Claude Science：Anthropic 把科研 Agent 放进实验室工具链

Claude Science 最容易被误读成「Anthropic 又发了一个科研模型」。官方材料说得更具体：它是一个面向科学家的桌面工作台，跑在 macOS 和 Linux 上，把 Claude、代码执行、数据库连接、实验室已有脚本、HPC/云端算力和可追溯产物放到同一个研究会话里。Anthropic 在 2026 年 6 月 30 日把它以 beta 形式开放给 Pro、Max、Team 和 Enterprise 用户。1

这件事的重点不在「模型又懂了多少生物学」，而在 Anthropic 正把 Claude 从聊天框推进科研流程的执行层。科学家真正花时间的地方，往往不是问一个知识题，而是查数据库、处理文件格式、搭环境、跑批处理、画图、回查每个数字从哪里来。Claude Science 押注的正是这段碎活。

Claude Science 官方文档把它定义成桌面应用：用户用自然语言描述研究任务，Claude 在本机分析环境里写并运行 Python、R 或 shell 代码，读取用户授权的文件夹，通过连接器拉取科学数据库，并把结果保存为带完整来源记录的版本化产物。2 产品页也明确回答了一个边界问题：Claude Science 不是一个新模型，它使用的是用户套餐里已有的 Claude 模型，新东西在模型外侧，主要是科学工具、数据库连接和计算集成。3

这个定位决定了它的竞争对象不是单纯的「更强 LLM」，而是实验室里一整套被拆散的科研工具链：PubMed、Jupyter、R、结构查看器、基因组浏览器、HPC 登录节点、内部脚本、电子实验记录系统和各种数据库。Anthropic 的说法是，Claude Science 希望把这些工具收进一个研究环境，让科学家在同一条会话里完成文献分析、多步研究执行、图表和手稿迭代。1

这也解释了为什么它第一阶段明显偏向生命科学。官方列出的预配置方向包括 genomics、single-cell、proteomics、structural biology、cheminformatics 等，产品页还写到它可以查询 60 多个科学数据库。3 对普通 AI 助手来说，这些任务不是「知道一个答案」的问题，而是要能正确调用工具、读懂专业数据结构、保留中间状态，并让团队能复核结果。

这一组能力放在一起，Claude Science 的产品逻辑就清楚了：它试图让 Claude 承担「协调型研究助理」角色，而不是把 Claude 包装成一个无所不知的科学家。协调型 agent 的任务是拆步骤、找数据、跑工具、写代码、保留 provenance，并在结果出来后帮研究者继续迭代。

Anthropic 在发布页里还提到，用户会与一个 generalist coordinating agent 交互，这个 agent 能调用 60 多个预配置技能和连接器，也能拉起其他 specialist agents，或使用用户自己创建的专家代理。1 这很像把一个科研项目拆成总控、执行者和审阅者，而不是让单个对话模型从头扛到尾。

Claude Science 的首批能力明显服务于计算生物、药物发现和医学研究周边工作流。Anthropic 在发布页举了单细胞 RNA 测序分析、CRISPR screen design、蛋白结构预测、cheminformatics 等 beta 使用场景。1 产品页还把典型用例拆成单细胞 RNA-seq、系统发育/进化分析、蛋白结构和语言模型、化学信息学与分子设计。3

这不是偶然选择。生命科学的工具链特别碎，数据源多，计算任务重，结果又必须能复核。一个可以调用数据库、跑脚本、管理 GPU 或 HPC、保留每一步证据的 Agent，确实比通用聊天助手更接近研究者每天的真实工作。

Anthropic 也在借外部生态补短板。Claude Science 使用 NVIDIA BioNeMo Agent Toolkit 的 skills，连接 BioNeMo 里的生命科学模型和库，包括 Evo 2、Boltz-2 和 OpenFold3。1 NVIDIA 对 BioNeMo Agent Toolkit 的发布说明显示，这套工具覆盖蛋白结构预测、分子 docking、生成式化学、基因组分析、蛋白设计和 biomarker discovery 等任务。4

算力侧也是同一思路。Modal 的集成说明写到，研究者可以把自己的 Modal workspace 接到 Claude Science；需要 GPU 或大量并发 CPU 的工作负载会路由到 Modal sandboxes，例如虚拟筛选、变异分析、序列注释、结构预测和 CRISPR off-target 搜索。5 这说明 Claude Science 不想自己重建所有基础设施，而是把外部工具接成 agent 可调用的动作。

Claude Science 最关键的边界，官方文档写得比发布页更直白。

第一，它不是自动可信的科研结论机。文档明确说 Claude 会犯错，reviewer 只能减少错误，不能消除错误；reviewer 会检查 claim 和执行记录是否一致，但不会重新运行分析。用户在把结果用于研究、发表或下游决策前仍要验证。2 这意味着它能帮你把证据链整理好，但不能替你承担科学判断责任。

第二，它不是临床或诊断工具。官方文档明确写到 Claude Science 是研究工具，不用于临床或诊断。2 对生命科学产品来说，这条边界很重要。它可以支持分子流行病学、药物发现早期分析或文献综述，但不能把输出直接当作医疗判断。

第三，它的隐私边界依赖部署方式和授权粒度。文档写到文件保留在用户电脑上，代码在沙箱中运行；Claude 在访问新文件夹、网络主机和远程作业前需要用户批准。2 产品页进一步说明，原始数据和计算留在本地基础设施上，发送给 Anthropic 的是每一步分析所需的上下文。3 这降低了敏感数据外流的风险，但并不等于零风险：团队仍需要审查哪些上下文会进入提示和模型响应。

第四，它当前仍是 beta，而且平台门槛明确。Claude Science 支持 macOS 13 及以上和 Linux x64，Linux 还需要 socat、bubblewrap 0.8.0 或更高版本，并允许 unprivileged user namespaces；运行时和 starter environments 约需 5GB 空间。2 Team 和 Enterprise 组织还需要管理员先启用。3

这些限制不削弱产品意义，反而说明它不是「点开网页就做科学」的轻量玩具。Anthropic 把它放在桌面应用、沙箱、本地/远程计算授权和组织管理员开关里，说明这套产品默认要进入真实实验室环境，而真实实验室最怕的正是不可控访问、不可复现结果和不可追责的自动化。

如果你的科研流程主要是读文献、整理知识点、做少量手工分析，Claude Science 可能显得重。普通 Claude、Notebook 和现有文献工具已经能覆盖很多需求。它真正有价值的场景，是你的问题需要跨数据库、跨脚本、跨算力环境连续推进，并且每一步都要留下可复查证据。

更具体地说，值得试用的团队大概有三类：一类是计算生物和药物发现团队，需要频繁跑结构预测、筛选、组学分析和图表迭代；一类是已有稳定内部 pipeline 的实验室，希望把脚本、数据库和 HPC 接到自然语言界面里；还有一类是写长综述、证据库或多研究横向分析的团队，需要 agent 帮忙抽取文献 claim、保存证据状态，并让 reviewer 检查引用和数字。

Anthropic 在发布页给出的 Manifold Bio、Allen Institute 和 UCSF 案例都指向这个方向：Claude Science 不是替研究者拍脑袋给结论，而是帮团队把候选靶点评估、长综述证据抽取、分子流行病学分析等流程跑得更快，再由研究者验证。1

这也是我对 Claude Science 的核心判断：它的亮点不在「科学知识问答更强」，而在把科研 Agent 做成可落地的工作环境。能不能长期成立，取决于三个问题：专业连接器是否足够稳定，审稿代理能否真的抓住关键错误，实验室能否把权限、数据和算力管理纳入自己的治理流程。Anthropic 这次给出的答案还不是终局，但已经把问题从聊天能力推进到了实验室工作流。