SciSciGPT：推动科学科学中的人机协作邵尔卓,王一芳,钱义凡,振玉潘,韩刘 & 王大顺 自然计算科学 volume6,pages301–315（2026年）引用本文29k访问7 引用32 Altmetric指标details该文章的预印本可在arXiv获取。摘要我们介绍SciSciGPT，一个开源的人工智能（AI）原型合作工具，利用科学的科学领域作为试验平台，探索大型语言模型驱动的研究工具的潜力。SciSciGPT自动化复杂工作流程，支持多样化的分析方法，加速研究原型设计和迭代，并促进可重复性。通过案例研究，我们展示了其简化广泛实证和分析研究任务的能力，同时突出其推动研究的更广泛潜力。我们还提出了一个大型语言模型代理能力成熟度模型，用于人机协作，设想一条路线图，进一步改进和扩展如SciSciGPT等框架。随着人工智能能力的不断发展，像SciSciGPT这样的框架可能在科学研究和发现中扮演越来越关键的角色。与此同时，这些新进展也带来了关键挑战，从确保透明度和伦理使用，到平衡人类与人工智能的贡献。解决这些问题或许将塑造科学探究的未来，并指导我们如何培养下一代科学家，使其在日益融合人工智能的研究生态系统中茁壮成长。类似内容被他人观看人工智能工具扩大了科学家的影响力，但收缩了科学的重点第14条 2026年1月迈向人工智能研究的端到端自动化文章 开放获取 2026年3月25日人工智能科学家的风险：优先保护而非自主性文章 开放获取 2025年9月18日主要角色科学进步是提升生活质量、推动全球健康成果以及促进增长与繁荣的基础1,2,3,4,5,6. 理解这些进展背后的机制对于制定有效的科学政策、赋能科学家应对高风险和高影响力问题至关重要。科学科学（SciSci）领域应运而生，旨在应对这一挑战 1,7,8利用跨学科方法探索科学的进行、资助和应用方式。科学科学实现了快速增长，部分原因是大规模数据集的不断增加，这些数据集涵盖了科学和创新领域的广泛活动9,10,11,12,13,14,15,16,17从科学的内部运作到上游投资和下游社会影响。这些进展反映了计算社会科学的更广泛进展18，日益复杂的数据集和计算方法使研究人员能够分析复杂的人类行为、动态和相互作用系统。然而，使这项研究成为可能的数据和工具的进步，也带来了重大的技术挑战。数据集规模和复杂度的不断扩大，加上计算方法的快速演变，为研究人员带来了进入门槛，并要求具备广泛的技术专长。与此同时，科学变得更加复杂，个人专长也变得更加狭隘，导致专业化的增加19,20,21. 这些挑战共同凸显了需要新方法，帮助研究人员高效导航、分析并从这些丰富数据源中获取洞见22.大型语言模型（LLMs）和人工智能（AI）代理的最新进展为推进人机协作开辟了新可能23,24,25提供了应对复杂且快速发展的研究环境的潜在工具。最新研究表明，LLM在执行高级认知任务方面日益娴熟，包括上下文学习26，复杂推理 27,28、规划、工具使用 29,30以及编码31,32,33,34. 研究人员已开始利用这些能力，将LLM作为自主任务执行LLM代理的中央控制器，涵盖多个领域，包括检索增强生成（RAG） 35,36以及自动化数据科学37,38,39,40.这些发展表明有潜力利用LLM代理进行科学研究。在这一背景下，一个有效的LLM代理应能够理解科学文献、可用于研究的数据以及分析和可视化的工具和方法。它将组织并执行科学研究问题的进步工作流程，承担技术负担，支持低代码或无代码的研究流程。如果设计得当，该系统将显著提升研究效率，降低进入该领域的门槛，促进重复性，并支持早期探索和创意生成。此外，随着LLM的持续发展，其功能和覆盖范围有望进一步扩展。在本资源中，我们展示了初步探索LLM代理在该领域潜力的努力，包括在全面的LLM智能体能力成熟度模型指导下，开发SciSciGPT作为SciSci的概念验证AI协作者。SciSciGPT提供了一个面向公众使用的聊天界面，功能类似于ChatGPT，并实现完全开源，确保透明度，使其他研究者能够复制和扩展该工作。我们的框架包含多种功能：基于用户查询检索相关SciSci出版物，编写代码从复杂数据库中提取数据，使用先进方法进行数据分析，创建结果和洞见的可视化，并评估自身的分析和可视化输出。通过将这些能力整合为无缝的AI驱动研究流程，SciSciGPT有望降低技术障碍并提升效率，开启一种全新的人机协作模式。本文，我们将概述SciSciGPT的架构并评估其效能，包括展示SciSciGPT支持和提升研究能力的案例研究。需要强调的是，我们的目标是将SciSciGPT开