在科研自动化浪潮席卷之下，一款名为EvoMaster的开源科学智能体框架近日引发学界关注。这款由SciMaster团队研发的工具，通过约100行核心代码即可构建自定义智能体，有效降低了科研场景中AI应用的工程门槛。配套推出的MagiClaw多智能体助手，更让非技术用户通过自然语言交互就能完成复杂科研任务的编排与执行。
传统科研工作中，智能体开发常面临多重障碍：框架搭建复杂、环境配置繁琐、多智能体协作机制缺失等问题，导致许多创新想法止步于技术门槛。针对这些痛点，EvoMaster采用模块化设计理念，将底层架构与上层应用解耦，开发者可基于核心框架快速扩展科研场景专用功能。该框架已支撑起ML-Master、PhysMaster、BrowseMaster等系列科学智能体生态，形成覆盖机器学习、物理模拟、文献检索等领域的工具矩阵。
MagiClaw作为基于EvoMaster的交互入口，创新性地引入飞书机器人作为控制中枢。用户只需输入"帮我制作文献调研助手"等自然语言指令，系统即可自动完成：任务拆解、流程设计、智能体调度、结果整合等全流程操作。生成的智能体工具支持持续调用与迭代优化，彻底改变传统AI工具"一次性使用"的局限。目前已有科研团队利用该平台，在48小时内完成原本需要两周的跨学科文献分析项目。
为帮助用户快速掌握工具应用，SciMaster团队推出《玻尔科研赋能课程》双轨教学体系。3月26日首场课程聚焦零代码入门，北京航空航天大学蔡玉柱博士将演示如何通过MagiClaw构建AI研究团队。这位在ICLR 2025发表自进化多智能体框架的学者，将结合其主导开发的ML-Master系列工具，解析集群智能在科研任务中的协作机制。
4月2日的进阶课程则面向有定制化需求的开发者，上海交通大学朱新虞博士将带领学员在GitHub本地部署EvoMaster框架。这位参与构建X-Master系列工具的电子信息方向博士，将以科研绘图场景为案例，手把手演示从环境配置到智能体落地的完整流程。课程特别设置共创环节，优秀学员作品将有机会纳入SciMaster官方工具库。
项目开源地址（https://github.com/sjtu-sai-agents/EvoMaster）已同步开放，开发者可获取完整代码库与文档支持。配套成立的产品交流群提供实时技术答疑，前20名完成指定任务的成员将获得MagiClaw内测资格。申请入群时需备注"产品交流"以获取专属通道，群内定期分享的实战案例已涵盖材料计算、生物信息、金融建模等多个领域。
