这一期聊 2026 年最值得关注的三类 AI Agent：Codex、Claude Cowork 和 OpenClaw。它们代表了 AI 从“聊天助手”走向“数字员工”的三个方向：高速执行、深度协作和本地自主。 Codex 更像云端执行团队，适合代码重构、后端任务、脚本自动化和大规模并行处理。它的优势是快、强、适合目标明确的技术任务。 Claude Cowork 更像桌面 AI 同事，适合文档、表格、PPT、UI、复杂项目理解和长上下文协作。它不一定最快，但更擅长理解语境和做深度判断。 OpenClaw 更像本地 AI 控制中心，适合消息分发、新闻摘要、本地自动化和跨平台工作流。它自由度高，但也更依赖用户自己配置、维护和检查。 本期你会听到 * AI Agent 为什么正在变成“数字员工” * Codex、Claude Cowork、OpenClaw 的核心差异 * 哪类任务适合云端高速执行 * 哪类任务更需要桌面协作和长上下文 * 开源本地 Agent 的自由与风险 * 为什么最强方案可能不是单选，而是混合工作流 一句话总结 2026 年最强 AI 员工，不是某一个工具，而是 Codex 的执行力、Claude Cowork 的协作力和 OpenClaw 的自主性，被正确组合进你的真实工作流。

OpenClaw：给 AI Root 权限，是全能管家还是安全噩梦？ 本期我们拆解让 Mac Mini 价格暴涨的开源神作 OpenClaw —— 它不再只是陪聊，而是真正拥有“手脚”、能操作鼠标键盘的本地 AI Agent。 ⏱️ 高光时刻： * 🦞 现象级爆火： 从 ClawCon 上那只自己买啤酒的机器人，看“AI 实体化”浪潮。 * ⚙️ 硬核技术栈： MCP 协议（给 AI 插上 USB 接口）与 React 循环（让 AI 学会自我纠错）。 * 🧪 极致实战： 它是科研人员的“守夜人”（监控仪器），也是普通人的“信息过滤器”（自动摘要微信群）。 * ⚠️ 安全红线： 当 AI 拥有 Root 权限，一封恶意邮件如何引发灾难？（提示词注入风险）。 🤔 灵魂拷问：在 OpenClaw 的 Soul.md 配置文件里，你会给掌管你数字生活的 AI 写下哪三条绝对底线？

如果有一天，一封邮件同时发到全球科学家的邮箱里， 发信人不是期刊，也不是基金委， 而是一个顶尖 AI 团队，只问一个问题： “你科研中最痛苦、最慢、最容易出错的环节是什么？” 本期节目拆解了这份来自 Alan Aspuru-Guzik 教授团队的公开邀请。他们正在构建一种全新的科研智能体 AI——不是被动聊天工具，而是能自主设计实验、调度计算、连接模型与实验的“数字化博士后”。 我们讨论了几个核心痛点： * 几乎无限的化学空间该如何高效探索 * 高精度量子计算与大规模材料筛选如何协同 * AI 能否反向告诉你**“哪一个实验最值得做”** * 为什么科研 AI 必须支持在本地与机构计算资源上运行 但真正颠覆性的，也许不是技术本身，而是开发方式： 未来的科研工具，不再由开发者单方面定义，而是由一线科学家的真实痛点共同塑造。 留给你的问题： 如果你也能拥有一个为你量身定制的科研 AI， 你最希望它先帮你解决什么问题？

第二期 · AI 碰撞 Flow：走进 Timothy Noël 的自驱动化学世界 在这一期里，我们聊的是一位“在重写化学操作系统”的人——比利时化学家 Timothy Noël。 他的研究横跨有机合成与化学工程，却远远不止于“做反应”：他用 流动化学 + 自动化 + AI，在重新设计“如何做科学”这件事本身。 我们从一个问题出发： 当 AI 遇上 Flow 化学，会把传统烧杯里的世界，改写成什么样？ 🧪 本期你会听到什么？ * Flow 化学到底牛在哪里？ 用比头发丝还细的毛细管做光催化，为什么每一个分子都能被“照亮”？ 为什么从 1 g 放大到 1 kg，在 Flow 里更像“拉长生产线”，而不是重写一整个工艺？ * AI 在化学里，是 buzzword 还是真革命？ AI 如何在优化反应时，跳出人类“经验偏见”的舒适区，去探索我们根本不会尝试的条件？ 从“帮你调条件”走向“直接预测新分子的最佳合成路线”，化学研发会被怎样改写？ * 为什么他说：不要买设备，要自己造？ 商业仪器为什么往往是为“已知问题”设计的？ 自己用 3D 打印、开源硬件搭设备，如何让前沿研究更便宜、更可复制，也不再是“黑箱”？ * 失败、暂停与“小胜利”的重要性 为同一个欧洲顶级基金连败 6 次、第 7 次才中，他从中学到了什么？ 什么是“策略性暂停”？为什么在长时间失败后，先去做一个容易成功的小项目，反而更有利于突破？ * 他眼中最重要的，不是论文，而是人 站在国际大会上，看学生的成果被世界顶尖科学家认真提问，是怎样的体验？ 科学作为“全球朋友圈”的纽带：让不同文化背景的人因为同一个问题坐在一起。 看一个胆怯的新博士生，成长为能独当一面的研究者，他为什么说： “科学只是催化剂，真正发生反应的是人的成长和连接。” * 给年轻研究者的几条“真心话建议” 去“面试”你未来的导师和课题组：为什么一定要和在组里的学生私下聊？ 如何用健康的心态面对拒稿和基金失败，“允许难过 1–2 天，然后继续前进”？ 💡 一句带走的话 努尔教授说：努力工作、认真思考，好运自然会来。真正关键的是永远保持积极，因为只有这样，你才看得见运气

访谈全文翻译见链接帖子附件 🎧 Show Notes 在本期节目中，我们邀请了 Timothy Noël 教授——flow chemistry 与光化学领域的领军人物，也是连续化合成、自动化平台和工艺尺度化方面最有影响力的化学工程科学家之一。 我们围绕他的研究理念、团队文化以及对未来化学发展的看法，展开了深入而真实的对话。从如何将微观反应放大到工业规模，到自动化平台如何改变科研效率，再到年轻科研人员如何应对失败、建立判断力与保持长期动力，本期节目为正在科研道路上的你带来非常实在的启发。 🧪 本期重点议题 1. Flow Chemistry 的核心价值 * 为什么连续流体系天然适合规模化，从毫克到公斤级放大有一致性。 * flow reactor 如何提高安全性、传质效率与重现性。 * 他认为“flow 并不是替代 batch，而是扩展我们能做的化学空间”。 2. 自动化与机器人如何改变化学研究 * 自动化并不是为了完全取代研究者，而是为了提升“反应探索速度”和“决策质量”。 * 自动化平台在反应 screening、selectivity 优化中的作用。 * 自动化系统如何帮助年轻学生更快获得“直觉”和“反馈循环”。 3. 从研究想法到 industrial scale：团队如何做决策？ * 判断一条路线是否能“scale”的关键指标。 * 如何选择研究方向：先问价值，再问难度。 * “如果做一年还没有答案，就要敢于止损换方向”。 4. 科研中的失败、坚持与判断力 * 他强调：化学研究不是 stubbornly try everything，而是学会判断。 * 什么时候要坚持？什么时候要果断停止？ * 面对失败的心理建设：“保持积极才能更快看到机会”。 5. 领导力与团队文化 * 如何带领一个跨学科团队（化学、工程、建模）协同工作。 * 对学生的要求：主动、独立、有判断力，而不是简单执行。 * 保持高标准但不压迫，是 Noël 实验室的核心氛围。

本期从“AGI 究竟是什么、为什么难以定义”入手，带你走进 Dan Hendrycks 等人在《A Definition of AGI》中的核心思想：基于 CHC（Cattell–Horn–Carroll）认知理论，构建十个核心认知域的量化框架，并据此评估当前大模型的“通用智能谱系”。我们讨论了 GPT-4（27%）与 GPT-5（57%）的差异、能力不均衡带来的“锯齿状”认知画像，以及“能力扭曲（Capability Contortions）”如何用长上下文与检索增强暂时掩盖长期记忆缺陷。最后聊到 Yoshua Bengio 在 System 2 AI 方向上的长期主张，以及这项工作对未来 AGI 路线图的启发。 要点总结 / Key Takeaways * 定义框架：用 CHC 理论将 AGI 量化为十个认知域，统一“通用性”讨论坐标系。 * 客观测评：以心理计量学思路构造测试，避免“拍脑袋定标准”。 * 现状画像：模型在语言、数学等域进步显著，但 长期记忆（MS）与检索（MR）的内生能力不足。 * 能力扭曲：长上下文与 RAG 更像“外挂”而非内生记忆系统。 * 路线启示：System 2 能力（慢思、因果、规划、长期记忆）是迈向真正 AGI 的关键。 延伸阅读 / Resources * Dan Hendrycks et al., A Definition of AGI (2025) — 基于 CHC 的十域认知评估框架 * Yoshua Bengio — System 2 AI：可解释推理、因果结构与长期记忆的研究方向

今天加开一个诺奖特别期，和一位曾在京都大学 iCeMS (Kitagawa所在研究所）工作的朋友聊了聊2025年诺贝尔化学奖得主之一北川进(Susumu Kitagawa)教授。 但我们今天不只聊奖，更想聊他背后的科研文化—— 为什么京都大学能不断产出诺奖？ 为什么他们宁愿“慢”，也要在细节里做到极致？ 在AI和自动化席卷科研的时代，日本实验室依然坚持“手的感觉”和“传承”的价值。

🎧 节目简介 你有没有想过：一篇研究要怎样写、怎样讲，才能在众多论文中脱颖而出，被顶刊编辑“看见”？ 在这一期节目中，我们深入解读了《Matter》主编 Steve Crawford 的一次独家访谈——从期刊定位到评审机制，从投稿技巧到AI在科研出版中的角色，全方位剖析“顶刊编辑的脑回路”。 无论你正为论文投稿焦虑，还是对科学传播背后的逻辑感兴趣，这期节目都会给你带来编辑视角下的科研世界，帮助你更聪明地讲述自己的科学故事。 🧠 本期亮点 01｜期刊生态与定位差异 * 《Matter》在 Cell Press 家族中是怎样的存在？ * 它与《Chem》《Joule》《Device》之间的微妙差别是什么？ * 内部转投真的有用吗？主编亲口揭秘编辑之间如何“通气”。 02｜编辑眼中的“好论文” * 最常见的拒稿原因竟然不是研究不行，而是“故事没讲好”； * 如何在 Introduction 和 Conclusion 中打动编辑？ * Cover letter 的写作要点与雷区。 03｜评审机制背后的逻辑 * 审稿人怎么选？为什么博士后也能当审稿人？ * 推荐审稿人和避审名单，编辑到底怎么看？ * 审稿难的真实现状与潜在策略。 04｜AI 浪潮下的学术出版 * AI 在材料科学研究中的真实渗透比例； * 哪些算“AI 驱动研究”，哪些只是“蹭热度”？ * 编辑如何看待AI 写作与审稿的伦理边界。 05｜主编的工作日常与社交新玩法 * 顶刊主编每天在忙什么？ * Steve Crawford 为何迷上小红书？ * 他如何通过小红书认识中国科研圈、甚至挖掘到新稿件？ 💡 核心观点摘录 “很多稿件被拒不是因为不够好，而是因为没能让编辑看懂哪里好。”“Cover letter 是你唯一能直接和编辑‘推销’研究的机会。”“我们希望《Matter》能展示材料科学的全貌——而不仅仅是热门方向。”“AI 是工具，但不是魔法。真正有价值的是用AI 提出新的科学问题。”“小红书让我看到科研的‘人味’，看到年轻研究者真实的思考与挣扎。” 🧭 结尾思考 当AI 逐渐介入科研写作与评审， 当发现过程被自动化和加速， “创新”与“作者身份” 会如何被重新定义？ 科学的意义，又将如何演变？

这期节目邀请到了 Matter 主编 Steve Cranford。他曾任波士顿东北大学教授，如今掌舵 Cell Press 旗下旗舰材料期刊 Matter。我们深入聊了学术出版的台前幕后——从稿件筛选逻辑到 AI 在科研中的角色，从 “大牛作者” 的误区到青年科研者如何脱颖而出。 主要话题： * 🧩 Matter 与 Chem、Joule、Advanced Materials、Nature Materials 的真正区别 * 🧠 如何判断一篇论文是否“有材料创新”而不仅仅是性能优化 * ✍️ 主编眼中最常见的投稿错误 & 如何写出让编辑“想往下读”的封面信（Cover Letter） * 🤖 AI 在材料科学与学术出版中的现状与未来：工具、陷阱与趋势 * 🌏 Steve 如何看待并参与社交媒体与作者互动 * 🧑‍🔬 作为编辑的日常工作、职业路径与职业成就感 * 💬 对年轻科研者的建议：为什么“热爱科学”比“追论文”更重要

对应小红薯 梵低 4月29号帖子 讨论文章来自A generative model for inorganic materials design，Nature volume 639, pages624–632 (2025)