950 个 AI Agent 发现类 CRISPR 酶系统：Anthropic 的"agent 军团"时刻

9 月 29 日，《Smithsonian》杂志报道了一项让生物学家和 AI 研究者同时坐直了的研究：Anthropic 出动约 950 个 AI agent，在一个海量 DNA 数据库里自主搜索"有意思的逆转录酶新例子"，最终发现了一个类似 CRISPR 的全新酶系统。关键不在于酶本身——Anthropic 的科学家坦言，他们还不知道这个酶系统是干什么用的。而在于过程：AI 自己写代码、自己设计搜索策略，人类只给了它一个模糊的方向。

这是 Anthropic 在 9 月 23 日的一份声明中公布的成果，相关论文已作为预印本发布（尚未经过同行评审）。麻省理工与哈佛 Broad 研究所的分子生物学家冯张（CRISPR 领域的先驱之一）评价道："这是 AI agent 能为生物发现做贡献的激动人心的例子。我希望这项工作能鼓励更多科学家探索 AI 如何支持他们的研究。"

950 个 agent 是怎么"做科研"的

根据公开信息，这次发现的流程大致是这样的：研究人员给 agent 群体下达了一个开放式指令——在 DNA 数据库里寻找"有意思的"逆转录酶新例子。Agent 们自己编写代码来执行搜索，初步筛出了约 200,000 种候选酶，再层层收敛，最终锁定了一个前所未见的酶系统，其结构与获得诺贝尔奖的 CRISPR 基因编辑工具相似。

注意这个流程里没有人类写分析脚本。传统生物信息学的工作流是：科学家想清楚要找什么 → 写代码 → 跑数据 → 看结果。这次是：科学家说"我想找有意思的东西" → agent 自己决定怎么写代码、怎么筛、怎么判断"有意思"。昆士兰科技大学的计算机科学家 Dimitri Perrin 在《The Conversation》上撰文指出，这代表了 AI 自主性的实质性跃升。

逆转录酶本身值得解释一句：它能把 RNA 读成互补的 DNA 链，是分子生物学的核心工具酶之一。CRISPR 之所以革命性，是因为它给了人类精确编辑基因的能力。一个"长得像 CRISPR"的新酶系统，哪怕功能未知，也足以让整个领域竖起耳朵——万一它是一种新的基因编辑机制呢？

为什么这件事和写代码的人有关

你可能会问：生物发现跟我这个写代码的有什么关系？关系很大，因为这可能是 agent 第一次在"开放式探索"任务上产出人类真正关心的新知识。

过去两年，coding agent 的能力展示大多停留在"把已知需求变成代码"：修 bug、写测试、搭脚手架。厉害，但本质上是执行。而这次 Anthropic 的 agent 做的是另一件事：在没有明确验收标准的情况下，自主探索未知空间，并带回了人类没见过的东西。这是从"执行者"到"探索者"的跨越。

对 vibe coding 玩家来说，启示有三层。第一，agent 的真正价值可能不在写 CRUD。CRUD 是"把清楚的需求翻译成代码"，而 950 个 agent 干的是"把模糊的好奇心变成发现"。未来最值钱的 agent 应用，可能不在软件工程内部，而在科研、数据分析、市场探索这些"问题本身就不清楚"的领域。第二，"给模糊目标"正在成为一门手艺。这次人类只说"找有意思的例子"，agent 却能产出有意义的结果——说明前沿 agent 已经具备了把模糊意图操作化的能力。反过来想：你平时给 coding agent 下的指令是不是太琐碎了？也许该学着给更大的目标、更少的步骤。第三，多 agent 协作从论文走进了现实。950 个 agent 不是 950 次串行调用，而是一个协同搜索群体。今年我们写过"多 Agent 的坑"，当时还停留在 3-5 个 agent 的小队作战；Anthropic 直接展示了"agent 军团"的打法。

冷静：三个"但是"

激动之后，必须说三个"但是"，这也是做 vibe coding 的人最该养成的习惯——对 AI 的产出保持"信任但验证"。

但是之一：预印本，未经同行评审。论文还没有经过独立科学家的严格审查，酶系统的真实性、分类、与 CRISPR 的相似程度，都还停留在"Anthropic 自称"的阶段。科学史上有太多预印本阶段惊天动地、评审后悄无声息的案例。

但是之二：不知道它是干什么的。Anthropic 科学家明确表示，他们不清楚这个酶系统的功能，更无法判断它有没有 CRISPR 级别的实用价值。发现一个"长得像锤子的东西"，不等于找到了一把能用的锤子。

但是之三：950 个 agent 的成本无人提及。这次搜索消耗了多少算力、多少 token、多少钱，声明里只字未提。如果发现一个未知功能酶的代价是数百万美元，那它的"科研经济学"就值得打个问号——至少在成本降下来之前，这种打法还只是巨头的游戏。

我的判断是：把这次发现看作"agent 科研能力"的概念验证，而不是"生物学突破"本身。概念验证的意义在于，它证明了"模糊目标 + agent 群体 + 自主写代码"这条路线能走通。对开发者的直接启发是：下次你面对的不是"写个登录页"而是"帮我搞清楚用户为什么流失"这类开放问题时，不妨试试 agent 探索模式——给方向、给数据访问权、让它自己写分析代码，你负责评审结论。这可能是 2026 年下半年最值得练习的新工作流。

从 Copilot 帮你补全一行代码，到 950 个 agent 帮你探索一片 DNA 海洋，只用了不到四年。Agent 的边界，正在从"代码"扩张到"知识"本身。