当 AI 代理开始替天文学家跑数据管线，一张此前不存在的天空地图就此成形。
发生了什么
约翰斯·霍普金斯大学天体物理学家 Brice Ménard 使用 Anthropic 的 Claude Science，完成了首张完整的紫外波段全天图。整个过程由 AI 代理主导：从多个空间任务下载原始数据，进行校准，再通过图像修复（inpainting）技术补全观测缺口。最终预测结果与真实测量值之间的平均偏差约为 10%。Ménard 将该项目视为一种此前难以开展的研究范例——如果没有 AI 代理承担繁重的数据整合工作，这类跨任务、跨波段的全局制图很难在合理时间内完成。
为什么重要
紫外波段的地图长期缺失，原因并不神秘：地球大气会吸收绝大部分紫外辐射，观测只能依赖空间望远镜，而不同任务在覆盖范围、灵敏度和校准标准上各不相同。要把它们拼成一张全天图，需要大量人工协调与数据清洗，成本极高。
Claude Science 的介入改变了工作流。AI 代理不是简单地调用一个模型，而是自主执行了“下载—校准—补全”的链条，并用 inpainting 填补没有观测的区域。10% 的平均偏差说明补全结果并非精确复现，但已足以支撑大尺度结构分析。这标志着 AI 在科研中的角色从“辅助计算”转向“代理执行”，科研人员可以把重复性数据工程交给代理，自己聚焦于科学问题。
影响与看点
对天文学界而言，这张图是一个可复用的基础设施：它让研究者第一次能在紫外波段做全天尺度的统计与交叉比对。对更广泛的 AI 行业来说，案例的价值在于验证了代理式工作流在真实科研场景中的可行性——多源异构数据、严格的校准要求、需要填补的观测空白，这些都不是演示环境里的玩具问题。
值得关注的点有三个。其一，10% 的偏差是当前基线，随着代理调用更多任务数据和更精细的校准策略，这个数字可能继续下降。其二，Claude Science 的定位正在清晰化：它不是通用聊天机器人，而是面向科研流程的代理层，这类垂直代理可能成为模型厂商的下一个竞争焦点。其三，数据校准和补全的透明性将决定这类成果能否被学界广泛接受——如果代理的决策过程不可追溯，科学界对“AI 生成数据”的信任门槛依然很高。
一个克制的判断是：这未必是 AI 取代天文学家的信号，但它确实说明，科研中那些最耗时、最不性感的环节，正在成为 AI 代理最先站稳脚跟的地方。
