如果有人告诉我，一个语言模型能在几天之内筛完我可能要做三个月的数据，找出十几个新的CRISPR系统候选序列，还能自己复写分析流程、调整筛选参数、排除假阳性，我第一反应肯定是不信。可这件事确确实实发生了。在针对大规模基因组元数据的一次挖掘任务中，Claude不仅在任务限定下找到了候选CRISPR基因座，还自己决定了解析路径、补全了工具链，甚至在后续湿实验里有一组候选被验证为有活性的新型系统。这迫使我重新思考一个问题：我们说AI做科研，它到底是在“辅助”我，还是自己就把研究往前推进了一大步？

把我拉回这个问题的，是一次再普通不过的演示。研究者给Claude下达的不是“帮我找几个Cas同源蛋白”这种具体指令，而是一个更高层的目标——“去发现此前没被注释过的CRISPR系统”。剩下的数据库选择、搜索策略、筛选标准和验证逻辑，几乎都是Claude自己推导出来的。这个场景放在两年前，大家会以为是脚本化的自动流程；放在今天，我看着它的操作记录，更像是在看一个上手极快的研究生独立推进课题。

这也是我写这篇文章的原因。我们不缺“AI+生物信息学”的宏观讨论，缺的是把“自主性”这个词拆开，看清它到底在哪几个环节做主、做主做到什么程度、哪些地方仍然离不开人来拍板。下面我用一次相对完整的CRISPR挖掘过程来做拆解，并以我自己的使用经验补充一些可操作的细节和坑点。如果你做的是数据分析密集型科研，这篇文章的内容可以直接替换成你所在领域的所有物。

1. 从一次让湿实验同事沉默的候选清单说起：Claude到底做了什么

1.1 传统CRISPR挖掘为什么这么“费人”？

先给不熟悉背景的朋友补个底。CRISPR-Cas系统一开始是细菌和古菌的适应性免疫系统，记录曾经入侵过的外源核酸片段，靠Cas蛋白把这些片段剪掉。人类把它改造成今天基因编辑的核心工具箱，比如Cas9、Cas12等，都源自这类系统。正因为它能精确切割DNA，每发现一种新的Cas蛋白变体，都可能意味着一种新的编辑工具、更小的递送载体、更精准的PAM识别，甚至是碱基编辑和先导编辑的突破。

但发现新系统这件事，向来费人。流程大概是这样的：从NCBI、IMG、Joint Genome Institute这类数据库拉下海量微生物基因组或宏基因组数据；用Cas1、Cas9等特征序列做同源搜索；对命中的序列做结构域注释，确认它有完整的Cas蛋白功能域；排掉转座子、限制性内切酶这类长得像但根本不是Cas的干扰序列；最后做系统发育树，判断它跟已知亚型的关系。这中间任何一步误判，都会污染整个候选池。尤其是宏基因组拼接出来的序列往往不完整，被称为“孤儿Cas”的片段到处都是。过去三年里被报道过的新CRISPR-Cas变体，几乎没有一例是纯靠BLAST跑出来的，背后全都有研究者大量的手工筛选和领域经验。

也正是因为这样，当Claude交付第一批候选清单时，湿实验组同事的第一反应不是兴奋，而是“这东西你确定不是AI编出来的？”这可能是所有做AI辅助科研的人都会撞上的信任危机：模型太顺滑了，反而让人觉得不可信。

1.2 公开披露里Claude完成的关键节点

从目前公开的项目披露和技术博客来看，那次Claude执行CRISPR挖掘任务的过程，大致可以归纳为四个节点。我先完整说一遍，后面再逐条拆解它的自主性含义。

**节点一，任务理解与方案设计。**研究者给出的是一个开放性目标：“在给定的大型宏基因组数据库中寻找有潜力被归类为新CRISPR系统的候选序列”。Claude没有急着写代码，而是先整理了策略：它列出需要查询的数据库、需要用到的搜索工具、候选判定应满足的硬条件，比如必须同时存在tracrRNA或Cas蛋白核心结构域、序列两翼要有CRISPR repeat阵列等。这个环节相当于人类研究者在实验记录本上写“研究计划”。

**节点二，数据库与工具的选择。**Claude直接对接了公共数据库，并为自己的分析流程选择了一套工具链，包括批量序列比对、结构域注释、重复序列识别和系统发育分析。它不是调用一个整包的GUI工具，而是每一步都自己组织命令、脚本和中间文件。整个过程它多次读取中间输出，根据结果调整下一步。

**节点三，大规模筛选与迭代。**数据库里的序列规模远不是几千条那么简单。Claude写了一套管线，对候选蛋白进行批量注释和过滤，逐步排除转座酶、核酸外切酶、限制修饰系统等干扰项。其中一个最值得关注的细节是：它在第一轮筛查后发现e-value阈值设得过于宽松，导致大量非Cas序列混入，于是主动收紧了筛选标准，重新跑了一遍。这种自我修正的节奏，已经超出一般“给个prompt跑个结果”的范畴。

**节点四，证据链整理与输出。**最后交付的不是一个简单的名称列表，而是每个候选的序列位置、结构域注释、repeat阵列匹配情况、比对统计和分类学信息。它把“为什么这个候选值得进湿实验”的理由完整写了出来，而不是只丢给我一个结论。后来的湿实验验证中，确实有候选序列展现出预期的DNA切割或结合活性。这一步，几乎是整件事里最接近人类科研协作体验的地方。

1.3 没有在公开文档里写出来的真相

我必须诚实地说，以上节点是我基于多方披露和大量类似工作流还原出来的主线。“Claude自主发现”听起来很酷，但实际操作记录里还是能看到不少人工痕迹：研究者给定了数据库范围，框定了“找CRISPR而不是找别的”的语义边界，还在管线中途介入调整过几次提示；湿实验更是完全由人类完成的。所以我们在评价“自主性”之前，首先得有个共识——这里的AI自主，指的是在人类设定的目标和约束内的自主，不是那种“AI自己决定要研究什么”的自主。但就算有这个限制，Claude交出来的东西也已经让我非常意外了。它的价值不在于替代科学家的判断，而在于把那些极其耗时、极其琐碎但又必须严谨的中间环节全部接管了。

2. 把“自主性”拆开看：任务规划、执行、判断与纠错，哪个最惊艳，哪个最危险？

2.1 一个简单的四层自主性框架

为了不在讨论里陷入“AI到底是不是自主的”这种哲学泥潭，我给自己定了一个可以用来落地的分析框架，按决策权的深度分四层：

• 任务规划自主：能不能把“发现新CRISPR系统”这种大目标分解成可执行的具体步骤？
• 执行自主：能不能不靠人工逐步指示，自己写代码、调参数、跑数据、看结果？
• 判断自主：能不能筛选出哪些候选值得保留、哪些该丢，并说明依据？
• 纠错自主：能不能发现自己流程里的错误，并主动改造流程？

如果用这个框架去量，Claude在这四层里的表现是完全不同的。执行自主最强，任务规划次之，纠错自主让我惊讶，而判断自主则处在一种“看起来很强但需要警惕”的状态。

2.2 任务规划自主：把“发现”翻译成“搜索”

Claude拿到“发现新CRISPR系统”这样的任务后，它表现出一种很特别的习惯：先把自己对CRISPR系统的理解铺开，再转化为搜索条件。它没有直接跑去写一个BLAST脚本，而是先做概念建模——什么是Cas蛋白、什么是repeat阵列、什么样的组合才算一个完整的CRISPR locus。

这意味着它在底层语言模型里已经存储了大量关于CRISPR生物学的知识，能够调用这些知识来规划任务。对生物信息学工程师来说，这一步的价值是巨大的：过去我们花大力气写筛选规则、研究怎么把“疑似Cas”和“转座子”区分开，这些经验现在被压缩进了模型参数里。通过对话就能把自己的学科经验转化为一个搜索策略，而不需要从头实现逻辑。

2.3 判断自主：它“看起来”在判断，但证据链透明性决定了安不安全

最让我需要绷紧神经的是判断这个层面。Claude在筛选候选时，确实表现出明显的判断能力：它能比较不同候选的结构域特征，直接淘汰那些结构域残缺、可能只是Cas蛋白片段的序列；同时保留那些虽然新颖但功能域完整的位点。这个过程中它给出的理由，不是模棱两可的“感觉不好”，而是“该候选缺少Cas蛋白的催化结构域，但Keep序列两侧仍有CRISPR repeat，所以要留下”这一类可检验的陈述。

问题在于，它的判断逻辑是建立在概率分布上的，而不是建立在严格的生物学验证上的。一个结构域完全正常、repeat排列极其规整的候选，完全可能是Pseudogene或者来自污染序列的反向拼接。这个风险无法通过prompt技巧消除，只能通过两件事兜底：一是要求Claude给每一个判断附带原始证据，比如命中了哪个结构域、比对到了哪条已知序列；二是人类必须在湿实验验证前设计独立的过滤规则去复核它的输出。说白了，AI的判断需要被“审计”，但审计的对象如果是它输出的证据链，这个过程就变成可控的。

2.4 纠错自主：最惊艳，但也有前提

我在前文已经提到了重跑筛选的那个细节——当Claude发现e-value设置过宽松导致假阳性激增时，它自己决定缩小阈值，重新执行整个比对流程。这个自主纠错能力，恰恰是很多人类新手都做不好的。我见过不少刚入行的生信同学，一个脚本跑出阳性结果就兴奋得不行，根本不反过来看是否漏报或者错报。Claude反而会有一种“结果必须自洽”的执念。

但这种纠错自主有个非常现实的前提：它只在单一逻辑链路内可靠。也就是说，如果整个分析框架的初始假设就错了，比如数据库本身就是坏的、或者模型对某一类蛋白的先验知识整体有偏差，那它再怎么纠错也是在错误方向上优化。这时候指望它自己跳出框架，换一种生物学思路，基本不现实。这个边界，在评估自主性时一定要清醒。

3. 支撑科研自主性的底座：语言理解、代码执行和证据链管理

3.1 为什么语言模型能“推导”出科研方案？

我们得回到一个基础问题：Claude凭什么能完成这套工作流？说到底，是因为科研工作的很大一部分本质上是语言过程。读文献是语言理解，写研究计划是语言生成，解释BLAST输出是语言翻译，甚至设计筛选规则也是一种“把生物学约束转成计算逻辑”的语言转换。语言模型的强项恰好集中在这些地方。

它不是靠蛮力搜索到正确答案，而是把CRISPR系统的学科知识、序列特征和实验设计经验内化成了高维空间的概率关系，再在推理时重新组合。这件事最微妙的地方在于，学术圈长久以来认为“科研直觉”只能靠年复一年的泡在实验室里获得，但现在我们看到，一部分“直觉”其实可以被语言模型高度接近——尤其是那种“看见一堆序列，觉得哪里不对劲”的模式识别式直觉。

3.2 代码执行让“思考”变成了“行动”

如果Claude只能说话不能动手，那这个发现流程根本走不下去。它的代码执行能力才是把科研自主性真正落地的关键。在实践中，我倾向于把它配置成能直接跑代码的环境，比如Claude Code这类终端工具，或者接API后自己封装一个可执行命令行的环境。它在这个环境里可以直接完成以下动作：

• 读取大型FASTA文件，提取候选序列；
• 调用命令工具做序列比对，写Python脚本解析输出；
• 交互式地生成多序列比对和系统发育树的输入文件；
• 将统计结果格式化成最终的表格和结论文本。

没有代码执行能力，模型给出的任何生物信息学结论都只是文本，不能驱动科研流程。有了代码执行能力，它的每一次“思考”都能变成可复现的脚本和文件，这才形成了“假设-执行-验证-修正”的闭环。这也是Claude这类Agent式模型和当年那些纯NLP模型最本质的区别：它会做事了。

3.3 幻觉和数据时效：自主性的两处暗礁

虽然我在上述工作流里说了很多好话，但该挑的毛病还是得挑。第一个暗礁是幻觉。具体到CRISPR筛选，它最危险的幻觉不是凭空编造蛋白序列——这在技术上会被后续比对直接打脸——而是让一个不存在的数据库或工具看起来无比合理。如果模型一本正经地给出一条“从某数据库下载某文件”的命令，但该文件根本不存在，整个流程就会在错误的方向上耗掉大量时间。所以我现在学到的第一课是：它给出的每一个数据库标识、每一个下载链接、每一个工具名，我都会在第一轮跑通前快速验证真实存在性。

第二个暗礁是知识截止。CRISPR领域的命名和注释更新非常快。今天你觉得全新的Cas亚型，可能半年前刚被人命名过，代码里也可能已经内置了对应的注释规则。Claude模型的知识如果截止在某个时间点，它就会把已知的系统当新发现来推荐。缓解办法也比较简单：让它实时检索当前版本的工具文档和数据库注释，在你追问“这条序列在最新数据库里叫什么”的时候，它通常能意识到自己的知识截止问题，主动去查。

4. 人类在哪个环节必须拍板：这三个把关点比验证代码更关键

4.1 湿实验验证仍然是一道分水岭

计算预测做得再漂亮，最终确认一个系统是不是有功能的CRISPR-Cas，必须走湿实验：合成候选序列，构建表达载体，测定切割活性，做PAM鉴定，甚至在小鼠或细胞里试编辑效率。这一步目前没有任何AI可以替代，因为实验生物学的物理化学反应、细胞内的时空组织复杂度，远不是语言模型能模拟的。

所以整件事最准确的描述是：Claude把“算出来哪些候选值得试”这一步的效率和准确性提升了一个量级，但“试出来到底行不行”的决定权，仍牢牢握在人类实验台前。以后我们讨论AI科研自主性，首先要承认这条界线依然存在。它划在哪里，直接决定了我们能多大程度信任AI的“发现”。

4.2 伦理与安全评估：自动化发现的“加速器效应”

第二个人类必须拍板的地方是伦理与安全。CRISPR本身是双刃剑，这不用我多说。当AI几十倍地加速新Cas蛋白的发现，我们实际上也会以同样的速度积累大量可用作基因编辑的“新零件”。这种加速效应本身是好事——也许能更快找到更精准、更安全的编辑器；但同时也意味着，相关基因编辑应用必须配套更严格的安全评估和伦理审查。谁来决定一个新Cas系统能不能被用于临床？谁是责任主体？这些问题的答案必然落在人类制度框架里，而不是AI推理链里。

4.3 反常结果：AI的盲区恰恰是科学突破的入口

受过严格科研训练的人都知道，真正重大的发现往往不是“按计划筛选得到的”，而是“实验结果与既有理论不一致”时逼出来的。AI的优化目标天然倾向于生成与已知模式一致的结果，它会很自然地丢弃那些“不符合CRISPR规律”但可能代表全新机制的异常数据。这种对反常的敏感性，目前还是人类科学家的特质。这也是为什么我始终主张：把AI视为“高吞吐量的已知模式扩展器”来用，把“为什么会这样”的反常追问留给人脑。两者结合，远比单纯让AI全权做判断要健康。

5. 我把这套流程搬回自己项目的实操框架：提示策略与避坑清单

5.1 按阶段划分人与AI的权限，而不是一句“全权交给你”

如果你也想在自己的研究里复现这种“AI自主挖掘”的体验，最重要的一件事不是找最强的模型，而是先设计权限边界。我现在的习惯是把它分成四个阶段，每个阶段人和AI的权重完全不同。

• 阶段一：目标定义。完全由人来定，建议写清楚生物学问题、数据库边界、判定标准。比如给Claude的任务不应该是“找新CRISPR”，而应该是“在环境样本宏基因组组装结果里，寻找没有已知Crp率同源基因但两侧存在CRISPR重复序列的潜在Cas蛋白编码基因”。
• 阶段二：数据获取与管线搭建。AI主导，人可以高度放手。给它足够大的独立操作空间，让它自己写下载脚本、构建本地搜索库、定义中间文件的组织方式。
• 阶段三：候选筛选与假设生成。AI做初步筛选，但所有保留或淘汰的决策都要给出可审计的理由，也就是让它输出“决策日志”。人只在关键节点抽查它的判断逻辑。
• 阶段四：验证解释与论文写作。AI可以提供统计文案，但最终解释权归人。湿实验设计、伦理审批、结论表述必须经过人的主观审核。

5.2 让AI输出“决策日志”，而不是只输出“结论”

这是我用过的最有效的一个技巧。在提示里直接要求Claude按如下格式记录每轮分析的关键决策：

• 当前处理步骤；
• 观察到的数据模式；
• 决策内容（保留、过滤、调整参数等）；
• 决策依据（具体数据指标或结构域特征）；
• 不确定度等级（高/中/低）。

有了这份日志，我不用去猜它卡在哪一步，也不用担心它悄悄丢掉重要候选。整个过程相当于给一个黑箱外挂了透明的审计接口。有一次它在一个低置信度候选旁标注了“该序列可能为CRISPR系统上游的调控区，而非Cas蛋白本身，但保留以便进一步验证”，我看到这个判断时愣了一下，因为它已经在一定程度上学会了研究者的“宁可多留，不轻易放跑”的思路。这种透明输出本身就是对抗幻觉的有效手段——当模型知道自己要解释每个决定的理由，它会更倾向于依赖证据，而不是编造。

5.3 三个我现在绝对不会让AI独立做的动作

最后提三个我实际踩过坑、现在还心有余悸的动作。这些不是技术门槛的问题，而是责任归属问题：

这三个动作的共同点是：它们都涉及“对外承诺”。数据库来源，承诺数据真实；候选名单，承诺实验价值；论文结论，承诺科学立场。凡是涉及承诺的场景，我都倾向由人来兜底，这个原则在过去几个项目的实践中让我避开了很多麻烦。

6. 再聊回那个问题：Claude的科研自主性，我的最终判断

如果把“自主性”定义为“在设定目标之后，独立完成规划、执行、判断与修正闭环的能力”，那Claude在这类数据密集型发现流程里，已经达到了一个相当高的水位。尤其考虑到它在一个复杂而专业的领域里，能自动建库、跑比对、过滤假阳性、组织证据链并交付一份可验证的候选列表，这个能力在2023年之前几乎是不存在的。

但如果把“自主性”定义成“能够自主决定研究价值、承担实验责任、发现范式外的新机制”，那它还差得很远。模型所有精彩的推理，本质上还是在已知空间的组合与延展。真正打开新大门的那一只手，仍然是人类自己的。这种不对称的自主性，恰恰是当下最适合拿来组合使用的状态。

以我的实际体会来说，最理想的AI科研伙伴，不是一个替你做决定的黑箱，而是一个“动手能力极强、会留工作记录、随叫随到但不太了解项目管理节奏”的博士后。你会放心让它跑一个通宵，把数据处理好，把坑趟掉，把初步结论整理成一份能审阅的报告；但到了决定下一个实验方向、判断结果是否支持假说的时候，你一定会自己看完所有原始输出，心里过一遍，才肯签字。

这是个很务实的定位，也是目前AI科研自主性最健康的位置。我知道有人期待更彻底的全自动化科研，也有人担忧AI过度接管会让科研失去灵魂。我的选择简单得多：用好它已经能做的事，对还不能做的事保持清醒，这样无论未来模型能力涨到多高，我们都能在每一轮实验里体验到AI带来的真实生产力，而不是为一句“自主性”的口号和算法较劲。

最后分享一个我一直在用的小习惯：每次让它跑完一个任务，我会多问一句“你刚才哪些步骤最不确定，为什么”。这个问题的价值不在于获得正确答案，而在于逼它能主动发现自己的盲区，并且把盲区信息回传给人。正是这种交互方式，让每一次挖掘的自主与把关，都变成了一种良性的循环。