词元星图TokenAtlas
返回案例库

精选案例 · 工程接入与部署 / 知识库与文档

AI 辅助科研计算：我的「词元计划」实践

作者： 蔡隆贤

化学物理系硕士生蔡隆贤利用两套AI助手（推理模型Claw-1和聊天模型Claw-2）组成双智能体协作系统，自动化量子化学计算全流程：包括输入文件自动生成、计算结果自动解析、错误诊断修复、多机远程计算协调以及知识库沉淀。使用前单个计算任务准备需1-2小时，使用后仅5-10分钟，结果提取从30分钟变为自动完成，错误排查由反复查阅手册变为AI自动诊断。

案例速读

该案例具体描述了双智能体系统（Claw-1和Claw-2）在量子化学计算中的实际应用，包括输入文件自动生成、结果解析、错误诊断、多机调度和知识库沉淀，并附有使用前后的效果对比表（如任务准备时间从1-2小时降至5-10分钟），内容详实、数据明确，对计算化学领域研究者有直接参考价值。 建议从 「AI 辅助科研计算：我的「词元计划」实践」、「背景」、「我用 AI 做了什么」、「一、搭建 AI 研究助手系统」 进入正文，先确认真实任务和模型辅助过程。

  • 重点看 多智能体协作模式（推理+执行）实现科研流程自动化、利用AI自动纠正常见计算错误（如阴离子自旋多重度、格式问题）、通过结构化知识库沉淀踩坑经验，形成可复用的模板和规范。结合 工程接入与部署 / 知识库与文档 / 量子化学计算 / 高斯计算 和「化学物理研究人员、计算化学从业者、AI助力科研实践者」，它更适合作为任务检索后的精读材料。
  • 正文目录和原始材料仍然是判断依据；导读只帮助你更快定位阅读重点。
首读入口
背景
读者
化学物理研究人员、计算化学从业者、AI助力科研实践者
复用
多智能体协作模式（推理+执行）实现科研流程自动化
结构
10 个目录入口

原文内容

AI 辅助科研计算：我的「词元计划」实践

作者：蔡隆贤 | 化学物理系硕士生 | 2026.05

背景

我的研究方向涉及大量量子化学计算——分子结构优化、振动频率分析、光解反应路径探索。这些计算需要编写大量格式繁琐的输入文件，解析复杂的输出结果，并且在多台计算资源之间协调调度。

在加入「词元计划」之前，我几乎把所有时间都花在：

  • 手动写 Gaussian 输入文件（格式要求极严，一个空行遗漏就报错）
  • 从几千行的 .log 文件中手动提取能量、频率等数值
  • 在不同服务器之间手动传文件、催算、查状态

我用 AI 做了什么

一、搭建 AI 研究助手系统

我部署了两台 AI 助手（Claw-1 和 Claw-2），组成一个双智能体协作系统，用于自动化科研计算全流程：

角色 模型 职责
Claw-1（任务协调） 推理模型 任务拆解、框架搭建、结果验收、报告汇总
Claw-2（计算执行） 聊天模型（高性能硬件） 编写输入文件、执行高斯计算、提取结果数据

工作流程：

下达任务 → Claw-1 拆解框架 → Claw-2 执行计算 → 提交结果 → Claw-1 验收 → 生成报告

这套系统让我从"一个人干所有事"变成了"管理两个 AI 搭档"。

二、自动化高斯计算

输入文件自动生成

以前写一个 Gaussian .com 文件需要查手册、核对格式，现在直接自然语言描述：

“帮我生成甲醇二聚体的结合能计算文件，用 M06-2X/6-311++G(d,p)，带 BSSE 校正”

AI 自动生成符合规范的输入文件，包括：

  • 正确的电荷和自旋多重度（阴离子自动判断为双重态）
  • 合适的基组和方法选择
  • Counterpoise BSSE 校正配置
  • 格式严格校验（空行、坐标格式等）
计算结果自动解析

计算完成后，AI 自动从输出文件中提取关键数据并整理成表格：

分子 方法 能量 (Hartree) 频率数 计算时间
CH₃Cl M062X/6-31G(d) -258.3452 15 3.2 min
CH₃Br M062X/6-31G(d) -382.8971 15 5.1 min
错误诊断与自动修复

AI 帮助我避开了大量"踩坑"，例如：

  • 阴离子自旋多重度错误（AI 自动纠正为双重态）
  • 输入文件末尾缺少空行（AI 强制格式检查）
  • Counterpoise 校正的电荷陷阱（AI 自动识别混合电荷体系的特殊处理）
  • 基组和方法名称规范（如 M062X vs M06-2X）

这些错误我曾经每个都亲手踩过，现在 AI 帮我提前拦截。

三、多机远程计算协调

通过 SSH 和 Tailscale 组网，AI 助手自动完成：

  • 跨服务器文件传输（输入文件分发、结果文件回收）
  • 远程计算任务调度（在高性能服务器上提交计算任务）
  • 状态监控与轮询（定时检查计算进度，异常时自动告警）

四、知识库沉淀

AI 帮助我将"踩过的坑"整理成结构化知识库：

高斯计算方法记录
├── 二聚体结合能计算模板
├── 阴离子计算注意事项
├── BSSE 校正标准流程
├── 常见报错与解决方案
└── 1166 个测试文件索引

这些知识不再是散落在聊天记录里的碎片，而是随时可查的标准化文档。

效果对比

指标 使用 AI 前 使用 AI 后
单个计算任务准备时间 1-2 小时 5-10 分钟
结果提取与整理 30 分钟/个 自动完成
错误排查 反复查阅手册 AI 自动诊断
并行任务管理 手动切换 多智能体自动调度
知识留存 散落在聊天记录 结构化知识库

心得

  1. AI 不是替代你思考，而是替代你重复劳动。科研中真正的价值判断（选什么方法、怎么解释结果）仍然需要研究者自己，但格式、检索、文件操作这些机械工作完全可以交给 AI。

  2. 建立规范比写代码更重要。AI 助手的效率取决于你给它多清晰的指令和规范。花时间写好工作流文档，回报率极高。

  3. "踩坑"经验值得沉淀。每一个报错都是一次学习机会——让 AI 帮你记录下来，下次就不会再踩。

  4. 多智能体协作是自然的选择。不同任务适合不同模型，让擅长推理的做规划，擅长执行的做计算，各司其职效率最高。

技术栈

  • AI 框架：OpenClaw（智能体编排与自动化）
  • 计算软件：Gaussian 16、PySCF
  • 计算方法：DFT (M06-2X, B3LYP)、MP2、CCSD(T)
  • 远程协作：SSH、Tailscale、SCP
  • 基础设施：Ubuntu Server、多节点集群

更多细节和技术文档可访问 GitHub
返回顶部