AI 智能体连基础生物学任务都搞不定？一场暴露科学数据基础设施危机的实验

由 Anthropic、NCBI、Broad 研究所和 Chan Zuckerberg Initiative（CZI）联手进行的一项重磅合作，揭露了 AI 驱动科学的一个“肮脏秘密”：当今最强大的 AI 智能体，在一个极其简单的任务上——从公共数据库抓取病毒 DNA 序列——表现得完全不可靠。这项 2026 年 6 月发布的研究发现，像 Claude Sonnet 4 这样的模型在这项常规工作上的准确率低至 16.9%。

然而，罪魁祸首并非 AI 的智力不足，而是“管道”出了问题。这些基础设施是为人类点击网页表单设计的，而不是为自主智能体打造的。通过构建一个名为 gget virus 的确定性检索层，团队瞬间将准确率提升至接近 100%，证明了修复数据管道是通往可信赖 AI 生物学的最快路径。

为什么 AI 智能体在生物数据库上“翻车”了？

Laura Luebbert 及其同事用一个强有力的类比来框定这个问题：让 AI 智能体来导航生物数据，就像开着现代汽车在中世纪的城市里穿行。车辆本身技术先进，但道路压根不是为它设计的。

这个合作团队测试了多个领先的 AI 系统——包括 Claude、基于 GPT 的模型、Biomni Open Source 和 Edison Analysis——任务是看似简单的从 NCBI Virus 数据库检索病毒序列数据。NCBI Virus 是病毒学家追踪疫情和开发诊断方法时的首选资源库，但结果令人震惊。

以人为本的设计，智能体滞后的性能

NCBI Virus 和许多其他公共生物数据库是为交互式、基于浏览器的操作流程构建的。科学家们通过点击筛选、手动检查结果并依赖视觉提示来完成工作。这种界面逻辑与期望结构化、程序化命令的自主智能体完全不兼容。

极端的非确定性结果

最致命的发现是不一致性。当研究人员让 Claude Sonnet 4 重复三次检索埃博拉病毒序列（经过验证的准确结果应为 266 条）时，它第一次返回了 106 条，第二次 15 条，第三次仅剩 5 条。提示词没有任何改变——变的只有输出结果。

这不仅仅是遗漏几条记录那么简单。在一次模拟中，一个错误的检索严重扭曲了系统发育分析，导致它估算出的埃博拉疫情起源时间为 1922 年，而非正确的 2014 年。AI 并未在科学上产生“幻觉”——它只是被灌输了损坏的数据集，然后忠实地在其之上构建了一个错误的结论。

脆弱且碎片化的基础设施

生物数据分散在数十个数据库中，这些数据库的标识符互不兼容，元数据标准各异，也没有版本控制的 API。软件工程师有包管理器和版本化的端点可用；而计算生物学家通常只能对着不一致的网络界面编写脚本，这些界面还可能会在没有通知的情况下改变。

确定性修复方案：gget virus

与其训练一个更好的模型，团队选择构建一个更好的检索层。gget virus 是一个轻量级的确定性框架，它将 NCBI Virus 的筛选逻辑规范化，变为了一个可复现的程序化系统。

它的工作原理是先应用元数据约束，然后再下载序列，只选择性获取匹配的结构化 GenBank 记录，在处理大批量查询时能将数据传输量减少 98% 以上，同时保留精确匹配的语义。其结果是，每次都能得到相同的数据集——这是 AI 智能体极度需要，但旧基础设施无法提供的特性。

其影响立竿见影且效果惊人。当自主 AI 系统使用 gget virus 作为其检索后端时：

• 所有测试模型的准确率跃升至至少 90.0%，GPT-5.5 甚至达到了 99.7%。
• 稳定性指标全面提升至 0.92–1.00 区间。
• 错误幅度，尤其是那种会颠覆科学结论的灾难性错误，大幅降低。

结论很明确：限制 AI 赋能生物学发展的关键瓶颈不是模型的推理能力——而是确定性的数据访问。加上正确的检索层，当今的智能体已经能够胜任可靠的工作。

为智能体时代重构生物数据基础设施

gget virus 的成功故事是一个更大转变的概念验证。研究人员认为，这种模式并不仅限于病毒学——仅 NCBI 就托管着 30 多个数据库，它们都能从类似的确定性包装器中获益。

从面向人类到为智能体原生设计

生物数据库必须进化，以暴露出有详尽文档、版本化的 API，并具备标准化的筛选和可复现的查询语义。这相当于软件开发者从包管理器和版本控制系统中所获得的东西——是生物科学目前所缺乏的关键基础设施。

推动联邦化、AI 规模的数据

在并行的工作中，Chan Zuckerberg Initiative 发布了一份路线图，呼吁实现可互操作、汇集的生物数据集，这些数据集可以通过命令行界面（CLI）和机器可读的标准进行查询。他们的愿景是：科学家能够在一个单一的联邦查询中搜索、分析和下载多模态数据，从而在没有混乱检索的情况下实现 AI 规模的发现。

CZI 已经付诸行动，正在开发用于联邦数据访问的 CLI，并启动了“十亿细胞项目”（Billion Cells Project），这是一个具有里程碑意义的单细胞数据集，旨在训练下一代 AI 模型。其目标是打造基础性的基础设施，让生物数据对机器来说，就像代码仓库对开发者一样触手可及。

这个教训不仅限于生物学

核心洞察——即旧有的以人为本的界面会破坏 AI 智能体——适用于整个科学计算领域。确定性的、程序化的访问层不是奢侈品，而是让自主系统能够可靠地参与研究的先决条件。解决问题的办法不是坐等一个更聪明的模型出现，而是升级“道路”。