龙虾掀起了一场关于“智能体”的全民狂欢，当这一逻辑进入科研领域，一场更深层的变革正在发生。近日，由复旦大学自然语言处理实验室(FudanNLP)张奇教授团队创立的切问学术宣布重磅升级，正式上线了“全自动实验设计与执行”功能，标志着这款学术AI智能体实现了从传统科研“七步马拉松”到“智能体自动驾驶”的科研范式革命，科研全流程——从“想idea”到“验证idea”的最后一公里闭环由此打通。科研界，迎来了属于自己的“龙虾时刻”。
从“七步马拉松”到“自动驾驶”：科研范式的历史性跨越
今年两会期间，政府工作报告首次提出“打造智能经济新形态”，深化拓展“人工智能+”，促进新一代智能终端和智能体加快推广。可以说没有智能体，“人工智能+”将会大打折扣。
在AI4S领域，传统科研是一场极度严谨的“七步马拉松”：文献检索、研究现状分析、寻找空白、实验方案设计、编程实现、数据分析、论文写作。在这漫长的流程中，科学家将80%的精力消耗在繁杂的“重复性认知劳动”上，需要手动筛选论文库中的相关研究摘要、痛苦地Debug、一遍遍调格式。
切问学术的诞生，正是要以AI智能体终结这种“体力活困局”。它不是又一款“更好用的搜索框”，而是一个能全自动理解论文、搭建环境、编写代码、执行实验、生成报告的AI智能体。给定其一个研究任务，切问学术就能在上述七大科研环节中实现闭环与自动巡航，科研人员只需在关键节点把控方向。
切问学术可以让科研人员的文献检索的时间从数周缩短至数分钟，实现100倍的效率提升。在问题发现环节让他们从灵感盲区跳脱出来，利用AI进行系统性识别，达成50倍的效率提升。再也无需数月的实验设计试错，直接进入以天计时的新阶段。不必再手工死磕调试代码，而是AI全自动完成，数据分析时间从数周缩短至数小时，论文写作从数月提速至数天。
“过去是人围着实验转，切问学术让智能体围着人的指令转，完成从‘零碎辅助’到‘智能体自动驾驶’的跨越。”团队负责人张奇表示。
全自动闭环：从“想”到“干”的惊险一跃
切问学术此次升级的核心——“全自动实验设计与执行”功能，具体而言是可以帮助科研人员在上传一篇论文后，完成从实验方式拆解、实验执行及实验结果复现的全流程。第一步：理解。 全自动解析论文的实验方法、实验逻辑，提取核心任务与算法。第二步：搭建。 自动匹配算力资源，搭建适用于该论文的计算机实验环境。第三步：执行。 真实编写代码并运行，自我修复可能出现的报错。第四步：报告。 最终形成完整的实验报告。据了解，切问学术在学术实验复现完成度上可实现90%以上的成功率。
这相当于给每一位科研工作者都可以像指挥一个团队一样，同时并发探索十几个前沿方向，并完成可行性验证。在这个过程中，AI 负责在全球海量文献中进行大海捞针式的初筛与模拟，而科学家则专注于定义问题的边界，并对最终的颠覆性发现进行最后的一锤定音。
切问学术正在运行中的实验设计与执行页面
切问学术的厚积薄发源自复旦NLP实验室的“硬核家底”
这场范式革命并非凭空而来。切问学术的创业团队，很多来自张奇教授所在的复旦NLP实验室，他们的科研成果在顶会论文和开源社区中频繁现身。切问学术的底气也正在于这些由顶级科研成果支撑的原子能力。
复旦NLP实验室切问学术团队发表的论文
团队关于知识冲突的研究，入选了NeurIPS 2025 Spotlight，揭示了模型在记忆与现实冲突时的内部决策机制，为解决RAG“模型不听话”问题提供了理论支撑。关于AgentGym-RL的研究则为AI智能体构建了涵盖27个真实场景的“实战演习场”，提出ScalingInter-RL(从易到难的课程学习)，让模型自主探索进化，打到让开源模型性能匹敌商用闭源大模型的效果，被ICLR 2026 大会报告接收为Oral。众多研究成果作为底座，最终让切问学术在第三方评测中的7个维度都交出碾压其他大模型的亮眼成绩单：搜索准确率(wispaper)：93.78%(行业平均约70%)，引用真实率(HalluLens-Cite)：99.80%(接近零幻觉)，文档解析准确率(ExtractBench)：97.80%，公式解析准确率(OmniDoc-FR)：91.79%。
切问学术正在科研的最深处重构人机关系，它的终极愿景是让科学家回归本质，成为“定义问题的人”，将确定性的、重复的认知劳动彻底外包给算力，将不确定的、闪耀的灵感发现交还给人类。同时，切问学术抹平了信息差与代码能力壁垒，让有绝佳Idea的学者，不再受困于工程实现的短板。
相关预测数据显示，十五五末，我国人工智能相关产业规模将增长到10万亿元以上。这一目标的实现，离不开AI与各行业的深度融合。在AI4S领域，由切问学术引领的效率革命，不仅带来时间成本的节约，更将预见整个文明知识库更新频率的狂飙。新材料的发现、靶向药的研发、清洁能源的突破——那些原本需要数十年才能等来的科技奇点，将因为科研“智能体自动驾驶”时代的到来而大幅提前。
