PRAXIST Skill：让 AI 科研团队自动迭代收敛的自主研究系统

Skill超级捕获手 技术创作者 2026-09-05 10 阅读

PRAXIST 是由 Sapient Intelligence（GitHub 账号 sapientinc）于 2026 年 8 月 27 日开源的自主科研系统，定位是”你的个人 R&D 团队”——不是帮你调参的 AutoML，而是一套能在可量化、可执行的科研问题上实现多智能体并行研究、多代际证据积累与迭代收敛的完整工作流。该项目发布 5 天即冲上 GitHub Trending 榜首，累积超过 6,000 星，迅速引发 AI 科研社区热议，被认为是”把科研当作持续运行进程而非一次性 Prompt 会话”的新范式。

功能与原则

PRAXIST 的核心能力建立在三个设计原则上：并行研究同伴（Parallel Research Peers）——多个研究员智能体同时探索相互竞争的假设与实现；任务自有的评估（Task-Owned Evaluation）——指标、基线、评估协议由任务项目定义，PRAXIST 本身不携带任何领域假设，保证跨学科复现性；持久证据（Durable Evidence）——候选方案按孵化器（incubator）、前沿（frontier）、宝石（Gems）三态保留，确保好点子不被过早淘汰。每代研究结果由规划小组提炼为下一代的研究议程，循环直到收敛或预算耗尽，形成可审计的代际演进链。

认可度

GitHub 数据显示（截至 2026-09-02）：约 6,785 星、559 forks，发布 5 天即登顶 GitHub Trending 全榜。arXiv 论文（arXiv:2608.25955）已在 MLE-bench 标准化评测集（75 项任务）提交官方评测结果：PRAXIST 获 60 枚奖牌（80.0%），其中 49 枚金牌；对比 Claude Code 基线（Claude Opus 4.8）仅获 55 枚奖牌（73.3%）、34 金牌。更关键的是，PRAXIST 记录的实际模型消耗为 $3,054，仅为 Claude Code 基线 $38,370 的约 1/12，被论文称为”第一个将更强结果与低一个数量级成本相结合的科研系统”。Discord 社区活跃，文档覆盖火箭回收、托卡马克磁控、定量交易、SLAM 等多个真实工程案例。

链接

GitHub：https://github.com/sapientinc/PRAXIST

官方文档：https://praxist.sapient.inc/en/docs

原作者

项目由 Sapient Intelligence 团队发布，主要作者包括 Jin Li、Ahmed Murtadha、Zhiyu Wang、Qiwen Chen、William Chen、Yifei Wu、Guan Wang 等，论文署名单位涉及多所高校与研究机构，团队背景覆盖 AI 系统、软件开发与科学计算。GitHub 账号 sapientinc 为项目官方账户。

介绍

PRAXIST 的核心理念源自一个观察：现有 AI Agent 系统大多以”单次 Prompt + 一次性任务”的方式工作，每次尝试几乎是自包含的——日志、记忆和搜索树记录了”发生了什么”，但没有记录”哪个设计元素产生了改进、该证据是否经过验证、以及它如何与其他元素重组”。这导致长期研究项目反复重学同样的教训。PRAXIST 将每次研究尝试的产出转化为类型化证据图（typed evidence graph），记录发现来源、验证状态和重组路径；将研究议程组织为车道结构前沿（lane-structured frontiers），让后来者可以直接继承已验证的机制、未解决的Claims和有价值的约束，而非从零开始。

架构上，Praxist（编排层）与 Task Projects（任务项目）严格分离：编排层负责智能体生命周期、并行调度、证据协议与代际综合；任务项目负责研究目标、可执行代码、评估器、指标、基线和领域约束。这种分离使 Praxist 成为通用科研基础设施——同一套系统可以服务于火箭回收策略优化、定量交易策略搜索、医学影像诊断流水线等完全不同领域的研究问题，只需替换任务项目层。

特点

  • 代际积累（Generational Synthesis）：每代研究结果由规划小组提炼为下一代议程，好方案跨代继承，避免重复试错
  • 三态证据保留：incubator → frontier → Gems，候选方案按成熟度分层管理，防止早期好点子被误淘汰
  • 任务解耦架构：Praxist 通用编排层 + Task Projects 领域专属层，跨学科复用，无需修改核心代码
  • 可量化的评估闭环：任务项目定义评估协议与指标，PRAXIST 不带领域假设，保证评测结果的客观性与可复现性
  • 多智能体并行探索：支持同时运行多个研究智能体探索相互竞争的假设，提高有效实验吞吐量
  • 极低的科研成本：在 MLE-bench 上以 $3,054 成本超越 $38,370 的 Claude Code 基线，成本效益比约 12:1

使用方法

安装（一键式）：

python3 -m pip install --index-url https://pypi.org/simple "praxist[agents,codex]" && praxist setup --interactive --install-skills codex

快速启动流程：

  1. 安装并运行交互式引导配置（OOBE），完成运行时配置、凭证管理、Codex 技能安装
  2. 阅读 Quickstart 文档，理解项目前提（目标可度量、项目已可运行、最优路径未知）
  3. 创建任务项目：项目必须包含基线代码和运行基线的本地资源，Praxist 不会自行发明缺失数据或模拟器
  4. 定义研究简报（Research Brief）：明确目标、置信标准、允许资源、探索策略和实际运行预算
  5. 启动研究：系统自动协调并行研究智能体，按代际积累证据，直到收敛或预算耗尽

Claude Code 模式（备选）：

# 使用 Claude Code 作为宿主
codex --yolo
# 然后让 Codex 安装并配置 Praxist

使用场景与人群

适用场景：

  • 目标可度量、执行路径未知的长期研发课题（如：火箭回收策略优化、等离子体磁控参数搜索）
  • 多假设并行验证需要可审计证据链的研究项目（如：量化交易策略迭代、新药分子筛选）
  • 需要在有限预算下持续迭代的 AI 科研工程化项目

目标用户：

  • AI 研究人员与 R&D 团队
  • 需要自动化实验、基准测试、证据驱动决策的软件工程师
  • 对科研可复现性有要求的技术组织

不适用的场景： 目标不可度量、项目尚无法运行、或仅需单次代码生成/问答的短期任务。

输入与输出案例

案例一：火箭回收轨迹优化

  • 输入：研究简报——目标为最大化回收成功率，约束为燃料消耗 ≤ 阈值，基线为现有控制策略代码
  • 过程：PRAXIST 并行启动多个研究智能体，各自在仿真环境中探索不同控制策略变体，评估器按成功率+燃料消耗加权打分
  • 输出：代际演进报告，含每代证据链、最优策略轨迹、验证结果；在 MLE-bench 火箭回收任务上超越任务原生基线

案例二：定量交易策略搜索

  • 输入：包含历史行情数据、评估协议（夏普比率、最大回撤）和基线策略代码的任务项目
  • 过程：PRAXIST 多代际并行探索策略空间，持久证据库记录每次实验的参数-结果映射，Gems 层保留高夏普比率候选
  • 输出：策略演进树（显示哪些设计元素反复带来改进）+ 最终推荐策略包 + 可审计的证据链

GitHub: https://github.com/sapientinc/PRAXIST

评论区

0 条评论

登录后可评论。

Skill超级捕获手 10 阅读