Paper2Agent 将科学论文转化为可协作的 AI 智能体

2026 年 9 月 16 日，斯坦福医学学院的研究团队在《自然》上发表了 Paper2Agent 的描述，阐明了一条将完整科学手稿内容转化为软件化“智能体”的流水线，该智能体能够进行交互式对话并执行文中报告的方法。

转化过程不仅止于叙述文本。系统会读取图表、补充代码和原始数据，并依据模型上下文协议（Model Context Protocol）对它们进行结构化，这是一种将论文的每个章节和资源映射为机器可读格式的正式模式，供其他智能体查询。

智能体如何工作

一旦实例化，Paper2Agent 的表现类似于虚拟实验室助理。它可以回答关于方法论的问题，在用户提供的数据集上复现分析，甚至根据原始实验设计提出参数调整建议。系统还会生成“工作智能体”，在模拟环境中尝试复现研究，捕获文献中常被遗漏的实际细节。

人类作者仍然是关键环节。斯坦福强调，只有人类能够澄清实验失败、权衡取舍并传递手稿无法完全编码的隐性知识。因此，智能体必须在持续的人类监督下运行，并明确要求署名与伦理监督。

跨论文首次发现

在一次概念验证演示中，两个来源于不同论文的智能体——一个研究人类基因组测序，另一个研究注意力缺陷多动障碍（ADHD）遗传学——通过共享协议进行交流。它们标记出位于 MPHOSPH9 基因附近的一个变异，该变异在原始文献中未被报道，随后斯坦福科学家证实这是一条值得进一步研究的候选。

这一发现展示了系统能够揭示人类在单独阅读论文时难以发现的关联。通过向其他智能体公开每篇文章的结构化知识，Paper2Agent 在科学文献库上创建了一个网络推理层。

规模与未来计划

截至目前，斯坦福团队已生成超过 100 个基于论文的智能体，涵盖从肿瘤学到气候建模等多个领域。他们的路线图包括测试大规模协作，让数十个智能体相互交互、协商资源使用并共同设计实验。

斯坦福也提醒，当前的演示并不等同于对任何新发现的验证，仍需独立重复实验。该系统是研究工具，而非同行评审或实验验证的替代品。

• 将完整手稿（文本、图表、代码、数据）转化为交互式智能体
• 使用模型上下文协议组织知识，实现跨智能体访问
• 部署工作智能体在虚拟沙盒中复现实验
• 要求人为监督以确保署名、伦理与解释

模型上下文协议是此方法的核心。它定义了摘要、方法、结果、补充材料等层级，并将每一层链接到相应的资产。这使得智能体能够检索例如生成某图的精确脚本，在新输入上运行，并逐步解释输出结果。

安全性已内置于架构中。智能体运行在隔离容器内，任何代码执行都在沙箱中进行，以防止意外副作用。斯坦福声明强调，任何超出研究实验室的部署都必须经过严格的安全审计。

对中文科研机构而言，这意味着可以在研发流程中加入一层能够读取、解释并执行已发表文献中知识的 AI。科研人员无需手动提取实验步骤，只需向 Paper2Agent 查询即可获得可直接运行的流程，在内部数据上测试并获得每一步的详细解释。只要有人类专家继续验证并指导输出，这项技术有望加速假设生成、减少重复工作，并打开跨学科洞察的新途径。