復(fù)現(xiàn)一篇論文平均耗時多久？配環(huán)境、裝依賴、改Bug，熟練工也要一周。現(xiàn)在，一只叫OpenClaw的"龍蝦"把它壓縮到了幾小時。

一只"龍蝦"的科研革命

復(fù)旦NLP團(tuán)隊最近干了一件事：把爆火的AI Agent OpenClaw，嵌進(jìn)了科研工具「切問學(xué)術(shù)」。不是簡單的功能疊加，而是直接造了一個24小時在線的「全自動實驗代理」——PaperClaw。

流程極簡：上傳PDF，剩下的交給它。

但"極簡"背后是一套完整的自動化閉環(huán)。PaperClaw會先執(zhí)行多數(shù)人忽略的預(yù)檢：自動連接遠(yuǎn)程服務(wù)器，校驗SSH/GPU/顯存/RAM，確認(rèn)Python環(huán)境，直到Pilot Test跑通。整個過程像直播一樣可視，從環(huán)境搭建到實驗閉環(huán)，全程無需人工介入。

這不是概念演示。實測中，它已能獨立完成論文復(fù)現(xiàn)的全鏈條操作。

從"讀論文"到"造論文"的躍遷

切問學(xué)術(shù)的野心不止于復(fù)現(xiàn)。新上線的「研究構(gòu)思」功能，試圖解決更痛點的問題：讀完頂刊后，如何找到創(chuàng)新縫隙？

實測案例很直觀。針對某視覺文檔檢索論文，系統(tǒng)精準(zhǔn)指出了Query-agnostic構(gòu)建的短板，幾分鐘內(nèi)生成一份邏輯嚴(yán)密的新研究計劃和改進(jìn)路徑。本質(zhì)上，這是讓AI扮演"站在巨人肩膀上"的協(xié)作者，而非單純的信息檢索工具。

功能迭代的軌跡清晰可見：早期切問學(xué)術(shù)聚焦文獻(xiàn)搜索+閱讀+管理，現(xiàn)在這些被重新定義為"基礎(chǔ)功能"。語義級深度搜索替代關(guān)鍵詞匹配，AI像導(dǎo)師一樣拆解復(fù)雜問題；搜到的論文自動提取元數(shù)據(jù)入庫；PDF上傳后開啟AI問答，靜態(tài)資料變成"會說話"的導(dǎo)師。

甚至支持定制ArXiv AI分類訂閱，最前沿的Paper主動推送。

Agent正在重新定義科研分工

OpenClaw這類Agent的核心價值，是把AI從"工具"推進(jìn)到"執(zhí)行者"層級?？蒲辛鞒讨写罅恐貜?fù)性勞動——環(huán)境配置、依賴調(diào)試、實驗跑通——被自動化剝離后，人的認(rèn)知資源得以集中在真正產(chǎn)生洞見的環(huán)節(jié)。

切問學(xué)術(shù)的迭代路徑，某種程度上映射了AI科研工具的競爭焦點：從信息獲取效率，轉(zhuǎn)向?qū)嶒瀳?zhí)行效率，再轉(zhuǎn)向創(chuàng)新發(fā)現(xiàn)效率。PaperClaw和研究構(gòu)思的組合，恰好覆蓋了這三個層級。

一個值得觀察的信號是：當(dāng)論文復(fù)現(xiàn)的門檻被大幅降低，科研競爭的變量會發(fā)生什么變化？是加速內(nèi)卷，還是釋放更多原創(chuàng)性探索？