ARTICLE · 1306340

AI科研助手怎样记住上次踩过的坑?Magnolia把失败写进可审阅的记忆

发布时间：2026-11-04 11:36:50 最近访问：2026-11-04 11:36:51

前言

周五已经排查过的输入错误，周一换个对话又来一遍；同一种对接分数算错了三次，每次都像第一次发现。计算项目越长，真正难保存的往往是那句“当时为什么改成这样”。日志留住了命令，经验却散在聊天、笔记与目录里。

Magnolia把这个问题放到了科研agent的中心。这项2026年10月在arXiv公开的预印本由法国蔚蓝海岸大学、法国国家科学研究中心尼斯化学研究所等团队完成。第一作者Tao Jiang与通讯作者Élise Dumont、Louis-Félix Nothias均来自上述单位，Tao Jiang也担任通讯作者。研究用量子化学、分子动力学与蛋白质—肽对接，观察经验怎样在不同会话之间保存、修正并被再次使用。

把一整套生信交给AI：OmicsBench发现，难点藏在下一轮对话里讨论了长任务的交接；代码跑完了，结果就能进论文吗？给科研agent加一道验收门关注结果何时可用。Magnolia继续追问：一次排错留下的经验，什么时候才值得成为下一次工作的规则？

方法

团队把记忆分成三个层次。会话层接住工具调用、退出码、错误信息和对话，再提炼候选经验；项目层存放确认过、可以按任务检索的条目；经过研究者审核的经验才进入跨项目层，分别成为启动时加载的规则或按需调用的技能。

项目层也允许有限的自动接纳：同一经验至少在两个不同会话出现、置信评分达到0.85，且参数冲突检查没有发现矛盾。这里的评分来自模型自评，不能当作正确概率。升为跨项目规则仍需人工确认。

记忆以带结构化信息的Markdown文件保存，用Git记录修改。当前检索依靠标题、标签、工具和近期结果等启发式评分，可加入模型重排。研究者能够读到经验来自哪次运行，也能撤回错误条目。

技术路线图

结果

让计算过程和经验一起留下

Magnolia以OpenCode承接对话，通过两个MCP服务分别调用科学工具与管理记忆，计算既可在本地执行，也可送到高性能集群。每次运行被登记，后续分析因此能够回到相应命令与产物。

图1｜Magnolia连接研究者、对话运行环境、计算工具和持久记忆，并记录作业从提交到结果取回的过程。

记忆的价值在于可逐步改变身份。一条“这次报错”的记录，先成为项目中的解决办法；如果适用范围足够清楚，才成为更广泛的约定。重复条目的合并也保留预览、人工审核和版本回退。

图2｜经验从会话候选条目进入项目层，再经审核形成规则或技能；合并过程保留可追溯记录。

四个案例，让“完成”和“理解”接上

第一个案例覆盖COMPAS数据库中179个芳香化合物。agent组织量子化学计算，比较半经验方法与密度泛函方法的电子性质，并引入实验电离能作参照。排名接近并不意味着数值没有偏差，系统性偏移仍需分析。

图3｜不同计算方法对芳香化合物能隙、电离能和单重态—三重态能量差的比较，显示趋势一致性与方法偏差并存。

这次计算还留下过一条“刚性平面分子无需预优化”的建议，随后因核查生产代码被修订。记忆需要保留修正的缘由，才不会让旧建议继续传播。

丁烷案例更直观：经典动力学跑了10 ns，AIQM2动力学只有50 ps。后者停留在初始构象附近，直接比较构象占比容易把采样不足误读成方法差异。进一步的二面角扫描，为比较扭转能量提供了更合适的路径。

图4｜丁烷的二面角扫描、构象分布、扭转轨迹和局部结构分布。短轨迹的构象滞留提示采样时间会影响解释。

修饰DNA案例将工作推进到更复杂的体系：生成序列、处理非标准碱基、构建溶剂盒，再分析轨迹与双螺旋几何。其项目记忆保留了结构重建和重启格式等问题，形成7条确认经验与12条候选记录，但尚未晋升为通用规则。

图5｜含修饰碱基的DNA序列与结构，以及代表序列的均方根偏差、弯曲、碱基对张开角和螺旋桨角随时间的变化。

持续数周的蛋白质—肽对接揭示了更隐蔽的陷阱。换用预测口袋后，分数看起来改善了；进一步对照文献、晶体接触残基与构象，才发现对接落在错误位点。研究者据此修改约束，再比较不同长度与突变肽。更好看的分数，可能来自更偏离问题的计算。

图6｜初始约束与预测口袋约束的分数比较，以及纠正位点后不同肽的AIR-free分数。图中DockQ反映簇内一致性，不代表相对实验复合物的准确度。

记了多少，与改变了多少

四个案例合计登记317次运行，积累116条项目层经验，并有4条经验晋升为跨项目规则。量子化学批处理在生命周期管理器之外执行，因此没有计入其运行记录。对接项目一个记忆库的466条记录，则包括候选与已确认条目，不能与116条混用。

图7｜对接项目中不同经验类型的比例与累计数量。横轴按条目顺序分组，各组覆盖的真实时间长度不同。

错误条目在早期较多，后续科学发现逐渐增加；新流程引入时，操作错误也会再次上升。不过，没有再记同一错误，并不能证明错误从未复发。

更直接的证据来自四项小规模受控重放。使用同一模型，分别关闭记忆、打开完整记忆，或在提示中直接给出关键事实。对接配置任务中，开记忆的四次运行均通过10项检查；关记忆时各次只通过1至4项。另一个任务也显示，只要库中缺少固定随机种子的要求，agent仍会漏掉它。记忆能传递经验，也会传递经验中的缺口。