开放式研究的核心特征

开放式研究之所以难以被自动化工具完整接管，根源在于它与窄任务改进在结构上存在本质差异。窄任务改进拥有明确的目标、清晰的评价标准和可重复的执行路径，这类工作交给智能体处理，结果稳定且易于校验。开放式研究则相反，它没有预设的正确答案，研究路径需要边探索边调整，关键判断往往依赖领域直觉和跨学科的隐性知识。换言之，窄任务改进是在既定框架内寻找最优解，而开放式研究的起点恰恰是框架本身尚未确立，需要研究者先提出问题、生成假设，再判断哪些方向值得投入。这种对研究价值的判断和对不确定性的容忍，正是当前智能体难以替代的部分。

由此可以划出一条清晰的分工边界：研发流程中的判断性环节应由人来主导，执行性环节则可放心交给智能体。具体而言，至少有三个环节需要人工把关。其一是问题定义，真正有价值的研究问题往往来自对业务痛点的深层理解、对行业趋势的判断，甚至是对用户模糊需求的洞察，这些问题常常多义且需要突破现有框架才能提出，智能体可以协助整理背景资料，但“研究什么”的决定权必须留在人手中。其二是假设生成，智能体能基于已有数据批量产出候选假设，但它缺乏对研究背景的深层理解，也难以判断哪些假设在现实中可行、值得投入验证成本，有经验的负责人凭直觉排除低价值方向的能力，短期内难以被复制。其三是结果判断，智能体可以高效执行实验、分析数据、生成报告，但“这个结果意味着什么”“是否达到研究目标”“下一步往哪走”这些价值判断，必须结合业务目标和行业认知来完成，正确的结果未必有价值，这个判断只能由人来做出。

基于这一边界，团队可以重新设计人机协作流程，将研发拆分为“判断节点”和“执行区间”两部分。判断节点包括问题定义、方向选择、结果评估，由人主导并辅以智能体的信息支持；执行区间涵盖文献检索、数据清洗、代码编写、实验执行等具体工作，可放心交给智能体高效完成。在设计时需把握三个原则：保持人在环上的机制，确保关键节点有人把关；为智能体设定清晰的输出边界，让它知道哪些内容必须提交给人决策；建立反馈机制，将人的判断结果回传给智能体，帮助它在执行区间持续改进。

需要提醒的是，智能体的能力边界会随技术进步不断变化，今天做不到的事情明年或许就能实现，但开放式研究需要判断力与创造力这一本质不会改变。与其追逐能力边界，不如围绕这一本质设计协作流程——把团队当前的研发流程画出来，标出判断性与执行性环节，为每个判断节点配置辅助机制，并定期复盘人机配合的顺畅程度。这套分工并非否定智能体的价值，而是让它在最擅长的地方发挥最大效用，同时把真正需要判断力的工作留给人类，这样的流程设计会比单纯依赖工具升级更经得起时间考验。