Paper2Agent：將科學論文轉化為可協作的 AI 代理人

2026 年 9 月 16 日，斯坦福醫學院的研究團隊在《Nature》期刊上發表了題為 Paper2Agent 的技術說明，詳細闡述了一條將完整科學手稿內容，包括文字、圖表、程式碼與原始資料，全部轉換為可互動軟體「代理人」的工作流程，這些代理人能在對話中說明研究內容，並將報告中的方法套用於使用者提供的全新資料集上。

在這個轉換過程中，系統不僅僅停留在敘事文字的層面。它會自動抓取論文中的圖表、補充程式碼以及底層資料，依照自行設計的 Model Context Protocol（模型情境協議）將這些資源結構化，將每一章節與相關資源映射成機器可讀的格式，從而允許其他代理人以統一的方式查詢與利用。

代理人的運作方式

一旦被實例化，Paper2Agent 就像一位虛擬實驗室助理。使用者可以向它提出關於方法論的細節問題，它會根據手稿中的描述即時回應；同時，它還能接受使用者上傳的資料集，重新執行論文中報告的分析流程，甚至根據原始實驗設計提供參數調整的建議。系統還會自動生成所謂的「工作代理人」，在受控的模擬環境中嘗試重現原始研究，捕捉那些在書面記錄中常被遺漏的實作細節。

儘管代理人具備高度自動化的能力，斯坦福團隊仍強調人類作者是不可或缺的關鍵環節。只有人類能說明實驗失敗的原因、在取捨問題上作出判斷，並傳遞手稿無法完整編碼的隱性知識。因此，所有代理人必須在持續的人類監督下運作，並且在任何輸出中明確要求署名與遵守倫理監管。

首次跨論文發現

在概念驗證的示範實驗中，兩個分別來源於人類基因組測序研究與注意力缺陷／過動症（ADHD）遺傳學的代理人，透過共享的 Model Context Protocol 互相交流。這兩個代理人共同指出位於 MPHOSPH9 基因附近的一個變異，該變異在原始文獻中未被報導，隨後斯坦福的科學家對其進行了驗證，認為此變異可能成為值得深入探討的候選目標。

此案例說明，系統能夠揭露人類在單篇閱讀時難以察覺的跨篇關聯。透過將每篇文章的結構化知識開放給其他代理人，Paper2Agent 為科學文獻構建了一層跨篇推理的網路，使得隱藏在大量文獻中的線索得以被自動化地發掘。

規模與未來規劃

截至目前，斯坦福團隊已經從超過一百篇不同領域的論文中衍生出超過一百個代理人，涵蓋腫瘤學、氣候模型、材料科學等多個研究領域。未來的路線圖包括測試大型協作場景，讓數十個代理人同時互動、協商資源使用，並共同設計複雜實驗的工作流程。

斯坦福同時提醒，現階段的示範仍屬於研究工具的範疇，尚未構成任何新發現的正式驗證。所有結果必須經過獨立的複製與審查，系統絕不應被視為取代同行評審或實驗驗證的替代方案。

• 將完整手稿（文字、圖表、程式碼、資料）轉換為互動代理人
• 使用 Model Context Protocol 組織知識，供跨代理人存取
• 部署工作代理人在虛擬沙盒中重現實驗
• 要求人類監督以確保署名、倫理與詮釋

Model Context Protocol 是整個方法的核心。它明確定義了摘要、方法、結果、補充資料等層級，並將每個層級連結至對應的底層資產，使代理人能夠取回例如生成圖表的程式碼，在新輸入資料上執行並逐步說明產生的結果。

安全考量已內建於系統架構之中。所有代理人都在隔離的容器內運行，程式碼執行均在沙盒環境中完成，以防止意外的副作用或安全漏洞。斯坦福表示，任何超出研究實驗室範圍的部署都必須接受嚴格的安全稽核與審查。

對於以中文為主要工作語言的研究機構而言，這項技術意味著可以在研發流程中加入一層能夠閱讀、詮釋並執行已發表文獻知識的 AI 助手。科學家不必再手動抽取實驗流程，而是直接向 Paper2Agent 查詢即用型管線，將其套用於內部資料，並獲得每一步驟的詳細說明。只要有人類專家持續驗證與指導，這項技術即可加速假說生成、減少重複工作，並開啟跨領域洞見的新途徑。

本篇報導於 2026 年 9 月 23 日於《L'actu IA》發佈，旨在讓台灣及全球華語科研社群第一時間掌握 Paper2Agent 的最新進展與應用前景。