小龙虾有一对标志性的大钳子，英文叫 claw。每年夏天，小龙虾都会风靡一时，让无数人一边喊着"吃完最后一只"一边继续剥。
没想到，科研圈的 AI 工具里，也悄悄刮起了 claw 的风。OpenClaw 和各种带 claw 名字的 AI 产品接连出现，进入一个又一个垂直领域。AI agent 正在四面开花，科研圈也不例外——越来越多的实验室和研究者开始接入 AI，让它帮忙干活。
这件事本身是令人兴奋的。AI 在查文献、整理数据、分析结果这些事上，确实能省不少力气。但"有用"和"能用起来"，中间还隔着几道沟。
装不上、用不了、撑不住
我接触到的科研用户，在用 AI agent 时碰到的麻烦，大致可以归成几类。
第一类：装不上。 安装 AI agent 往往需要配 Python 环境、装依赖包、改配置文件。对不熟悉命令行的研究者来说，每一步都是坑，一个报错信息就能卡上一下午。小龙虾这波最火热的时候，有这样的例子——某平台提供上门安装服务，400 块一次，专门帮用户把工具装好。听到这个价格，我第一反应捂脸（这都能赚钱么？），第二反应是：这个需求是真实的，因为真的有人愿意付这个钱来省麻烦。更有意思的是，随后不久，上门卸载的也开始收费了。
第二类：选不好。 现在可用的 AI 技能越来越多，良莠不齐，五花八门。用户面对一堆选项，不知道哪个靠谱，哪个是噱头，哪个适合自己的场景。就算找到了一个看起来不错的，怎么测试、怎么评估、出了问题怎么排查——这些都是额外的学习成本。
第三类：维持不下去。 就算装好了、选好了，日常使用还有一堆麻烦事。API key 要定期续费，忘了就断；网络访问不稳定，有时候连都连不上；运行环境一旦系统更新就可能崩；有些工具还需要机器 24 小时常开，一关机就没法用了。
这些问题叠在一起，形成了一个很高的门槛。科研人的时间本来就很珍贵，做实验、写论文、开会、改稿，已经把一天塞满了。再让他们花时间折腾工具，这个代价不划算，而且大多数人最终会放弃。
一个思路越来越清晰
在这个背景下，最近 Anthropic 提出了"managed agent"的方向——把 AI agent 的基础设施和维护交给平台，用户不用自己搭，直接用就好。
这个思路和我们一直在琢磨的方向很接近。我们自己做产品，也在不断问同一个问题：能不能让用户真的做到开箱即用？不用装环境，不用管 key，不用操心网络，随时随地，打开浏览器就能开始工作。
说起来容易，但里面要处理的麻烦事情也不少。
我们决定把智能体部署在云端。用户这边什么都不用装。
我们能帮大家解决掉的麻烦包括：运行环境和依赖预先装好；资源在云端管理，输入和输出随时可调用，不依赖用户本地的机器；运行在受控的沙盒里，可以嵌入 Codex、Claude Code 等底层工具；技能经过挑选和测试，不是什么都往里放，而是选择适合特定场景、经过验证的能力；维护和升级由我们来做，用户不用操心版本问题。等等。
这也许不是特别复杂的技术创新，更多是一种产品思路上的选择——把方便给用户。从"花两小时配环境"到"打开网页就能问问题"，中间节省出来的那些时间，才是真正的价值所在。
第一个智能体上线啦
我们的第一个云端智能体叫 “生医数据专家”，面向生物医学研究场景。
为什么先做这个方向？生命科学研究涉及的数据库多、数据格式杂、检索逻辑复杂，但又是非常高频的刚需。研究者每天都要查文献、看临床试验进展、找基因蛋白信息——这些任务重复性高，却需要在多个平台之间来回切换，很适合交给 AI 统一处理。
目前它覆盖如下场景：
综合跨库检索，把不同数据库的信息整合在一起。比如你想调研帕金森病因的最新研究，它可以帮你检索 PubMed 整合成报告；你想同时看某个药物的临床试验进展和文献证据，也可以一次搞定，不用自己在几个网站之间来回贴链接。
文献与证据，连接 PubMed 和 bioRxiv，支持写检索式、批量整理题录摘要、按 DOI 查 PMID、拉取 MEDLINE 摘要整理成引用列表等。做系统综述的研究者用起来应该比较顺手。
临床试验，接入 ClinicalTrials.gov，可以按药物名、疾病名、地区、分期检索试验，查看具体试验的招募状态、主要终点、纳入排除标准，也可以导出数据。
基因·蛋白·结构，覆盖 NCBI Gene、Ensembl、UniProt、PDB 等数据库，可以查基因位置、转录本、蛋白序列、三维结构信息等。
药物与生物化学，连接 ChEMBL 和 DrugBank，支持查分子属性、活性数据、药物适应症，也可以用 RDKit 生成化学结构图、做相似化合物检索。
通路·互作·计算生信，KEGG 通路信息、STRING 蛋白互作网络、GO/KEGG 富集分析——做基因列表分析的时候应该能用上。
文档与交付，把 PDF 论文转 Markdown、从 DOCX 里提取表格、把 Excel 转成可引用格式、把 PPTX 转文字纪要——这些跨格式的文档处理任务，它都能做。
下面是它的帮助和示例：
发出指令之后，智能体会开始调用各类工具，一步步探索着，调用各种技能去完成任务：
这不是一个黑盒子，你可以看到它的执行过程，给它指点或者校正方向。
坦白说，还很粗糙
这是我们第一个云端智能体，刚上线，有很多地方还不成熟。
某些场景的回答质量不够稳定；遇到复杂查询偶尔会出错；界面也很简陋。我们没有等到"完美"才发布，因为等到完美可能永远发布不了。更重要的是，真实用户的使用场景和反馈，才是我们知道下一步该怎么做的来源。
所以，如果你遇到报错、发现某个功能用起来很别扭、或者有什么你觉得应该支持但现在没有的场景——告诉我们，有积分奖励。报错也是贡献，认真的。
接下来，我们会根据使用情况和反馈继续迭代"生医数据专家"，也会陆续推出针对其他场景的智能体。科研的每个环节都有值得做的事情，我们不奢望一个智能体包打天下，更想做的是在每个具体场景里，做到真的好用。
欢迎来体验，欢迎来报错，也欢迎来聊聊你在科研中遇到的 AI 难题。
关于麦伴聊斋
这是麦伴科研（MaltSci）记录产品研发进展的专栏，也是我们 build in public 的一个实践。我们在这里聊做产品的过程、走过的弯路、遇到的真实问题——不只是结果，也包括过程里的困惑和教训。如果你是在做科研的研究者，或者对科研 AI 感兴趣、自己也在学习和尝试 AI 工具，欢迎一起来成长。