openJiuwen ScienceDiscovery 是架在 JiuwenSwarm 上的 AI 科研工作台，v0.1 刚刚发布。它靠记忆图谱把任务和引用关系都记下来，再用 RSI 让代码自己迭代。目前广州实验室和华为已经用它做纳米抗体智造，中国商飞则拿它做民机设计，迭代效率普遍提升了 3~5 倍。
记忆图谱：研究的每一步都有据可查
科研里最怕什么？就是结果出来了，过程却说不清楚。ScienceDiscovery 的记忆图谱由任务链和引用链组成，专门记录研究过程和证据来源。你在报告里看到某个断言，可以一路点回去，找到对应的代码、环境和日志——等于每个结论都带了一张“出生证明”。
底层用的是内容寻址存储：文件内容一变，地址就跟着变，改没改一眼就能看出来。另外系统里有个“零幻觉 Reviewer”做多级审核，防止大模型一本正经地瞎编来源。在 BiomniBench-DA 任务上，基于 GLM-5.2 模型的成绩是 77.4 分，目前业界 SOTA。
RSI：让代码像进化一样自己试错
RSI 这个缩写不太好记，但它的逻辑很简单：不训练模型，也不调整搜索规则，只改产物。系统从现有代码版本里挑出一个父节点，让模型改写，然后扔进沙箱打分。无论成功还是失败，新版本都会作为新节点挂回树上，同时把祖先关系记下来。
这个机制在数值计算上相当能打。拿 38 道半无穷区间振荡积分来说，直接调用 scipy.integrate.quad 的基线得分只有约 -3.40。改用 RSI 跑 2 小时，产生 236 个版本之后，最好版本得分是 -0.0007。其中 19 道打分题全部准确，平均相对误差 0.07%；生成的 247 行程序拿到剩下没参与打分的 19 道题上，也照样能正常工作。
换个任务，效果依然在线
光会做积分可不算本事。RSI 这套产物迭代方法换到别的任务上，结果也很扎实：
- 高斯超几何函数 2F1 双精度求值，平均正确有效数字从 9.836 提高到 11.771；
- AlgoTune 的 154 个数值任务，平均加速 2.279 倍；
- 符号回归的 111 道题里，有 41.4% 写出了正确方程，每题平均只要 16.5 次模型调用。
这些数字并不是刻意挑出来的，它们是同一个“只改进产物”思路在不同领域的复现。对科研工具来说，通用性比单点突破重要得多。
真实落地：抗体智造和民机设计都跑起来了
广州实验室和华为合作，基于 openJiuwen ScienceDiscovery、MindSpore 和昇腾算力，搭起了一套纳米抗体智造系统。文献检索、知识图谱、SOTA 生物模型调用、计算调度、实验编排，全部串成一个闭环，最后输出的是可合成的核酸序列和可执行的湿实验方案。换句话说，它不光告诉你“这个抗体可能行”，还把“怎么把它造出来”的流程一并安排好了。
中国商飞联合上海交大，用同样的底座搭建了民机总体与气动设计平台“御风”。通过全流速智能并行协同设计，设计迭代效率提升了 3~5 倍。以前做一个方案要排队等风洞，现在先在数字空间里筛一遍，再让少数候选进风洞。
科研里很多验证周期特别长，抗体实验要等细胞培养，机翼设计要等风洞排队。把湿实验闭环和全流速并行设计做快，本质上是把验证成本压下来，让反馈更快回到设计端。
这套系统要真正跑起来，算力是一道现实门槛。团队可以找一家靠谱的阿里云代理商（比如 易枫顺 - 阿里云官方旗舰级代理商）开通云服务器 ECS，把记忆图谱、代码版本和模型推理全部放到云端，省掉本地维护的麻烦。
FAQ
Q: ScienceDiscovery 的记忆图谱能解决什么问题？
A: 解决“结论来源说不清”的问题。它会把任务链和引用链完整记下来，报告里任意一个结论都能回溯到代码、环境和日志。再加上内容寻址存储和零幻觉审核，研究过程更透明，也更好复现。
Q: RSI 自动迭代代码需要训练模型吗？
A: 不需要。RSI 是一个树形搜索：选父节点、模型改写、沙箱评分，成功和失败的版本都会进树。模型不调权重，搜索规则也不变，变的只有产物本身。
Q: 本地算力不够，怎么跑这套科研工作台？
A: 把计算放到云上，本地只留 Web 界面和结果，算力、存储、版本管理都交给云端服务。需要时按 GPU 实例弹性扩容，用完释放，成本可控。
关于易枫顺
深圳市易枫顺网络科技有限公司是阿里云官方旗舰级代理商。提供云服务器ECS、云数据库RDS、对象存储OSS等阿里云全系产品官方特惠折扣与代金券申请，以及多云成本优化、企业上云一站式服务。客服热线：19520841949 - 易枫顺
来源：InfoQ
