自动科研不能只有最终论文

自动科研系统最吸引眼球的演示，往往是从一个题目生成一篇论文。这个结果看起来完整，但也最容易遮住关键问题：实验有没有真的跑，数据有没有统一，负结果怎么处理，图表来自哪里，结论有没有夸大。

Claw AI Lab 的定位更像实验室，而不是流水线。论文强调用户可以实例化一支研究团队，设置角色，观察协作过程，检查中间 artifact，并在必要时 rollback 或 resume。

这比 prompt-to-paper 的叙事更接近科研现场。研究一组可检查的决策和证据链。

系统里最重要的是 harness

论文里最值得看的是 Claw-Code Harness。它把本地代码库、数据集和 checkpoint 接入可运行实验，让 Agent 不只是讨论方案，还能执行实验，并把执行产物反馈回研究循环。

这解决了自动科研的一类常见失败：文稿写得像真的，实验不完整；结果表格格式正确，数字却来自错误运行；复现实验只停在说明文字里。

如果实验 harness 能稳定工作，Agent 的贡献就不只是生成文本，而是帮助组织实验过程：建环境、跑脚本、收集结果、检查异常、回写证据。

为什么多 Agent 在这里有意义

很多场景里，多 Agent 只是把一个模型拆成多个角色名，实际收益有限。科研场景相对适合多角色，因为任务天然包含分工：提出假设、检索文献、设计实验、执行代码、分析结果、审稿式质疑、整理论文。

Claw AI Lab 支持 exploration、multi-agent discussion 和 reproduction 等模式，说明它是在试图把研究活动拆成不同工作形态。

不过，多 Agent 的价值取决于共享状态和审计机制。如果只是几段对话相互转述，复杂度会大于收益；如果每个角色都绑定证据、工具和职责，才可能改善研究质量。

局限在哪里

论文报告内部评估中，Claw AI Lab 相比 AutoResearchClaw 基线在 idea novelty、experiment completeness 和 paper presentation quality 上更受 AI expert judges 偏好。这个结果有参考价值，但仍不能替代更大规模、外部复现的评估。

自动科研还面临更硬的问题：数据版权、实验成本、负结果记录、引用准确性、同行评审标准和学术诚信。系统把流程做得更可见，并不意味着生成的研究就天然可靠。

它值得借鉴的是产品形态：不要把复杂智力工作压成一个黑箱按钮。越是高风险任务，越需要可监控、可回滚、可检查中间证据的工作台。