3.3
深览指数
产品36 氪·新智元··AI 生成
万人内测，科研神器爆火实验室，4h肝出论文初稿，全自动接管科研
深度原理团队推出的首款科研AI平台Mira（原SciClaw），以内测上万名科研人员的反馈为基础，将产品从单一工具进化为平台。其核心是“Vibe Researching”理念的产品化：通过专家小队（Agent Squad）、科研画布和WIKI三大模块，让研究者自由定义科研流程，而非遵循预设工作流。文章定位为产品功能宣发+PR软文，核心卖点是降低科研“认知切换成本”、自动化论文初稿生成与知识沉淀，但缺乏对AI生成内容可靠性、学科适用性边界的讨论。适合对AI辅助科研工具有初步兴趣、想了解当下产品形态的科研从业者快速浏览。
核心观点
- ▍Mira通过专家小队、科研画布和WIKI三个核心模块，将“Vibe Researching”理念产品化，让研究者自由配置AI团队来执行文献检索、代码运行、数据分析和论文撰写等任务，而非遵循固定工作流。
- 01内测阶段，一位博士生仅用1分钟配置Auto Research框架，当天下午就产出了一篇完整的AI Paper初稿，涵盖文献综述、实验设计和结果分析。
- 02科研画布将所有格式的文件（CIF、XRD图谱、能带图、PDF文献）放在同一个无限平面上，支持自由拖拽、比对和标注，且内容实时云端保存。
- 03WIKI功能每晚自动处理用户的对话记录、任务结果和上传资料，通过判断核心概念、值得沉淀的结论和待解决问题，结构化写入项目专属知识库。
- 04用户在生物信息学场景中将RNA-seq、蛋白质组和代谢组分析结果并排对比做关联分析；在世界史学习场景中，用WIKI内容定期生成HTML格式的Brainstorm看板。
反方 / 局限
- — 文章承认AI生成的论文初稿仍需人工修改，但未讨论核心风险：AI在基础科学推理中可能产生看似合理实则错误的“幻觉”，尤其对于实验设计、数据解读等高风险环节缺乏伪证性机制。
- — 文章所有用户评价均为正面（“1分钟配置”“比四年笔记有用”），未提供任何用户遇到的失败案例、模型输出与实际实验结果的偏差、或高错误率的学科领域，缺乏审慎边界陈述。
MiraSciClaw深度原理 Deep PrincipleVibe Researching专家小队科研画布WIKIAuto Research新智元
12 分钟 · 3 卡片 · 9 资料
读原文 →