新智元報道

【新智元導讀】還在手動在不同工具間來回切換查文獻、跑代碼、看結果？兩個月前發起內側的科研龍蝦SciClaw，經過上萬名科研人的「考核」，正式升級為Mira，推出專家小隊、科研畫布、LLM WIKI 三大核心能力，首次將「Vibe Researching」理念產品化，讓研究者像組建實驗室團隊一樣配置 AI，把時間還給真正的科學思考。

科研工作者可能是這個世界上最忙的一群人。

不是因為他們做的事情多，而是因為他們需要在太多工具之間反復橫跳。打開 Zotero 查文獻，切到 VS Code 跑代碼，再切到專業工具里作圖改圖，中間還要穿插著跟 ChatGPT 討論實驗設計。

每一個切換都意味著注意力的斷裂，每一次斷裂都要花十幾分鐘才能重新進入深度工作狀態。

心理學上把這叫「認知切換成本」，搞過科研的都懂這句話的分量。

而今天，一款由「深度原理 Deep Principle」團隊開發、被上萬名科研人員內測驗證的科研龍蝦 SciClaw 正在給出這道難題的獨到解法，在上線內測的兩個月里，研發團隊虛心吸收了眾多科研人的反饋和批評，讓這款產品完成了從工具到平臺的蛻變，升級后的它叫 Mira。

這是天文學家給鯨魚座里一顆紅巨星起的名字，意思是「奇妙」。也是「miracle」的詞根。

這次升級的核心，是為遵循科研中最核心的：假設 -> 實驗 -> 觀察 -> 迭代 鏈路，給出「不去預定義固定的科研流程」而是「提供支撐自由定義全流程能力」的產品解法。

專家小隊

每個人都能組建自己的 AI 實驗室

過去半年，GitHub 上出現了至少十幾個號稱能「自動做科研」的開源項目。它們的工作流高度相似：搜索文獻、提取信息、生成假設、運行代碼、畫圖、寫報告。

但用過的人都知道，這些工作流的共同問題是——它們按照一個固定的劇本在運行。而科研，從來不是一個固定劇本。

Mira 的專家小隊模式（Agent Squad）選擇了一條完全不同的路徑。它不預設工作流，而是給你一個空白的隊伍配置面板。

你需要文獻檢索的隊員，就配置一個；需要代碼執行的隊員，就加一個；需要數據可視化的隊員，再來一個。每個隊員的分工、協作順序、信息傳遞方式，全部由你定義。

專家小隊模式下可以通過像素風的辦公室場景查看各個小隊成員的工作狀態和內容

內測階段已經有研究者用這套體系跑出了驚人的效率。一位剛入學的博士生僅用 1 分鐘就配置好了自己的 Auto Research 框架，將研究方向輸入后，Agent 團隊在當天下午就產出了一篇完整的 AI Paper 初稿——從文獻綜述到實驗設計到結果分析，全鏈路覆蓋。

以一次AI參數尋優為例，Mira可以一鍵拉起眾多專家小隊成員快速迭代出一篇報告

當然，初稿還需要人工修改，但正如這位博士生所說：「它最大的價值不是省了多少時間，而是讓我能同時推進三個課題了。」

另外，他還補充道「這個團隊做完研究之后，我還能用另一個團隊來做匯報材料」。

小隊成員之間互相配合，可以在嚴肅科研場景下給出邏輯縝密的報告材料

科研畫布

一張無限大的科研桌面

如果說專家小隊解決的是「怎么干」的問題，那么科研畫布解決的就是「怎么看」的問題。

做過材料模擬的都知道，一組計算結果往往包含多種格式的文件：CIF 結構文件、XRD 圖譜、能帶圖、態密度曲線、外加一組對照組數據。以前，要交叉比對它們，你需要在多個軟件之間來回切換，比著比著就忘了自己在看哪一組。

Mira的科研畫布把所有格式的文件放在同一個無限平面上。側邊欄是全部文件列表，中間是自由拖拽的畫布。PDF 文獻、代碼輸出、實驗圖表、手寫筆記——全部在一個視圖里，隨時排列、比對、標注。

一位做材料計算的用戶這樣形容：「就像給我的科研拍了一部 Movie Story。從項目第一天開始，每一次嘗試、每一次失敗、每一次參數調整，全部記錄在畫布的時間線上。任何時候需要復盤，打開畫布，一切都在。」

在 Mira 上可以計算并查看專業計算模擬的結果，通過筆記隨時記錄研究發現，并將結果導出到論文中使用

還有一個更樸素但更讓人有安全感的場景：電腦死機。在傳統的工作方式下，你可能需要半小時甚至更久來恢復狀態。但在 Mira 的畫布里，所有內容實時云端保存。你打開網頁，一切都在，跟你宕機前一模一樣。

在生物信息學領域，一位處理多組學數據的用戶發現了一個更有意思的用法。他把 RNA-seq、蛋白質組和代謝組的三套分析結果全部扔進畫布，并排對比做關聯分析。「唯一的問題就是屏幕不夠大」，他說。

畫布中不同的數據文件之間可以通過 Mira 建立聯動關系，從而展示多視角的分析結果

WIKI

你的 AI 助手在深夜幫你做知識管理

這是 Mira 三個核心功能里最特別的一個。

白天你跟 Agent 大戰了三百回合，給了無數指令，糾正了無數次錯誤，上傳了大量文獻。這些都是你今天投入的認知成本。但問題來了——明天它還記得嗎？下周一呢？一個月后項目進入關鍵階段的時候呢？

Mira 的 WIKI 給出了一個獨特的解法。每晚在你休息的時候，它會自動運行，把你當天所有的對話記錄、任務執行結果、上傳資料全部處理一遍。

但它不是無腦地把所有內容塞進 Wiki。它會做判斷——哪些是你反復提及的核心概念，哪些是值得沉淀的結論，哪些是需要持續關注的未解決問題。

然后，它把這些東西結構化地寫入你的項目專屬知識庫。

一位做計算神經科學的用戶對此深有感觸。他的大腦計算模型項目跨度超過半年，中途從經歷過多次思路切換，積累了數百個任務結果。「如果沒有 WIKI，這些東西就是一堆散落的數據片段，」他說。

「但有了 WIKI 之后，項目知識被自動整理成了結構化的文檔體系。課題研究有哪些可能的方向，什么時候換了什么思路、為什么換、每次換的結果是什么——清清楚楚。」

在WIKI中，各章節邏輯嚴密，內容之間有互相引用關系，可以通過鏈接快速跳轉

更進階的用法來自一位做世界史學習的用戶。他讓 Mira 基于 WIKI 的內容定期自動生成一份 HTML 格式的 Brainstorm 看板，把手頭正在整理的課題資料梳理成可能的研究課題。「比我大學四年做的所有筆記加起來都有用」他這樣評價。

基于WIKI的知識梳理和導航能力，可以快速幫助科研人找到可行的課題和實驗方案

Vibe Researching

重新定義人與 AI 的科研協作

三個功能講完，背后有一個更大的概念值得展開。

「Vibe Researching」的靈感來自這兩年編程圈很火的「Vibe Coding」——你不用一行行寫代碼，只需要描述想要什么，AI 幫你搞定。

但科研跟寫代碼有一個本質區別：代碼的需求是相對明確的，而科研的需求是模糊的、探索性的、甚至你在出發時根本不知道答案是什么。

所以 Vibe Researching 不是「你描述，AI 搞定」的簡單復制。它的真正形態是：你放心探索，AI保駕護航。

你負責方向、直覺、那個凌晨兩點半突然冒出來的靈感、守住人類最寶貴的科研Taste。AI 負責掃清障礙、快速執行和迭代、記住走過的路、在需要的時刻隨時提醒你可能已經遺忘的知識。

Mira 的三個功能——專家小隊負責執行、科研畫布負責記錄、WIKI 負責沉淀——恰好構成了這一理念的完整閉環。

而這個閉環指向的，是科研工作中一個長期被忽視的問題：孤獨感。

花三個月驗證一個假設最后發現是錯的，跑無數次實驗只為了確認一個特別小的參數，深夜盯著空白的結果頁面腦子里只有一個念頭「這條路到底對不對」——這種體驗，不做科研的人是很難共情的。

Mira 能做的事情其實很樸素：它記得你的每一個決策、每一次失敗、每一個微小的進步。它不會替你走路，但它讓你在走這條路的時候，身邊有一個永遠不會忘事、永遠不會疲倦的伙伴。

Mira 正式開放注冊

經過兩個月的內測和迭代，Mira 已正式面向所有用戶開放注冊。

專家小隊、科研畫布、WIKI 三大核心功能全部開放。訪問 sciclaw.cn 即可注冊使用。

同時，本身具備 AI 模型研發能力的深度原理團隊，基于自研模型和自建基礎設施能力，持續在 Mira 中提供豐富的基礎科研數據集、工具和模型，從底層助力科學發現創新。

這遠不是終點，「深度原理 Deep Principle」團隊對新智元強調道，科研的場景太多、太復雜、太個性化，Mira的底層設計哲學就是「讓研究者定義流程，平臺提供自由組合的工具和框架」。

正如 Mira 這顆紅巨星背后故事所代表的精神，它是人類歷史上第一顆被確認會周期性改變亮度的恒星，徹底打破了「恒星永恒不變」的古老觀念。

因為做科研的人最不想要的，就是被人告訴該怎么思考。