OpenAI近期汇总了多个Agent辅助科研软件项目，涉及生物信息工具维护、语言迁移、GPU重构和性能优化。共同结论是：Agent能够显著降低实现成本，但瓶颈会转移到验证与长期维护。科研代码往往数据特殊、文档不足、依赖陈旧，如果直接要求模型“重写得更现代”，很可能得到运行更快却改变科学含义的程序。
先冻结科学行为基线
改造前保存真实输入、期望输出、性能数据和运行环境。对浮点结果定义合理误差，不要机械要求逐字节相同；对排序、随机过程和缺失值明确规则。缺少测试时，先用旧程序生成黄金样本，并请领域专家确认这些样本代表正确行为。
把任务拆成构建系统、依赖更新、接口整理、性能优化和语言迁移，逐项合并。一次大改会让错误难以定位。每个阶段由Agent提出计划，研究者确认科学约束后再执行。
让Agent工作在隔离环境
使用容器或临时环境固定编译器、依赖和数据版本。Agent只获得项目目录权限，不接触真实患者数据、生产密钥和共享集群管理员账号。需要大型数据时提供脱敏小样本，再在受控环境由人运行完整验证。
命令、补丁和测试结果全部记录。Agent失败后不要无限重试，应输出最小复现、已尝试方案和剩余假设。这样人类维护者可以接手，而不是面对一串无法解释的自动修改。
性能提升必须证明等价
优化不仅比较速度，还要比较内存、结果误差、极端数据和跨平台行为。GPU重写要特别检查并行归约、随机数和精度变化。基准测试至少重复多次，并在冷启动与热缓存条件下分别运行。
若新实现速度显著提升但只有少量真实样本验证，仍不能替代旧程序。先并行运行一段时间，对差异自动告警，再逐步切换。保留回退方式和旧数据读取能力，避免研究项目因升级无法复现历史结果。
长期维护比一次重写更重要
优先向原项目提交改进，与维护者讨论接口和兼容性。另起分支虽然容易，却会分散用户、文档和专家注意力。如果必须建立新实现，应明确负责人、发布节奏、安全响应和资金来源。
在论文和软件说明中披露AI参与方式，但责任仍由作者承担。代码审查者要理解核心算法，而不是只确认测试通过。好的Agent改造应让软件更易安装、测试和维护，而不是产生无人能解释的新黑盒。
落地检查清单
- 改造前建立黄金样本和误差标准。
- 隔离环境运行并限制数据与密钥权限。
- 性能测试同时验证科学等价性。
- 明确上游协作、负责人和长期维护计划。
