BloClaw：面向下一代科学发现的全知多模态智能体工作空间
人工智能
2026-04-02 v1
摘要
将大型语言模型（LLM）整合到生命科学中，催生了“AI科学家”的发展。然而，将这些理论能力转化为可部署的研究环境，暴露了深层次的基础设施脆弱性。当前框架受限于脆弱的基于JSON的工具调用协议、容易中断且丢失图形输出的执行沙箱，以及本质上不适合高维科学数据的僵化对话界面。我们引入BloClaw，一个为人工智能科学（AI4S）设计的统一多模态操作系统。BloClaw通过三项架构创新重构了智能体-计算机交互（ACI）范式：（1）一种XML-Regex双轨路由协议，从统计上消除了序列化失败（错误率0.2%，而JSON为17.6%）；（2）一个运行时状态拦截沙箱，利用Python猴子补丁自主捕获并编译动态数据可视化（Plotly/Matplotlib），规避浏览器CORS策略；（3）一个状态驱动的动态视口UI，可在极简命令面板和交互式空间渲染引擎之间无缝切换。我们在化学信息学（RDKit）、通过ESMFold进行的从头三维蛋白质折叠、分子对接以及自主检索增强生成（RAG）方面对BloClaw进行了全面基准测试，为计算研究助手建立了一个高度稳健、自我进化的范式。开源代码库可在 https://github.com/qinheming/BloClaw 获取。
引用
@article{arxiv.2604.00550,
title = {BloClaw: An Omniscient, Multi-Modal Agentic Workspace for Next-Generation Scientific Discovery},
author = {Yao Qin and Yangyang Yan and Jinhua Pang and Xiaoming Zhang},
journal= {arXiv preprint arXiv:2604.00550},
year = {2026}
}