搭建你的专属科研助手——MindSpore Science科研智能体系统应用实践

一个完整的科研流程，往往卡在“人工衔接”上。

查文献、提假设、跑实验、调参数……反复切换工具与等待结果，动辄数月。精力消耗巨大，创新灵感却在等待中被消磨。

MindSpore Science科研智能体系统，正是为此而生！把重复琐碎的任务交给它，让它能像专家一样思考、像熟练工一样操作，帮助你加速科研灵感落地。

PART 01 MindSpore Science科研智能体系统

在这个MindSpore Science 科研智能体系统之下，我们本次发布两个核心组件：MindSpore Science Skills 0.1和 MindSpore Science Agent preview；

无论你是想直接调用现成技能Skills，还是希望拥有一个能自主编排任务的智能体Agent，这两个组件都能帮助你。下面，我们将教你如何安装上手使用。

01 MindSpore Science Skills 0.1版本安装

MindSpore Science Skills（详细特性可点击链接）为科学计算提供300+开箱可用的SKILL集合，覆盖生物医药、化学材料、流体、PDE方程、地球科学、电磁等核心领域，并且覆盖了科学分析、仿真与实验场景中的基础需求，降低智能体跨学科调用的技术门槛。

MindSpore Science Skills可以与Hermes Agent、OpenClaw、Claude Code、JiuwenClaw等智能体无缝集成，也支持直接接入用户专属的AI科研助手中。

👉 快速开始

MindSpore Science Skills可以与 Hermes Agent、OpenClaw、Claude Code、JiuwenClaw等智能体无缝集成，也支持直接接入您专属的 AI 科研助手中。

以openclaw为例：

Step 1：clone仓

https://gitcode.com/mindspore-lab/mindscience.git

Step 2：拷贝skill到对应Agent的skill文件夹下

cp -r MindScienceSkills/<领域>/<子领域>/* ~/.openclaw/workspace/skills

或者在~/.openclaw/openclaw.json配置skill路径：

{  
   "skills": {    
     "load": {      
       "extraDirs": [        
         "/your/custom/skills/path",      
         ],      
         "watch": true    
       } 
     }
   }

👉 详细安装步骤见：https://gitcode.com/mindspore-lab/mindscience/blob/master/MindScienceSkills/README_ZH.md

02 MindSpore Science Agent preview版本安装

通过sub-agent实现科学实验workflow编排，本次preview版本内置 6个sub-agent 与 科学实验workflow，并提供化学领域完整案例。（详细特性可点击链接）

👉 快速开始

安装依赖

# 推荐使用Python3.12版本
conda create -n MindScienceAgent python=3.12
conda activate MindScienceAgent

git clone https://gitcode.com/mindspore-lab/mindscience.git
cd mindscience/MindScienceAgent
pip install -r requirements.txt

配置文件

编辑 mindscience_agent.yaml 配置参数，配置您的模型API Key等信息：

model_defaults:                                     # 默认模型配置  
 model_name: "your-model-id"                       # 使用的模型名称  
 provider: "openai"                                # 模型提供商，目前仅支持openai接口  
 base_url: "https://your-api-endpoint.example/v1"  # API 端点  
 api_key: "YOUR_API_KEY"                           # 模型API Key

设置工具API Key（可选）

MindSpore Science Agent提供了信息搜索、文献调研等工具能力，部分工具（如advanced_web_search_qwen、Semantic Scholar 学术搜索）需要通过 API Key 进行认证访问。因此需要在 .env 文件中配置相应的 API Key，以便工具能够正常使用。

运行 Experiment Workflow

在--prompt后传入科研任务问题，并运行 run_workflow.py ：

bash python run_workflow.py --prompt [Your Research Task]

👉 详细安装步骤见：https://gitcode.com/mindspore-lab/mindscience/blob/master/MindScienceAgent/README_ZH.md

接下来我们将通过三个真实的应用，看看如何具体用它们来完成科研任务，希望能给你一些指引。

PART 02 应用案例

基于MindSpore Science Skills与MindSpore Science Agent，我们可以完成多种类型的复杂科学任务。下面以化学领域为例，分别构建湿实验设计、科学研究与计算仿真三类任务真实案例。

应用案例1：湿实验设计

本案例与中国科学技术大学智能科学家团队合作完成，并在智能科学家自动化实验室中成功联调。该应用显著降低了对人类专家的依赖，同时提升了化学实验方案的设计与执行成功率。

我们以聚苯胺薄膜的合成为例，基于物理工作站skills生成实验方案，并下发至智能科学家平台自动执行，从而实现了科研效率的全面提升：

应用案例2：科学研究案例

本案例以FrontierScience中的电解反应物分析问题为例：题目给出一组化合物的三种表达方式（INCHI、SMILES、IUPAC名称），要求AI判断它在电解条件下反应后生成的主要对称产物是什么（见下图）。

👉 详细代码与步骤请参阅示例Notebook

https://gitcode.com/mindspore-lab/mindscience/blob/master/MindScienceAgent/examples/frontierscience/olympiad-chemistry.ipynb

应用案例3：计算仿真案例

本案例以钙钛矿材料掺杂相关的仿真计算为例：研究钡原子掺入SrTiO3晶体对材料结构的影响，在2×2×2超晶胞中构建一个钡掺杂模型，然后进行快速驰豫，通过密度泛函理论（DFT）验证筛选出最合理的候选结构，并计算其X射线衍射（XRD）图谱。任务流程包括:

通过agent.run()函数运行 Agent 工作流，MindSpore Science Agent自动执行问题分析并使用doped-perovskite-structure-analysis skills，实现自动执行材料建模、DFT 结构优化和 XRD 计算对比，最终将XRD对比图输出在当前目录下。

👉 详细代码与步骤请参阅示例Notebook

https://gitcode.com/mindspore-lab/mindscience/blob/master/MindScienceAgent/examples/materials_simulation/materials_simulation.ipynb

最终的 XRD 对比结果如下图所示：

以上三个案例，分别验证了 MindSpore Science 科研智能体系统 在湿实验、科学推理、计算仿真三个典型场景中的可行性。

PART 03 下一步计划

支持中国科大智能科学家团队发布并上线“灵境造物”

由中国科学技术大学智能科学家团队与昇思科学计算协同算力平台先遣队、openJiuwen开源团队、应用场景创新实验室及诺亚实验室等周边团队联合攻关，已打通机器科学家实验室“需求理解—文献阅读—仿真筛选—实验设计一机器实验一迭代优化”的自主科研全流程，并将其能力整体云化为“灵境造物”。

“灵境造物”把分散在文献、模板、模型、计算和自动化实验平台中的能力，并深度集成了MindSpore Science Skills与MindSpore Science Agent能力，沉淀为可调用、可编排、可持续进化的智能科研能力底座。它不是单一工具，也不是单个Agent，而是一套面向自主创新的全流程科研系统。

已部署 1239 个skills，包括：

• 196 个工作站 skills
• 508 个机器人基元操作 skills
• 108 个计算 skills
• 310 个智能科研 skills
• 117 个通用 skills

依托这些 skills，“灵境造物”可以统一调度文献、模板、模型等科研基座能力，并按需调用理论计算能力（VASP、ORCA）和机器实验能力（自动化合成平台、谱学平台、电化学测试平台）。科研能力开始像积木一样被组织和调用。

过去需要团队长期磨合、平台反复集成才能打通的链路，如今可以在统一的能力底座上被快速编排、复用和扩展，为跨学科科研和复杂任务协同提供更低门槛的入口，形成“灵境造物”的科研能力底座。

未来，社区将持续演进两个组件版本：

MindSpore Science Agent

• 持续完善 sub-agent 和 workflow 易用性，实现分钟级搭建自定义科研助手
• 扩展至量子、生物、金融、流体等更多领域
• 构建基于世界模型的上下文管理架构，解决海量文献阅读
• 实现科研智能体自闭环学习、自主创建与优化技能

MindSpore Science Skills

• 持续完善各领域 skills，集成 SOTA 软件/模型/工具
• 不断提升 skills 可靠性，提高 Agent 调用成功率

PART 04 社区贡献

欢迎您通过以下方式，一起丰富 MindSpore Science 科研智能体系统能力：

拓展Agent能力：创建具备新功能或专长领域的 sub-agent

丰富更多workflow：设计适用于特定研究任务或复杂场景的 workflow

贡献实践案例：分享智能体或工作流的实际执行过程与成果

报告问题：提出使用中遇到的问题或改进建议

我们也非常欢迎广大开发者、科研人员及领域专家与我们合作联创，基于 MindSpore Science 孵化更多强大的科研智能体！