精华速览
国家天文台兴隆观测基地科研团队与千问办公合作，基于其 Agent Harness 框架，用不到 3 天、千元级成本搭建了一套科研级望远镜仿真环境，将望远镜组件和传感器接口封装为 MCP，使 Agent 能读取设备状态与可观测条件。该框架已接入「司天」探路者和原型机，预警约 8 颗极早期超新星候选，其中 2 颗在天气允许时触发后续观测。团队自 2025 年起探索 AI 用于瞬变观测，相关成果被斯坦福 HAI《AI Index Report 2026》列为代表性 AI Agent。这一尝试试图解决海量天文告警与有限望远镜时间之间的调度矛盾。
要点透视
- 国家天文台团队用不到 3 天、千元级成本搭建科研级望远镜仿真环境，同类开发过去通常需数月和数万元。
- 仿真环境基于千问办公 Agent Harness，望远镜组件和传感器接口被包装成 MCP，Agent 可读取设备状态和可观测条件。
- 该 Agent 框架已接入「司天」探路者和「司天」原型机，预警约 8 颗极早期超新星候选，其中 2 颗在天气条件允许时触发后续观测。
- 国家天文台自 2025 年起尝试用 AI 解决瞬变观测中的资源调度问题，星语望远镜 StarWhisper Telescope 以千问为基础模型。
- StarWhisper Telescope 被斯坦福 HAI《AI Index Report 2026》列为 2025 年物理、天文、化学和材料科学领域的代表性 AI Agent。
- Vera C. Rubin Observatory 在 2026 年 2 月 24 日一晚发出约 80 万条科学告警，全面运行后预计最高达每夜 700 万条，公开告警可在约两分钟内发出。
- 国际主流 10 米级地面光学望远镜一个有效观测小时的运行成本可达数万元，真实望远镜难以承受 Agent 反复试错。
- 「司天」工程（GOTTA）已入选联合国教科文组织「科学十年」认证计划，计划构建覆盖全球的百余台 1 米级宽视场光学望远镜。
文章拆解
瞬变天文观测的核心矛盾正在加剧。以超新星、伽马暴为代表的极端事件无法提前推算，早期亮度和光谱变化极快，发现和跟踪的窗口往往只有数小时甚至更短。与此同时，巡天能力快速提升，Vera C. Rubin Observatory 单夜告警量可达数十万条，未来预计达数百万条，但适合后随观测的望远镜时间始终有限。候选数量与观测资源之间的缺口，使「判断哪些异常值得跟踪、用哪台设备跟踪」成为瓶颈。
传统自动化望远镜已发展数十年，资源调度相对成熟，但发现异常后的科学判断和动态重排仍高度依赖人工。固定工作流能处理确定流程，却难以应对天气突变、设备状态变化和多目标竞争等现场变量。国家天文台团队转向 Agent 框架，正是看中其在运行时选择工具、读取结果再决定下一步的能力。然而真实科研望远镜运行成本高昂、设备风险大，无法为 Agent 提供反复试错的空间，仿真环境因此成为必要前置。
千问办公的介入将仿真系统开发周期从数月压缩到 3 天左右，成本降至千元级。第一版仿真先跑通观测数据链，再逐步加入硬件响应，使观测任务如何落到设备动作、设备状态如何反向改变计划，都能在同一环境中演练。这为调度策略的对比和优化提供了可重复、可加速的实验条件。
从行业影响看，若 Agent 能在真实链路中稳定运行，科研人员将从繁琐的逐项查询和协调中解放，把精力集中在科学判断上。对「司天」这类分布式望远镜阵列而言，全球站点的任务分配、天气恶化后的重新调度、多设备协同跟进高价值目标，复杂度远超单台望远镜，Agent 的并行处理和动态决策能力可能成为关键支撑。
值得关注的变量包括：Agent 在真实观测中的长期稳定性尚待确认；仿真环境与真实设备之间的差距可能影响策略迁移效果；多目标竞争和设备故障等极端场景的覆盖程度仍需验证；此外，科研级应用的错误容忍度极低，人工确认节点如何设置、责任如何界定，也是落地过程中需要明确的问题。
暂无评论。