AI科学家的工具包——严格、可审计、可验证

在AI科学家的研究速度飞速提升的今天，验证其产生的结果成为新的瓶颈。为此，ARA（Agent-Native Research Artifact）应运而生，它是一个专为AI科学家设计的协议和技能包，旨在使自主研究过程变得严格、可审计且完全可观察。

ARA的核心设计原则包括三个方面：守门与验证，通过形式验证原则确保每个科学声明都直接与真实执行和可证伪结果相连；洞察结晶，系统性地记录研究轨迹，将零散的日志转化为结构化的可靠知识；以及完全可观察性，通过简洁的界面让人类研究者轻松监督AI的行为。

为实现这些原则，ARA提供了四个专门的智能体技能：研究管理器，忠实记录研究过程中的决策、消融实验、死胡同和配置；编译器，将现有论文、代码库或笔记编译为结构化的ARA工件；严谨审查器，在信任、发布或提交前验证工件的认知严谨性；研究可视化器，以交互式过程地图展示完整的研究轨迹。

安装这些技能非常简单，只需运行 npx @ara-commons/ara-skills，它就能自动检测常见的AI编码助手并提示安装范围。

ARA工件的结构分为四个相互连接的层：认知层，包含声明和实验计划，说明“是什么”和“为什么”；解决方案层，包括架构、算法和约束条件，描述“如何”实现；物理层，包含配置、环境依赖等实际代码和资源；探索图，记录研究过程中的探索路径，包括死胡同节点，并用证据层存放原始数据。

这种结构的优势在于：渐进式信息披露（PAPER.md仅约200个token，帮助智能体快速判断相关性）、跨层绑定（声明引用实验，实验引用证据）、保留死胡同（失败方法作为一等节点）、以及来源追踪（每个条目标记为用户、AI建议、AI执行或用户修订）。

ARA在多种基准测试中表现优异，尤其是在理解、复现和扩展研究方面，相比传统的PDF加代码库方法，显著提升了失败知识的恢复能力。相关论文《The Last Human-Written Paper: Agent-Native Research Artifacts》已在arXiv上公开。

该工具兼容Claude Code、Codex CLI、GitHub Copilot、Cursor等主流AI编码代理，遵循Agent Skills开放标准，并采用MIT许可证开源。