复旦团队把"龙虾"塞进科研工具：论文复现全自动了

复现一篇论文平均耗时多久？配环境、装依赖、改Bug，熟练工也要一周。现在，一只叫OpenClaw的"龙虾"把它压缩到了几小时。

一只"龙虾"的科研革命

复旦NLP团队最近干了一件事：把爆火的AI Agent OpenClaw，嵌进了科研工具「切问学术」。不是简单的功能叠加，而是直接造了一个24小时在线的「全自动实验代理」——PaperClaw。

流程极简：上传PDF，剩下的交给它。

但"极简"背后是一套完整的自动化闭环。PaperClaw会先执行多数人忽略的预检：自动连接远程服务器，校验SSH/GPU/显存/RAM，确认Python环境，直到Pilot Test跑通。整个过程像直播一样可视，从环境搭建到实验闭环，全程无需人工介入。

这不是概念演示。实测中，它已能独立完成论文复现的全链条操作。

从"读论文"到"造论文"的跃迁

切问学术的野心不止于复现。新上线的「研究构思」功能，试图解决更痛点的问题：读完顶刊后，如何找到创新缝隙？

实测案例很直观。针对某视觉文档检索论文，系统精准指出了Query-agnostic构建的短板，几分钟内生成一份逻辑严密的新研究计划和改进路径。本质上，这是让AI扮演"站在巨人肩膀上"的协作者，而非单纯的信息检索工具。

功能迭代的轨迹清晰可见：早期切问学术聚焦文献搜索+阅读+管理，现在这些被重新定义为"基础功能"。语义级深度搜索替代关键词匹配，AI像导师一样拆解复杂问题；搜到的论文自动提取元数据入库；PDF上传后开启AI问答，静态资料变成"会说话"的导师。

甚至支持定制ArXiv AI分类订阅，最前沿的Paper主动推送。

Agent正在重新定义科研分工

OpenClaw这类Agent的核心价值，是把AI从"工具"推进到"执行者"层级。科研流程中大量重复性劳动——环境配置、依赖调试、实验跑通——被自动化剥离后，人的认知资源得以集中在真正产生洞见的环节。

切问学术的迭代路径，某种程度上映射了AI科研工具的竞争焦点：从信息获取效率，转向实验执行效率，再转向创新发现效率。PaperClaw和研究构思的组合，恰好覆盖了这三个层级。

一个值得观察的信号是：当论文复现的门槛被大幅降低，科研竞争的变量会发生什么变化？是加速内卷，还是释放更多原创性探索？