紫东太初发布AutoProject引擎，推动AI科研从单任务迈向全项目
把AI从“执行单个任务”升级为“自主推进整个科研项目”，AutoProject让科研人员只需提目标，AI负责规划、执行和验证。
过去AI只能完成一个个独立任务（Task），比如查文献、跑代码。现在紫东太初的ScienceClaw升级，推出了AutoProject引擎，能理解模糊的科研构想，自动拆解子任务、规划路径、长程执行，并验证结论是否有证据支撑，让AI独立推进整个科研项目（Project）。
正文摘录
过去几年，随着大模型与智能体技术快速发展，AI 已经从文献检索、数据分析、代码生成，逐步进入仿真计算、实验分析等科研环节。 过去，AI 更多作为工具或任务智能体，在科研人员明确目标、边界和路径后，完成一个个相对独立的 Task。 一个 Project 往往从模糊的研究构想开始，包含多个相互依赖的任务，并随着新文献、实验结果和异常数据不断调整研究路线。 真正的项目级科研，需要 AI 理解科学目标、主动拆解任务、协调任务依赖、持续执行，并根据研究反馈动态调整，最终推动整个项目走向结论。 也正是在这一行业拐点上，中科紫东太初旗下新一代科研原生智能体 ScienceClaw 完成了一次关键升级。 此次推出的 AutoProject 项目级自主科研引擎，旨在解决“如何把一个科研项目做得更好”，推动 AI 从执行孤立任务，走向承接完整的科学发现。 真正承接一个科研 Project，AI 面对的不是单一任务执行，而是一套从项目规划到最终结论的完整科研过程。 因此，AutoProject 并非简单延长 AI 的任务执行链路，而是围绕项目规划、长程执行、证据验证构建项目级自主科研能力，让科研人员只需提交科研构想或宏观目标，AI 即可自主完成： 面对一个模糊的科研目标，Project2Task 综合研究目标、文献证据、资源约束与任务依赖，自主确定研究路径，拆解子 Task，并规划任务之间的串并行关系与资产复用，最终生成一套可执行、可迭代的项目任务网络。 以带钢表面缺陷智能识别课题为例，用户仅需输入简短科研目标，AutoProject 即可依托 Project2Task 将模糊需求转化为全周期的任务规划。 系统自主识别可并行任务与强制串行环节，规划多条研究路线的优先级，构建任务依赖关系，并挖掘可跨任务复用的数据与模型资产；