AI办公的新场景：当科学家“夜观天象”有了智能“搭子”

提起AI办公，很多人想到的还是写PPT、做短视频、整理会议纪要。但在国家天文台，AI的“工位”是一台大口径科研级望远镜——它成了科学家“夜观天象”的智能“搭子”。

记者了解到，千问办公协助国家天文台科研团队，利用真实望远镜数据、控制接口和运行逻辑，搭建起一套大口径科研级望远镜数字化仿真系统，整个过程只用了3天，成本不到千元。这套系统并非真实硬件，而是对真实望远镜运行环境的复现：Agent（智能体）像面对真实设备一样读取状态、制订计划、调用接口、执行观测，在仿真环境下提前对相应的观测进行预演。这不仅可以减轻科研人员的负担，也可以在有限的观测时间内更合理地分配望远镜资源。

最近，记者采访了国家天文台的相关专家，了解AI如何走进天文观测场景，赋能科学研究。

把试错留在仿真环境里

天文观测最怕“来不及”。超新星爆发、伽马暴等瞬变事件从数秒持续到数天，越早捕捉，获得的信息也就越完整。观测分“发现”和“后随”两步：大视场望远镜发现候选并预警，大口径望远镜随后开展测光和光谱观测。预警是否及时、后随是否迅速，共同决定最终能够获得多少科学信息。

为了捕捉这些稍纵即逝的信号，全球天文机构建设了大量科研级专业望远镜。但真实望远镜的观测资源昂贵且有限。以国际主流的10米级地面光学望远镜为例，每个有效观测小时的运行成本可达到数万元。此外，望远镜的运行长期依赖人工经验，冬季观测往往从晚上八九点持续到次日清晨，观测人员整夜值守。真实望远镜经不起试错，团队通常先搭仿真环境测试观测策略，过去这类系统由专业软件供应商开发，需要数月，费用达万元级。

这正是这套大口径科研级望远镜数字化仿真系统改变的地方。在仿真环境中，观测人员通过自然语言或定时任务提出目标，Agent调用相关Skill（技能），结合专业模型和望远镜传感器数据逐一判断可观测性、生成观测计划，再通过MCP调用望远镜控制接口执行完整观测流程。“宇宙瞬变稍纵即逝，但仿真环境中，观测可以反复预演。”国家天文台人工智能推进委员会专家李瑀旸说。

国家天文台高级工程师、兴隆观测基地天文组负责人郑捷更看重它的科学底色：“我们天文观测的目的，就是获取高质量的数据，用于后续的科学研究。”高质量，既指仪器良好运行，也指把有限的观测时间留给科学价值更高的目标。先预演调度、再真实执行，正是降低试错成本、提高观测成功率的方法。

AI进一步进入科研执行流程

仿真并不是终点。过去，国家天文台的观测方式经历了“人工操控—基于大模型的固定工作流—Agent驱动”的演进。但固定工作流存在明显局限，不仅搭建门槛高，且只擅长预设场景，环境一变仍需人工修改。

如今借助于千问办公的Agent框架，该仿真系统形成了一条新的完整链路：“仿真环境反复预演—Agent优化观测策略—沉淀技能和记忆—瞬变事件出现—Agent快速响应—调用真实望远镜执行观测”。Agent带来的变化是，不再像软件一样把每一步“写死”：观测人员可以用自然语言提出目标，Agent自主拆解任务、调用工具、读取结果并随环境调整，开始具备自进化能力。

验证已在真实设备上展开：Agent框架已接入“司天”探路者和原型机，已预警8颗极早期超新星候选，其中2颗在天气允许时触发了后续观测。到2030年，这一已入选联合国教科文组织“科学十年”认可名单和金砖国家天文学合作核心旗舰项目的“司天”工程，将形成数十架米级望远镜组成的观测阵列。数十台设备如何协同调度，正需要一个不知疲倦的AI“中枢大脑”——调度策略可以先在仿真环境里“练熟”。

同样的变化也出现在天文之外：一位微电子领域的研究人员用千问办公启动多个Agent优化芯片结构，并行开展多物理场仿真与验证、持续迭代，最终形成研究报告。领域虽然不同，但内在逻辑一致：科研人员提出问题、划定边界，Agent进入专业仿真环境，通过“生成—验证—迭代”寻找更优解。

“科研范式正在发生改变。AI在科研中的角色不再只是辅助分析，而是进一步进入科研执行流程本身。科研工作者更多负责提出问题、设定目标，智能体则承担观测执行、验证和迭代工作。”李瑀旸说。至于“AI会不会取代科学家”，郑捷的态度很明确：AI解决的是已有的问题，提出问题的仍然是人。