科学计算是现代学术界和产业界研究的核心支柱。然而，用于分析科学信息的软件一直难以跟上数据生成的迅猛速度。许多广泛使用的研究工具最初只是研究论文的配套代码，由工程经验有限的小型学术团队开发，几乎没有时间进行打包、测试、优化或长期支持。因此，科学基础设施往往依赖缓慢、脆弱且需要持续维护的工作流程。这些限制阻碍了科学发现的进程。
AI 智能体正开始改变这一局面。通过降低工程工作成本并承担繁琐的实现任务，智能体可以帮助研究人员更快验证创意、推进以往不切实际的项目，并更轻松地长期维护软件。这样一来，科学软件将更加高效、维护也更加完善，让研究人员能投入更多时间探索发现。
我们在此分享一份探索性实地报告，介绍八个以生命科学为主、由智能体辅助的科学计算项目；其中五个仅使用 Codex，另三个结合使用 Codex 和 Claude Code。报告汇集了各项目团队撰写的案例研究，并总结出反复出现的主题。这些项目涵盖日常维护、针对性优化、大规模语言迁移以及面向 GPU 的原生重构。贡献者表示，智能体显著加快了软件开发和维护；在某些情况下，它们帮助小型团队承担了原本需要更多时间或专业工程支持才能完成的工作。但他们也指出，为最终产出的工具明确长期责任和维护主体，仍是一项持续存在的挑战。
贡献者一致认为，研究人员的角色正从具体实现转向验证和统筹：明确要构建什么、定义如何衡量正确性，并决定项目何时可以发布。在这一新兴模式下，研究人员仍掌控科学方向和质量标准，同时借助智能体的辅助提升工作速度。
尽管各项目的范围差异很大，但它们都表明，编程智能体正在减轻工程人力和专业能力对科学计算的制约。如今，瓶颈转移到了验证 AI 智能体的输出，而这仍有赖于人类判断。
各项案例研究表明，智能体能够有效处理具体且范围明确的请求，但无法可靠判断其工作是否具备科学有效性或达到预期。事实上，即使成果中存在明显错误，智能体也常常表现得很有信心。因此，人工审核者需要找到可靠的方法来验证结果。最有效的方法会使用外部参照或可衡量的验收目标，例如输出完全一致、与现有工具表现相当、统计行为适当，或基于模拟数据预先确定答案。
另一个共同主题是，项目通常采用反馈驱动的迭代方式分阶段推进，而非采用单样本方法。贡献者将宽泛目标拆分为较小的改动，再利用中间基准和测试系统评估并完善智能体的工作。智能体通常能迅速完成初始实现，但解决边缘情况和细微的数值差异要花费更多时间。完成实现的“最后一公里”往往最为费力。
总体而言，这些案例研究表明，智能体让研究人员可以减少花在实现上的时间，将更多精力用于指导科研工作。人类负责设定目标、将复杂项目拆分为可管理的部分，并判断结果是否具备科学有效性。智能体缓解了长期存在的工程制约，不仅拓展了研究人员可以构建的成果，也让他们得以专注于最重要的科学问题和决策。
研究软件长期存在的维护缺口拖慢了迭代，也限制了可复现性和可靠性。针对“研究代码（在新窗口中打开）”和组学工具（在新窗口中打开）”的已发表研究发现，公开发布的软件经常无法在全新的计算环境中正确安装或按文档说明运行，迫使研究人员花费大量时间进行配置和调试。即使是常规改进，也能为研究人员节省时间并降低计算需求；以性能为导向的重构和重写则可以带来更大的提升。
但实现成本降低后，也更容易出现大量相似的重写版本，造成用户分散，并分散维持任何单一工具可靠性所需的专家精力。因此，长期维护和明确归属至关重要。成熟的科学软件承载着未记录的惯例、兼容性要求和用户信任，这些都无法仅靠转换源代码来重现。
这些案例研究展示了几条可行的前进路径。对 MHCflurry 和 cyvcf2 的改动已合并到各自原有的上游项目；由于原项目已被弃用，rustar-aligner 则转由新的社区负责维护。如果可以与现有维护者协调，应尽早开始。如果必须采用独立实现，则需要明确负责人，并制定可信的维护计划。否则，今天的现代化重写版本可能成为明天的弃用代码，而非可靠的科学基础设施。
这份实地报告是回顾性和探索性的，但其中的案例研究揭示了科学软件开发方式正在发生的务实转变。Codex 等编程智能体可以显著降低维护、迁移、优化和全新实现的成本。它们的长期科学价值仍取决于人类做出的决定：构建什么、如何验证，以及由谁维护。更深层的变化并不只是研究人员能开发更多软件，而是他们可以将更多精力放在定义、验证和维护工具上。
这些案例研究表明，智能体已经能够加快科学计算的迭代速度。随着编程智能体不断进步，研究人员可以减少维持分析流程运行的时间，将更多精力用于推动各自领域的发展。
