西电团队开源Hypoloom:基于Claude Code的图驱动多Agent自动科研系统

西安电子科技大学EIMP Lab团队近日在Linux.do社区发布开源项目Hypoloom,这是一个假设图驱动的多Agent自动科研系统,旨在实现从假设生成、实验执行到基于证据迭代的全流程自主研究。项目基于Claude Code构建,采用MIT许可证完整开源,运行环境要求Linux系统、Python 3.12、Conda、Git及Claude Code。Hypoloom的核心特点是将研究过程组织为假设图结构:系统先生成初始研究假设,再驱动多个Agent执行实验,实验指标按照初始假设链分别展示,研究者可以直观看到不同研究路线是否正在接近预设目标,从而评估各路线进展并决定后续迭代方向。使用方式上,用户完成环境准备与Profile配置后,在Claude Code中输入/autoresearch init命令即可初始化并启动研究任务,通过/autoresearch-monitor命令查看运行进度。团队同步提供了中文安装文档、中文使用文档及项目中文主页,降低了上手门槛。该项目定位为开源框架,覆盖自主研究的关键环节,代表了国内高校团队将大模型Agent能力引入科研自动化的实践探索。

事件分析

Hypoloom的技术看点在于以假设图组织科研流程,而非简单的单线程任务编排,多条假设链并行推进、指标对照展示,使研究方向的取舍有据可依,这种结构更贴近真实科研中的分支探索模式。其深度依赖Claude Code的架构也反映出编码Agent正向通用任务执行平台演进的趋势。从产业角度看,该系统与Sakana AI的AI Scientist等自动科研项目同属AI4Science浪潮,若实验执行环节足够可靠,有望压缩早期研究的人力成本,但自主科研结论的可信度验证、实验环境的可复现性仍是落地难点。后续走向上,能否支持更多底层模型、扩展至更多学科的实验环境,将决定其从演示走向实用的时间表。高校团队选择完整开源并接受社区监督,也为国内自动科研方向的生态建设提供了参照样本。

核心观点:当AI能自主提出假设、跑实验、依证据迭代,科研的发现权正从人类研究者向算法转移。

原文链接:Linux.do

C code80.ai · AI 编码 API 聚合 Claude / GPT 多模型统一接入,稳定不限速,按量计费,几行配置接入 Claude Code。 了解一下 ›

抢沙发

评论前必须登录!

立即登录   注册