晶泰 Genius Agents：科学智能体矩阵，把「数字假设—物理验证」跑成闭环

平台把科研拆成四个环节，每个环节由不同角色接力：

环节 1 · 假设生成（AI 大脑）
：基于文献 + 实验数据 + 领域模型，提出候选分子/
   反应路径/晶体条件，并给出置信度

环节 2 · 方案设计（智能体出活）
：把假设转成可执行的实验方案：投料量、温度、时间、
   检测方法，输出机器人可读的 SOP

环节 3 · 物理验证（机器人实验室）
：自动化实验台按 SOP 执行合成/筛选/表征，
   采集真实数据，而不是靠 AI 脑补

环节 4 · 数据回流（闭环迭代）
：实验结果回灌模型，修正预测，
   下一轮假设更准 → 收敛速度指数级提升

Genius Agents 不是单个智能体，而是一个矩阵——不同领域配不同专长：

任务：优化某药物的溶解度（当前太低，影响成药性）

第 1 轮：
AI 基于结构-性质模型提出 50 个候选修饰方案
→ 机器人实验室合成 + 测试其中 12 个（挑置信度最高的）
→ 结果：3 个溶解度提升，但稳定性下降
→ 数据回流修正模型

第 2 轮：
AI 吸取上一轮教训，提出 30 个「兼顾溶解度和稳定性」的新方案
→ 机器人再验证 10 个
→ 结果：1 个双指标达标

第 3 轮：
AI 对该方案做工艺条件优化（温度/溶剂/比例）
→ 机器人跑条件矩阵
→ 交付：候选分子 + 最优合成工艺 + 完整实验报告

人工介入点：第 1 轮前（确认研究目标）、
第 2 轮后（评审是否继续）、最终（拍板推进）

晶泰联合 26 家伙伴发起科学智能开放生态联盟，值得关注三个信号：

路径 A · 零成本入门（本周就能做）：
用通用大模型 + 提示词搭「科研小助手」：
文献速读、实验方案初稿、数据解读草稿
→ 参考本站《开源版科研 Agent：OpenAI4S Code-as-Action》教程，
   把研究流程先跑成代码流水线

路径 B · 用云端 AI4S 服务（1~3 个月）：
用晶泰等平台的公开能力做分子设计/反应预测
（按需购买，先跑通一个真实项目）

路径 C · 全闭环共建（半年+）：
与平台方/联盟伙伴合作，接入机器人实验室
→ 适合有明确管线、愿意共建的团队

选择原则：从「当前最痛的一环」切入——
缺假设就上 AI 设计，缺效率就上自动化，别一步到位。

1. 你的研究是否「假设密集」？
   （需要反复试条件、试配方的方向 → 适合）
2. 实验能否标准化/自动化？
   （流程固定、可量化 → 适合机器人接盘）
3. 数据是否在积累？
   （有历史实验记录可喂模型 → 适合）
4. 团队是否愿意改流程？
   （愿把「人肉试错」改成「AI 设计+机器验证」→ 适合）

命中 3 条以上，值得认真评估；
命中 1~2 条，先做「AI 辅助」而非「全自动闭环」。