AI正在把论文变成能直接干活的科研助手

今天最值得看的，是Paper2Agent。它重要的不是“AI能跟论文聊天”，RAG早就能做。真正变化是：论文第一次被系统性转换成机器可直接执行的科研对象。

科研传播一路升级：论文；论文+补充数据；论文+数据+代码；再到论文+数据+代码+可执行环境。Paper2Agent再进一步：论文+数据+代码+工作流+Agent接口。

关键在接口。过去复用一篇计算生物学论文，要找到论文、找GitHub、下代码、装依赖、读README、理解参数、找数据、调环境、跑程序。现在可能只需一句：“把这篇论文的方法用到我的新数据。”后面交给Agent。

科学知识因此第一次可能同时具备：人能读，机器能懂，机器能执行。这对应FAIR原则。FAIR解决可发现、可访问、可互操作、可复用。但Agent时代还不够。机器更需要可发现、可理解、可调用、可执行、可组合。其中“可组合”最关键。

Paper2Agent的银屑病案例很说明问题。AI不是只用一个Paper Agent，而是组合三个：AlphaGenome Agent预测，scCRISPRi Agent提供调控数据，Perturb-seq Agent提供基因敲低数据，最后产生新候选机制。未来Scientific Agent不必知道所有知识，只需知道有哪些可信能力可调用，以及如何组合。

这像互联网演进：网页，API，云服务，再到Agent Service。科学知识也可能这样走：论文→数据→软件→工作流→Agent→Agent网络。

知识网络也会变。过去连接概念与概念；未来连接Agent、数据、工具、工作流和仪器。它不只回答“哪两个概念有关”，还能回答“验证这个假设，该组合哪些数据、算法和实验方法”。

对科学数据中心来说，不能只给数据集下载链接，还要提供元数据、语义描述、API、可执行工具、工作流和Agent技能。路径可能是：FAIR数据→AI就绪数据→Agent就绪数据→Agent就绪科研对象→Scientific Agent网络。

Nature甚至提出，未来论文可能像今天要求“数据可用性”“代码可用性”一样，出现“Agent可用性”。科研评价也会变：不仅问数据和代码是否开放，还要问这项能力能否被机器直接复用。

所以，Paper2Agent不只是一个AI4S工具。它可能预示新的科学传播基础设施：成果不再只被阅读，而是可被调用、组合、继续执行。当论文、数据、软件、模型和设施都变成Agent可调用对象，自主科研工作流才真正有了基础。