AI辅助科研不是新话题。过去一年多从GPT-5在分子动力学模拟中的表现到各种AI科学家的尝试几乎每个月都有新进展。但一个现实的问题是大部分AI工具和科研人员的实际工作流之间有一道不浅的沟。科研人员要在不同数据库之间切换——每个数据库有自己的Schema。要处理各种文件格式、数据分析管道。要在PubMed、Jupyter、R、集群终端之间来回跳转。用一个AI对话窗口很难覆盖这个完整链条。Anthropic最近推出的Claude Science试图解决这个问题。不是一个聊天窗口是一个工作台Claude Science的设计思路和普通的AI聊天工具有明显区别。它不是一个让你提问的界面而是一个整合了科研常用工具和计算资源的工作台运行在本地——macOS或Linux上或者通过SSH远程访问HPC登录节点。关键的特性有几个。一是它内置了60多个预配置的科研技能和连接器覆盖基因组学、单细胞分析、蛋白质组学、结构生物学、化学信息学等领域。二是一个审查Agent会自动检查引文和计算过程标记并纠正错误。三是它可以直接操作你实验室已有的计算资源——本地笔记本、Linux服务器、HPC集群或者按需的云GPU。Anthropic特别强调了一个细节所有输出都附带完整的追溯记录——生成它的代码、运行环境、自然语言描述、完整的消息历史。这意味着几个月后你还能知道这张图是怎么来的。真实场景下的效果Allen Institute的神经科学家Jérôme Lecoq用Claude Science构建了一个计算评审模板——大约20个自定义技能让多个子Agent阅读几千篇论文提取核心主张和定量发现存储到证据数据库中然后逐节撰写综述。每个章节由专门的子Agent生成同时有一个审查Agent独立评估准确性和引文质量。Lecoq的团队以前写这样一篇综述可能需要两年时间。现在他们已经有大约10篇超过100页的综述引文都经过了审查Agent的校验。UCSF脑肿瘤中心的流行病学家Stephen Francis用Claude Science做胶质瘤的分子流行病学分析。他的评价比较具体分析时间缩短到原来的十分之一左右而且他的团队独立验证了Claude Science的结果确认产出既快速又可靠。一个值得关注的方向Claude Science真正有意思的地方不是它有多强的模型能力——Anthropic的模型本身就够强——而是它在让AI适配科研工作流而不是让科研人员适配AI上的尝试。把60多个科学数据库作为一个整体来查询、让Agent在本地HPC集群上提交计算任务、引入审查Agent作为质量保障层、支持用户将自己的管道保存为可复用的技能——这些设计都在解决同一个问题科研场景下的AI工具需要的不是更强的对话能力而是更好的系统集成能力。对普通开发者来说Claude Science的模式也有参考价值当你要为专业用户构建AI工具时重点不是让模型更有知识而是让模型能和用户已有的工具生态无缝对接。关于维基框架维基框架关注企业应用开发中的长期维护问题。在实际项目中业务系统往往同时涉及权限、微服务、接口协议、部署环境等复杂因素因此我们希望提供一套更容易扩展和维护的基础框架。官网framewiki.comGiteegitee.com/wiki-frameworkGitHubgithub.com/wiki-framework示例项目gitee.com/cdkjframework/framewiki-example 许可证MulanPSL-2.0木兰宽松许可证第2版