华为携手中科大发布灵境造物，openJiuwen首发Coordination Engineering全栈支撑

AI正在重新定义科学研究。

过去，材料化学、分子催化等领域的科研，从文献调研、理论筛选、实验设计到迭代验证，往往要靠科研团队长年累月地攻坚。

既要精通专业机理，又要耗费大量时间协调分工、反复试错。

如今，一个能自主规划、分工协作、闭环执行的“AI科学家”，正在走向工程化落地。

4月25日，中国科学技术大学正式发布“灵境造物”智能科研云平台，该平台面向全球开放使用，这标志着“人工智能驱动的科学研究”正走向工程化、平台化和开放共享。

“灵境造物”基于全栈国产化软硬件生态打造，依托由安徽与中国科学院共同支持设立的科学智能物质创制中心，对科学大模型、垂类小模型、科研机器人、自动计算、自动实验及技能库进行统筹整合，形成操作系统级入口。

而支撑这套“智能科学家”高效运转的核心，正是华为支持的openJiuwen社区与MindSpore社区，通过一整套面向多智能体的Coordination Engineering（协同工程）技术体系——

让AI从“单兵作战”，真正升级为一支能打硬仗的“科研精锐团队”，完美适配灵境造物从理论到实验的全流程科研需求。

openJiuwen协同工程，让AI科研团队“体系作战”

当前AI Agent工程迭代极快，从Prompt Engineering、Context Engineering，再到Harness Engineering，行业一直在打磨“如何让单个Agent更好用”。

但在真实科研、复杂业务、大规模生产等场景，单个Agent往往难以支撑用户任务的高效、平稳执行。

尤其是灵境造物这种“科研团队”场景，需要有文献阅读、实验设计、计算模拟、数据分析等多角色Agent协同，各司其职、并行推进才能更快更好地完成复杂科研任务。

仅依赖单Agent的优化难以完成跨环节、长链路、强分工的复杂科研任务。

openJiuwen社区给出了一套完整解法：发布了Coordination Engineering全栈技术体系，完美适配灵境造物的科研协作需求，解决科研团队协同中的核心痛点。

• Agent Team Engine：让多智能体自主分工、高效协同，完成从“单兵作战”到“精锐团队”的关键跨越；
• Team Skills：多智能体的“开发平台”，将协作经验标准化封装，让“一支优秀团队”变成“一套可复制的团队能力”；
• Team Skills Hub：打通共享生态，让协作经验在社区中流通、复用；
• Team Skills自演进：在每一次实战中自动迭代，让团队整体与每位成员越用越强。

关于JiuwenClaw

JiuwenClaw是基于openJiuwen开发的企业级高可靠“龙虾”Agent，结合华为云AI基础设施能力与AgentArts智能体开发平台，已在华为云OfficeClaw中实现企业级落地。

Agent Team Engine：让AI科研团队自主分工、高效协同

Agent Team解决的是多智能体协作的第一步：多个Agent如何围绕一个目标组队、分工、执行和汇总。

其设计理念很直接：模拟真实团队的协作方式。

一个Leader Agent负责需求分析、团队组建和任务规划；

多个Teammate Agent各自领取任务、独立执行、汇报结果，通过共享工作区协同产出，像人类团队一样高效协作。

1、分级自主协同

• Leader统筹全局：动态组建团队、拆解任务、管理依赖、监控进度；
• Teammate自主作业：主动认领、独立执行、遇阻求助、完工汇报。

2、Team Workspace共享工作区

团队成员共享一个工作空间，谁产出了什么，其他人马上就能看到。

前序任务的产出自动成为后续任务的输入，无需手动传递。

调研Agent完成的数据分析报告，写PPT的Agent可以直接拿来引用，整个协作过程如流水线般顺畅。

3、全生命周期管控

从团队组建到任务完成，Leader Agent全程把控。

关键决策需要Leader审批，防止Teammate偏离目标。

事件驱动机制确保团队不会陷入僵死，某个成员卡住了，系统会自动处理；

TeamMonitor则提供全程可观测能力，让你清楚知道每个成员在干什么、进度如何。

在科研场景中，如收到“某物质催化剂研发”这类科研需求：

1. Leader会自动拆解任务（文献调研、候选材料生成、理论筛选、实验设计等）；
2. 动态组建适配的科研团队，如文献分析Agent、分子建模Agent、催化性能预测Agent、实验执行Agent；
3. 同时梳理任务依赖（如“理论筛选完成后，才能启动实验设计”）；
4. 全程监控各环节进度，灵活调整分工。

Team Skills：让优秀科研协作经验“会沉淀、可复制”

Agent Team解决了当下AI团队怎么协作的问题。

但会话结束后，这些经验全部消失。

如下次遇到“某物质研发”的同类科研任务，Leader仍然要从零开始规划：需要哪些科研角色、如何分工、谁先谁后、什么条件算完成……

如何让团队协作不再从零开始，让优秀的协作模式可沉淀、可复用、可进化？

这正是Team Skills解决的问题。

它将一次成功的团队协作全链路，像需求拆解、团队组建、任务分配、协作流程、交付规范，全部封装为标准化的“团队技能SOP”。

让“一支优秀团队的协作方式”变成“一套可复制的团队能力”。

简单来说，Agent Team让团队“能协作”，Team Skills让协作能力“可沉淀、可复用”。

Team Skills Hub：共建共享，让团队技能流动起来

有了Team Skills，如何让好的团队技能流动起来？

Team Skills Hub（teamskills.openjiuwen.com）就是这样一个共享平台，让团队能力被创建、检索、下载、共享和维护。

当前已覆盖数据与科研、开发编程、办公生产力、内容创作、多模态与媒体、合规与法律、生活与健康、金融与理财八大场景，用户可以一键下载使用。

同时，JiuwenClaw还提供了“团队技能自动生成专家”teamskill-creator，用来帮助用户创建Team Skill。

大家可以体验、创建团队技能，并上传至Team Skills Hub平台共享。

相当于用你的协作经验，帮助更多人高效协作。

Team Skills自演进：让AI科研团队越用越强

Team Skills解决了团队协作经验的沉淀与复用，但真正的科研团队能力不会停留在“复制过去”。

在真实任务场景中，Agent Team会遇到角色缺位、流程断点及工具失效等问题。

以灵境造物在材料物质化学研究中的实践为例：

初始Team Skill虽配备了文献调研、材料建模、性能筛选等核心角色，但在具体执行中发现，材料的稳定性测试仍需专属Agent，且原有的仿真流程也暴露出明显的效率瓶颈。

JiuwenClaw提供的Team Skills自演进机制，会自动捕捉这些实战经验，分析根因，生成演进建议——

如新增“稳定性测试Agent”、优化仿真过程的任务依赖等，这些经验让团队技能越用越好。

1、双层自演进：团队与成员协同进化

Team Skills自演进同时在团队技能层和成员技能层两个层面展开：

• 团队技能层：系统根据任务执行轨迹自主演进Team Skills，如增加成员角色、补充约束规则、优化协作流程等，让Leader Agent的任务规划与团队管控能力持续升级；
• 成员技能层：每位Teammate Agent的Skill同样自主进化，工具报错、接口超时等实战经验被自动沉淀，再次遇到同类问题时直接解决，不再重复踩坑。

2、演进补丁架构：经验独立存储，原始Skill不动

演进内容以独立的经验条目附加到Skills上，而非直接修改原始文件。

每条经验携带触发来源、上下文、时间戳与质量评分，可单独审查与淘汰。

Skills本身升级后，已积累的经验无缝沿用，不存在冲突。

3、量化评估与生命周期管理

并非所有经验都值得保留，JiuwenClaw对每条演进经验会进行有效性、使用率、新鲜度评分，更新优先级。

用户可随时审阅，确保演进过程始终透明可控，效果不劣化。

MindSpore助力灵境造物全流程自主闭环

在材料化学研发中，效率瓶颈往往在于从文献启发到理论筛选、从实验设计到自动化执行之间的协同链条。

MindSpore Science面向这一挑战，构建了领域套件和覆盖模型、工具、仿真软件的科研智能体系统。

MindSpore Science是基于openJiuwen构建的科研智能体系统，致力于实现从智能设计到自动化执行的闭环。

该系统通过“Skills原子化能力封装+Agents智能决策编排+昇腾硬件亲和模型”的技术路线，实现了从模型推理到仿真筛选、实验设计到数据分析的无缝衔接。

理论筛选的革命：高效计算驱动效率跃升

传统理论筛选难以平衡高精度仿真的耗时与快速经验力场的精度，MindSpore Science提供深度优化的科学计算套件，集成SOTA模型并适配昇腾硬件做多维优化。

同时通过Skills机制将模型、仿真软件等封装为标准化能力，供Agent按需调用完成高通量筛选。

在中国科大电催化剂筛选场景中，该系统能将耗时数周的任务压缩至数小时，并为实验验证提供高质量候选方案。

方案设计的进化：从“手写方案”到“自动执行”

针对传统实验方案手写耗时、校验繁琐、易出错的问题，MindSpore Science基于openJiuwen构建MindSpore Science Agent，实现实验方案“自动生成-可执行性审核-迭代优化-下发执行”的完整闭环。

同时具备假设生成与自我纠错能力，减少错误干扰。

在灵境造物电催化剂合成场景中，可确保方案在科学逻辑与设备执行层面的可落地性。

结语

“灵境造物”的发布，不只是一款科研工具的问世，更是AI驱动科学研究的范式跃迁：

从人工主导，走向AI自主探索、团队协同、闭环创新。

这一切，离不开openJiuwen发布的Coordination Engineering全栈技术体系，与Mindspore科学计算底座的关键支撑。

openJiuwen让多Agent从“能协作”到“有技能”，从临时组队到标准化沉淀+社区共建，打通了单智能体好用→多智能体协同→团队能力可沉淀→团队能力可进化的完整闭环，让科研智能体团队协作从“一次性组队”走向“团队化作战”。

MindSpore Science则基于openJiuwen构建了科研智能体系统，实现从灵境造物在实验方案设计到自动化执行的闭环。

未来，AI将不止是科研助手，更会成为自主探索的“核心参与者”，以灵境造物为代表，迈向全流程自主科研。

期待openJiuwen与灵境造物持续突破，以全栈自主创新，打开AI科研更广阔的边界，让更多科研工作者借助AI的力量，加速科学发现的步伐。

欢迎科研伙伴与广大开发者，体验JiuwenClaw与Team Skills Hub，共享协作经验，共建多智能体协同新生态。

相关资源

Team Skills Hub：https://teamskills.openjiuwen.com/
JiuwenClaw AtomGit：https://atomgit.com/openJiuwen/jiuwenclaw
JiuwenClaw GitHub：https://github.com/openJiuwen-ai/jiuwenclaw
openJiuwen AtomGit：https://atomgit.com/openJiuwen/
openJiuwen GitHub：https://github.com/openJiuwen-ai/
openJiuwen官网：https://www.openjiuwen.com/
MindSpore官网：https://www.mindspore.cn/
MindSpore Science AtomGit：https://gitcode.com/mindspore-lab/mindscience

版权所有，未经授权不得以任何形式转载及使用，违者必究。