 1. 声明任务
scienceclaw_canvas open '{"objective":"predict temperature","inputs":{...},"constraints":{...}}'

# 2. 让代理建立/修复工作流程
scienceclaw_canvas act   # 每轮一次编辑，反馈是类型化的

# 3. 验证结果
scienceclaw_canvas replay
scienceclaw_canvas finish   # 返回验证过的交付成果

# 4. 提出演化候选项目
scienceclaw_evolve val_add <validation-task>
scienceclaw_evolve propose   # 提取 Skill+Operator
scienceclaw_evolve gate      # 执行重现 + 验证网关

# 5. 如果您喜欢，请推广
scienceclaw_cli live promote <candidate-id>

也提供了一个 JSON-RPC 服务器（python -m scienceclaw.rpc）用于程序化控制。

🛡️ 安全与治理

可执行节点在具有静态扫描和运行阶段审计防护的沙盒容器中执行。
没有重现证据、验证改进和预算合规性，就不会保留任何更新。
所有推广都是手动且版本化的；您可以复原到任何先前的快照。

📦 存储库内容

packages/scienceclaw/ – 核心 Python 库、CLI 和 RPC 服务器。
skills/ – 超过 300 个预写技能；初始种子包含 12 个通用技能加上特定学科技能（scienceclaw-benchmark-for30 … for52）。
extensions/scienceclaw/ – OpenClaw 网关集成。
基准测试数据托管在 Hugging Face 上（scienceclaw-eval）。
完整设计细节位于 packages/scienceclaw/docs/DESIGN.md 和随附论文（arXiv 2610.08691）。

总结

ScienceClaw 是一个真实的、研究级系统，让基于 LLM 的科学代理能够通过将重现验证过的修复转化为可重复使用的、类型化的组件来持续改进。它提供完整的 CLI、网关插件和涵盖数十个科学领域的基准测试套件，作者报告在不更改底层语言模型的情况下，获得了持续的分布外增益。

beita6969/ScienceClaw