EvoScientist：DeepResearch Bench 排名第一的自进化 AI 科学家

EvoScientist 是什么？

EvoScientist 是一个自进化的多智能体 AI 科研系统，面向端到端科学发现。它不是取代研究者，而是作为「人在环路上」(human-on-the-loop) 的科研伙伴，与你协同进化——处理繁琐工作，你负责把控方向。

该项目在 2026 年 3 月登顶 DeepResearch Bench II 排行榜第一名，并获得 ICAIS 2025 最佳论文奖，其 AI 生成的 6 篇论文全部被 AI Scientist Track 录用。

EvoScientist DeepResearch Bench 排名第一

6 个专业 Agent

EvoScientist 由六个专业子 Agent 协同工作：

Agent	职责
Plan（计划）	将研究目标拆解为结构化任务
Research（调研）	检索、摘要、综合文献
Code（编码）	实现实验、数据处理和分析
Debug（调试）	诊断和修复代码及流水线问题
Analyze（分析）	解读结果、生成可视化、得出结论
Write（写作）	输出出版级手稿（LaTeX/Markdown）

完整科研工作流：输入 → 计划 → 执行 → 评估 → 写作 → 验证。

核心特性

EvoMemory（进化记忆）：跨会话持久记忆——上下文、偏好和发现自动延续
多模型支持：一个配置切换 Anthropic、OpenAI、Google、NVIDIA
200+ 内置技能：预置科研技能，还能从 GitHub 即时安装新技能
MCP 集成：连接任意 MCP 服务器获取额外工具
多频道：CLI/TUI 为核心，支持 Telegram、Slack、飞书、微信、Discord、QQ

快速开始

安装

需要 Python 3.11–3.13，推荐用 uv 安装：

# 作为 CLI 工具安装
uv tool install EvoScientist

# 或安装到当前环境
uv pip install EvoScientist

可选频道扩展：

uv pip install "EvoScientist[telegram]"
uv pip install "EvoScientist[slack]"
uv pip install "EvoScientist[all-channels]"

配置向导

运行交互式配置：

EvoSci onboard

EvoScientist 配置向导

向导会引导你设置 LLM 提供商、API 密钥和偏好。支持 Claude Code 和 Codex CLI 用户的 OAuth 认证。

使用 CLI

配置完成后，启动研究会话：

EvoSci

EvoScientist CLI 界面

TUI 提供了丰富的交互界面，用于管理研究任务、查看 Agent 活动和审阅输出。

MCP 集成

添加 MCP 服务器扩展能力：

EvoSci mcp add arxiv-search npx -y @arxiv/mcp-server

频道连接

连接消息平台进行远程科研协作：

EvoSci channel setup telegram
EvoSci channel setup slack
EvoSci channel setup feishu

典型工作流

一个端到端科研会话的例子：

1. 定义研究问题

研究蛋白质语言模型在药物发现中的最新进展。
聚焦 2025-2026 年的论文。我需要一份全面的文献综述。

2. Plan Agent 将此拆解为任务：识别关键论文、分类方法、比较架构、总结发现。

3. Research Agent 在 arXiv、PubMed、Semantic Scholar 上检索，阅读和交叉引用 50+ 篇论文。

4. Code Agent 构建对比表格、生成引用网络、创建基准可视化图表。

5. Analyze Agent 识别趋势、文献空白和潜在研究方向。

6. Write Agent 输出结构化的文献综述手稿，包含规范引用、图表和 LaTeX 格式的参考文献。

全程你都可以在任何检查点介入——批准、重定向或要求修改。

荣誉与认可

DeepResearch Bench II 排名第一（2026 年 3 月）
ICAIS 2025 最佳论文奖
ICAIS 2025 AI 审稿人好评奖
AI 生成的 6 篇论文全部被 ICAIS 2025 AI Scientist Track 录用
技术报告：arXiv:2603.08127

技术栈

EvoScientist 基于 LangChain 和 DeepAgents 构建，技能兼容 Claude Code、Cursor 和 OpenClaw。