Agentic Publication Protocol：尝试现代化科学出版

背景

尽管科学进步在很大程度上依赖于“隐性知识”（tacit know-how）——例如如何运行代码、复现图表、解读边缘案例、选择有价值的后续研究方向以及避开失败的路径——但目前的科学出版体系仍然主要围绕静态的手稿（static manuscripts）组织。这种模式导致了知识传递中的巨大损耗：读者往往只能看到最终的结果和文字描述，而难以获取复现结果所需的完整操作细节和环境配置。

随着大型语言模型（LLM）智能体（Agents）技术的兴起，科学出版迎来了一个转折点。智能体不仅具备理解文本的能力，还能执行代码、交互环境并解决复杂问题。这为出版一种新型的科学成果提供了机会：不再仅仅发布静态的知识，而是发布包含可操作隐性知识的动态实体，供未来的读者和研究者直接使用。

核心内容

本文提出了“智能体出版协议”（Agentic Publication Protocol, APP），旨在通过一种轻量级的存储库格式，将论文与其代码、数据、环境信息、复现说明以及面向智能体的指令文件打包在一起。

1. 核心设计理念：以版本控制仓库为出版对象

APP 协议的核心创新在于重新定义了“出版对象”。传统的出版对象是 PDF 或 HTML 格式的文档，而 APP 将版本控制的代码仓库视为真正的出版对象。这意味着出版不再是一次性的静态快照，而是一个可迭代、可交互、可执行的生命周期。

2. 协议结构与组件

一个符合 APP 标准的出版单元包含以下关键组件：

• 论文主体：传统的学术叙述。
• 代码与数据：实验实现及原始数据。
• 环境信息：确保代码可复现的软件依赖和配置。
• 复现说明：指导用户或智能体如何运行实验的具体步骤。
• 面向智能体的指令文件（Agent-facing instruction file）：这是 APP 的关键创新。它不是写给人类阅读的，而是写给 AI 智能体阅读的。该文件定义了智能体如何理解论文、如何调用代码以及如何解释结果。

3. 论文智能体（Paper Agent）的构建

APP 利用 this http URL（注：原文此处可能指代特定的标识符或链接机制，用于定位资源）和可选的“技能”（skills）来定义一个论文智能体。这个智能体具备以下能力：

• 解释工作：能够回答关于论文内容的问题。
• 复现关键结果：在可能的情况下，智能体可以直接运行代码来复现论文中的图表和数据。
• 支持后续研究：智能体可以协助研究者探索新的研究方向，或指出潜在的失败路径。

4. 开发工具与评估

文章还描述了用于评估和改进 APP 协议及相关智能体技能的开发工具。这些工具旨在衡量智能体在理解论文、复现结果和提供辅助研究方面的表现，从而不断优化出版物的质量和可用性。

5. 智能体时代的科学未来

最后，文章对智能体时代的科学研究未来进行了更广泛的讨论，指出这种出版模式将如何改变科学家获取知识、验证结果和开展合作的方式。

关键要点

• 从静态到动态：科学出版正从基于静态手稿的模式，转向基于可执行、可交互的智能体协议。
• 隐性知识显性化：APP 协议旨在捕获并标准化那些通常难以传递的“隐性知识”，如代码运行细节和环境配置，使其成为出版的一部分。
• 智能体即读者：通过引入“面向智能体的指令文件”，论文不仅服务于人类读者，也服务于 AI 智能体，使智能体能够直接利用出版内容进行推理和操作。
• 仓库即出版：版本控制的代码仓库取代 PDF，成为科学成果的主要载体，强调了可复现性和可迭代性。
• 自动化复现与支持：论文智能体能够自动解释工作、复现关键结果，并辅助研究者进行后续探索，大幅降低了复现门槛。
• 生态系统的构建：APP 不仅是一个格式标准，还配套了评估工具和技能定义，旨在构建一个支持智能体阅读和互动的科学出版生态系统。

意义与影响

Agentic Publication Protocol (APP) 的提出标志着科学出版范式的一次潜在重大转变。

首先，它解决了长期困扰科学界的可复现性危机。通过将环境配置、代码和复现说明打包在一起，并赋予智能体自动执行的能力，APP 极大地提高了研究结果的可验证性。研究者不再需要花费大量时间手动搭建环境或猜测代码细节，智能体可以直接提供“开箱即用”的复现体验。

其次，它加速了知识积累与创新。传统的科学文献是被动消费的，读者需要手动提取信息并尝试应用。而在 APP 模式下，智能体可以作为主动的研究助手，即时解释复杂概念、运行实验验证假设，甚至提出新的研究方向。这使得科学知识的流动从“线性传递”变为“交互式探索”，显著提升了研究效率。

最后，它推动了人机协作研究的新形态。随着 AI 智能体在科研中扮演越来越重要的角色，科学出版必须适应这一变化。APP 协议为人类研究者与 AI 智能体之间的无缝协作提供了标准化的接口和基础设施，预示着未来科学研究将是一个人类智慧与人工智能深度交织、共同进化的过程。