AI Agent 会写代码，不等于它会做科学计算。
以水文模拟为例，Agent 要划分流域、准备强迫数据、转换单位和坐标、设置参数、运行模型、诊断异常，最后判断结果在物理上是否成立，任何一步出错都可能让整条工作流失效。
更棘手的是，很多错误不会让程序崩溃：模型照样输出一条平滑、看起来十分"合理"的曲线，只是它在科学上毫无意义。
研究者能把流程跑稳，靠的还有散落在源码、示例算例和头脑中的操作经验；当 Agent 接手，这些隐性知识就成了硬门槛。
对此，来自河海大学长江保护与绿色发展研究院的研究团队提出Know Infrastructure（KI，知识基础设施）：在 Agent 与专业模型之间建立一层共享 Harness，把专家经验变成可执行的工具、必须通过的检查和出错后的恢复方法。
KI：把隐性经验变成三层可执行结构
KI 不替换机理模型，也不规定 Agent 怎样思考，而是把专家的隐性知识转化为Agent 可调用、可检查、可执行的外部结构：
L1 已验证建模算子：把容易出错、又没什么创造性的步骤封装成确定性的代码工具，Agent 直接调用，不再每次重写一遍。
L2 分阶段领域协议：每个关口规定好往下走之前必须验什么——时空一致性、参数范围、水量守恒、输出边界，不过关就不许往前。
L3 诊断恢复机制：常见故障整理成"症状—诊断—解法"三元组，专门对付前两层放过去了、但表现不对劲的情况。
△KI 的三层结构：算子管住动作，协议判断合理性，诊断机制修复隐性故障。3000 次试验：从跑不通到 84%
团队把 VIC 水文模型与 Lohmann 汇流模型串联，设置 14 个建模里程碑，让 5 家平台的 10 个编码 Agent 在淮河三个嵌套流域上各运行 100 次，共 3000 次独立试验：每次都是全新容器，没有记忆没有缓存，发出第一句提示后不再有人介入。配备 KI 后，最佳 Agent 端到端成功率达到84%；撤掉 KI 后没有一个 Agent 能可靠完成整条流程。更关键的是一致性：30 个" Agent —流域"组合里，有 15 个跑 100 次独立运行、NSE 方差为零。
△3000 次多 Agent 试验的里程碑通过情况、成功率与重复运行一致性。119 个模型、14 个领域：操作结构是收敛的
如果每个 KI 包都要专家手工搭几个月，就形成不了基础设施。团队把构建过程本身做成工具 KDT（知识解剖工具包，按 MIT 协议开源），按统一的 9 阶段流水线产出 KI 包，最终覆盖 14 个领域的 119 个模型。收敛是测出来的，不是设计出来的：835 个工具落进 7 个守恒的功能类别；2406 条诊断机制里，单位换算与输入输出格式错误合计占 55%；3478 个决策点聚成 11 类，其中参数选择、物理选项配置、单位体系设定出现在每一个领域。不管模型算的是冰川质量平衡还是作物物候，建模者面对的是同一批操作选择题。
△119 个机理模型跨 14 个地球科学领域，颜色代表 KI 的验证深度。
△跨 119 个模型、14 个领域的结构收敛：算子功能与决策模式高度一致。KI 的通用意义：一层可以被共享的中间协议
这套关于"完成"与"复现"的逻辑，并不只属于地球科学。回头看 KI 那三层，里面没有一个字是水文特有的。任何一个专业工具—— CFD、分子动力学、有限元、遥感处理链，甚至一台得按规程操作的仪器——只要它链条长、门槛高、"什么算对"的判据是隐性的，那么操作它所需要的知识，还是那三类：怎么做、做对了没有、错了怎么救。119 个包收敛出来的类别，说的不是水文的事，而是"操作一个专业软件"本身的语言。
所以团队的判断是：KI 可以当作 Agent 操作领域专用工具、模型和工作流的基础框架。它不是又一个针对某个模型的封装，也不是一个"什么都能干"的通用 Agent，而是中间那一层：上面的 Agent 可以换，下面的模型可以换，中间这层结构不变。真正的突破不是一个平台，而是一份建模社区可以共同拥有、并接着往下扩的协议——这也是团队坚持把 KDT 一起开源的原因。
互联网配资公司可复现不等于没有边界
KI 消除的是操作层面的歧义，解决不了模型自身的结构性不确定：一个把模型跑对了的 Agent，照样继承这个模型全部的假设、参数化方案和缺掉的过程。KI 约束操作，科学不确定性仍需研究者判断。
论文：Li, Z. 等 ( 2026 ) .KISS — Knowledge Infrastructure for Scientific Simulation: A Scaffolding for Agentic Earth Science.
论文地址：https://arxiv.org/abs/2605.17856
项目主站（含中文版）：geoforgehhu.com
Harness 库：github.com/lzwei196/Knowledge_dissection_toolkit
论文配套 KI 包：github.com/lzwei196/KDT-single
元股证券:ygzq.hk一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
【学术投稿】请在工作日发送邮件至：ai@qbitai.com，标题注明【投稿】，并告诉我们：你是谁，从哪来，投稿内容附上项目 / 主页链接，以及联系方式。
� � 我们会 ( 尽量 ) 及时回复你 : )
� � 点亮星标 � �
科技前沿进展每日见尾盘买股票
证券开户官方入口提示：本文来自互联网，不代表本网站观点。