精选案例 · 科研阅读与计算 / 数据处理与可视化
用 opencode 驱动科研计算全流程自动化
文家旭 fork 了 AutoResearchClaw 项目，用 opencode 作为 AI agent 驱动计算材料学 23 阶段自动研究流水线。opencode 承担决策者（生成假设与实验计划）、执行者（自动搜索数据库、生成 VASP 输入、远程提交作业与错误处理）、分析师（解析结果、生成论文级图表）三类角色。…
案例速读
该项目具体展示了如何用 opencode AI agent 将 23 阶段计算材料学研究流水线自动化，通过领域知识注入、人机协同决策和 SSH 安全架构，实现了 70% 以上步骤自动完成。README 详细描述了 AI 在决策、执行、分析三类角色中的实际工作方式，并提供了可复用的经验（AGENTS.md、LESSONS_KB.md 等）。对希望将 AI agent 应用于科学计算自动化的研究者具有直接参考价值。 建议从 「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，先确认真实任务和模型辅助过程。
- 重点看 领域知识注入机制：将规则写入 AGENTS.md 避免 AI 重复犯错，维护 LESSONS_KB.md 动态经验库、人机协同决策：AI 生成结构化的实验计划与失败判据，研究者修正关键决策点、SSH 安全执行架构：AI 在本地运行，计算在远程服务器，互不污染。结合 科研阅读与计算 / 数据处理与可视化 / AI agent / 自动化科研 和「计算材料学研究者、AI agent 开发者、科研自动化爱好者」，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
- 项目做什么
- 读者
- 计算材料学研究者、AI agent 开发者、科研自动化爱好者
- 复用
- 领域知识注入机制：将规则写入 AGENTS.md 避免 AI 重复犯错，维护 LESSONS_KB.md 动态经验库
- 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。