利用長運行 Claude 代理實現科學計算：從非本領域專長到自動化微分宇宙學求解器

• Anthropic 研究人員 Siddharth Mishra-Sharma 探討了如何透過多天代理式編碼工作流程，將 AI 應用於跨領域的科學計算任務。 • 傳統的 AI 互動多處於對話式的緊密監控循環，而新一代長期運行的代理能自主完成原本需時數月的大型專案。 • 專案透過 CLAUDE.md 定義高階目標與設計原則，並讓 Claude 在執行過程中自主編輯與更新指令。 • 為了克服複雜的科學管線錯誤，代理利用 CHANGELOG.md 作為長期記憶的實驗筆記，記錄失敗途徑與精確度表，避免重複死路。 • 程式碼開發搭配 測試神諭（test oracles） 與持續執行的單元測試，確保數值模擬的準確度符合預期標準。 • 藉由 Git 版本控制 與 HPC 叢集（如 SLURM 與 tmux） 的結合，研究人員可以遠端監控代理進度，實現高度自主化的研究團隊管理模式。

「當模型具備處理長視野任務的能力時，我們能指定高階目標並放手讓代理自主運作，在短短數小時內完成原本需要數天至數月的研究專案。」