各位社友，今天来聊一个把科技圈老哥们看呆的“科研狠活”。

最近，DeepSeek 研究员陈德里（Deli Chen）在 X 上公开了一个特别的个人项目：他与两位特殊的“合著者”——DeepSeek-V4-Pro 和 GPT-Image2，共同完成了一篇题为《From Copilots to Colleagues: A Survey of Autonomous Research Agents》的 46 页重磅综述论文。

最让人惊掉下巴的数据是，这篇拥有 103 篇 verified 参考文献、包含 7 张图、4 张表的论文，从初稿到定稿一共迭代了 6 轮，总耗时 6 天，经历了 108 轮 Agent 交互，消耗了将近 64.8 万个 tokens。

而陈德里本人付出的“纯脑力”时间，不到 2 小时。他自嘲道：“这篇博客大概 1% 是我写的，99% 是 Agent 写的。”

这位作者到底什么来头？这位大哥是真正的大神骨干。作为 DeepSeek 的高级研究员，陈德里是 V1、V2、V3、V4 以及近期火爆的 R1（DeepSeek-R1）和 DeepSeek-Coder 架构的核心贡献者之一。

这篇全靠 AI 疯狂输血产出的综述，不仅是个好玩的实验，更向我们宣告了一个事实：代码智能体（Code Agent）正在让科研门槛和产出速度产生不可思议的“通胀”。

【编辑观察】AI 作为底层生产工具，现在已经完成了从“键盘代打”向“科研合伙人”的身份跨越。过去一个月才能做完的文章，现在用 Agent 不到一周就能杀青，科研圈和代码圈的玩法真的要变天了。

从“副驾”到“真同事”的进化之路

过去的 AI，顶多算个懂点代码的打工仔。遇到报错就会卡壳，你需要像个老妈子一样，手把手给指令。

但现在的这批新选手不一样了。论文指出，过去 18 个月中，能够端到端完成工作的自主智能体开始爆炸式增长，它们竟然能自己提出假设、搜集文献、执行代码甚至分析结果。方向盘，居然实打实地被 AI 握住了！

为了把这些野蛮生长的科研 Agent 体系捋清楚，这篇由 AI 主笔的论文系统化地分析了 17 个主流系统，并抛出了几项硬核干货。

干货一：AI 也有“自动驾驶”五级打分表

最亮眼的贡献，毫无疑问是参考自动驾驶 SAE 标准，为 AI 科研助手定义的 L1 到 L5 自主分级体系：

  • L1（自动补全）：比如 GitHub Copilot。这属于你掌控方向，它帮你把断续的代码敲完，省时 30% 左右。
  • L2（任务执行）：好比你在用日常版 ChatGPT 办公。它能明白你的差遣，但每一步都需要你点头确认。
  • L3（带检查点的多步执行）：比如 Claude Code。给个大目标，它可以一口气跑几十步，只有超出边界或遇到大坑了才找你报备。
  • L4（端到端全自动）：这就是当下的极限！ Devin、SWE-Agent 等当红炸子鸡都跻身于此，它们能独自工作几小时到几天，你最后只管看结果。
  • L5（自主设定议程）：未来的超级饼。 这个级别的系统能自己挖掘有价值的科研坑、自主分配资源，甚至花几个月积累认知。虽然现在还没系统能完全达到 L5，但苗头已出。

这份体系彻底描绘出了 AI 工具进化的阶梯图。从帮你打工，到代替你独立思考，各级别的分界线被梳理得非常明确。

干货二：科研 AI 的四大门派架构

光知道它们有多强还不够，还得看底层是怎么搭出来的。综述把当下主流的智能体执行逻辑分成了四种架构：

  • 单智能体循环：就是一个大脑死磕到底，反反复复“计划-执行-反思”，适合简单粗暴的单线任务，但太复杂就容易宕机。
  • 多智能体协作：像个项目组，大家分饰不同角色。比如 MetaGPT 的玩法，产品经理和测试员互相互杠，任务完成率直线飙升。
  • 层级编排：活脱脱的“包工头-打工人”体制。主 Agent 控制大局发号施令，一群子 Agent 分开去抓取网页或者编译代码，互不干扰，代表作是 Claude Code。
  • 工具增强执行：就是给大模型装上“四肢”，接上各类化学测算、网络搜索或者机器人的现实接口，从而实现跨界输出。

当然，【编辑观察】发现，现在真正的顶流系统，基本都是把这四个架构揉在一块儿玩“融合技”。

干货三：卡脖子的六大地狱级难题

虽然前途大好，但现有的科研 AI 大本营还没做到完美无缺。论文毫不避讳地甩出了六个让业界头疼的痛点盲区：

  1. 认知死循环：AI 有时候真的挺“轴”的，一旦某一步报错，可能会不停输入同样的错误指令，陷入无限死循环而不自知。
  2. 记忆容量吃紧：超长时间的研究动辄会产生十几万个 token，一旦超出“工作窗口”，AI 就把早期探索忘得一干二净。
  3. “注水”鉴定难：AI 搞出来的新思路究竟是划时代创新，还是从千万个冷门语料里拼凑出来的废话？很难用简单指标判断。
  4. 复现玄学：同样的提示词跑一百遍，可能因为各种细微变量跑出一百种大相径庭的结果。
  5. 安全与道德红线：在这个级别，能独自规划制药实验的黑盒系统如果发生偏差，后果不是单纯加个安全词就能拦截的。
  6. 成本堪比碎钞机：一次端到端的科研全套项目可能烧掉大几百甚至上千美金，科研不平等现象可能会因为算力差距被进一步拉大。

结语：L5 不是梦，你准备好了吗？

在这篇奇妙的“人机合著”综述末尾，人类研究员与 AI 共同为所有人留下了这样一段预测兼警示：

达到能够独立思考、主导超长周期研究的 L5 级别自主智能体，绝不再是“会不会来”的伪命题，而只是“何时到来”的时间问题。研究社区必须着手建立相应的评估框架、安全标准和共享设施。

不知道看完这篇被 AI 挑了 99% 大梁的综述后，打工人们的心里是感到纯粹的狂喜，还是嗅到了一丝被降维打击的寒意？来评论区唠唠你的看法吧！