精选案例 · Agent / 实践案例
用 opencode 驱动科研计算全流程自动化
这个案例围绕「用 opencode 驱动科研计算全流程自动化」记录了一条真实 AI 实践线索，正文重点集中在「项目做什么」「AI agent 做什么」，适合先按任务意图阅读再判断复用。
案例速读
README 标题「用 opencode 驱动科研计算全流程自动化」下已经出现运行/配置路径、结果证据，正文重点集中在「项目做什么」「AI agent 做什么」，比纯概念介绍更适合进入精选阅读流。 这篇案例的阅读价值在于，它把真实任务、模型辅助过程和可迁移做法放在同一个上下文里，读者可以从 「用 opencode 驱动科研计算全流程自动化」、「项目做什么」、「AI agent 做什么」、「决策者」 进入正文。
- 建议重点看 可参考其中的运行与配置路径、适合补充脚本后沉淀为标准流程、已有结果或观测证据可用于判断复用价值。结合 Agent / 实践案例 和「任务驱动用户、AI 实践者」这一受众定位，它更适合作为任务检索后的精读材料，而不是只看一句短摘要后快速跳过。
- 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。
- 看点
- 用 opencode 驱动科研计算全流程自动化
- 读者
- 任务驱动用户、AI 实践者
- 复用
- 可参考其中的运行与配置路径
- 结构
- 7 个目录入口
原文内容
用 opencode 驱动科研计算全流程自动化
作者: 文家旭
我 fork 了 AutoResearchClaw 项目并用 opencode 做 AI agent 驱动改造。
项目做什么
AutoResearchClaw 是一个面向计算材料学的 23 阶段自动研究流水线。给定一个研究主题，它自动完成：文献调研 → 假设生成 → 实验设计 → 晶体结构生成 → VASP 输入文件准备 → 远程提交计算作业 → 错误诊断与重启 → 数据分析 → 形成论文级图表。
AI agent 做什么
opencode 作为 AI agent 嵌入流水线的每个阶段，承担三类角色：
决策者
在实验设计阶段，opencode 根据文献综述生成可检验的科学假设，输出结构化的实验计划（方法、预期结果、失败判据），然后通过人机协同对话让研究者修正关键决策。
执行者
在结构和计算阶段，opencode 自动搜数据库（COD）、匹配空间群模板、做元素替换生成 POSCAR，通过 SSH 连远程服务器用 pymatgen/doped 生成全套 VASP 输入文件，提交作业并自动处理收敛失败。
分析师
计算完成后，opencode 解析结果算形成能、过渡能级、电荷修正，画能带图和形成能图，生成论文级别的图表和表格。
关键经验
- 领域知识注入：把规则写进 AGENTS.md（如"MP 的 DFT 结构常标错空间群"），AI 就不会重复犯错。维护动态经验库 LESSONS_KB.md 持续积累教训。
- 人机边界：科学判断留给人，机械重复交给 AI。
- 安全执行：AI 在本地跑，计算在远程服务器跑，SSH 桥接互不污染。
效果：一个 Sb³⁺ 掺杂双钙钛矿发光机理研究（4 个假设、多个宿主体系、ΔSCF + 声子 + 磁交换），70% 以上步骤由 opencode 自动完成，人工只需在关键节点输入反馈。