软件工程师在两年内围绕AI智能体彻底重构了整个工作流程。

科学家和深度科技团队大多仍停留在聊天窗口模式。

并非批评，只是智能体工具本就不在他们的工作描述中。

@ReactorfieldAI 就像 YC，但目标是为了成为AI原生。

为期4周的研究员项目：小团队集体头脑风暴，与顶尖实验室的构建者进行研讨，部分团队还能获得驻场工程师的支持，真正将智能体接入实验室。

面向pre-A轮及以下的生物技术、核聚变、脑机接口、材料、气候……或任何致力于将AI投入真实研发的科学家。

模型已经能够设计蛋白质和运行工作流程。瓶颈在于熟练度。

http://reactorfield.com

我支持那些现在就能弥合这一差距的团队。

Reactorfield - 面向AI原生科学家的研究员项目

来源：https://reactorfield.com/ 申请现已开放 · 8月16日截止

我们致力于让科学家和深度科技创业公司实现AI原生转型。

申请第一期 Cohort 01 (https://reactorfield.com/#apply)

01/项目介绍

Reactorfield 是一个为期四周的项目，通过将智能体嵌入科学工作流程来加速研发。

了解前沿模型的能力，采纳AI原生思维模式，并将AI构建到自己的研究流程中。

假设阶段

展示哪些工作可以自动化的课程。

01a

来自AI公司的演讲嘉宾

前沿AI实验室和科学-AI公司的运营者与研究人员，分享他们实际使用和交付的工作流程。

01b

一对一支持

一对一指导，从选择自动化目标到解决代理循环中的故障。

实验阶段

提供技术栈和支持，使其在你的实验室中运行。

02a

AI工具与技能库

一套为科学工作配置的技能、钩子、循环和提示词库。归你所有，可自由扩展并适配你的研究。

02b

合作伙伴支持与福利

来自我们科学-AI合作伙伴的优惠、信用额度和优先支持，与你构建时使用的工具相同。

发布阶段

每周的节奏，保持真实动力。

03a

每周目标与演示

每周设定一个目标，然后展示变化：“我自动化了这个。”带着具体的下一步构建离开，而不是模糊的意图。

03b

交叉启发会议

研究员们展示他们自动化了什么，使一个实验室的想法成为另一个实验室的杠杆。

精选项目

现场部署

入选团队能获得在其实验室内的亲手AI部署支持。一名驻场工程师会来到你的实验室，将AI直接接入你的工作流程。

日程安排

为期4周的在线项目日程

1. 第一周 - 8月31日 ### AI基础 - 智能体入门：技能、MCPs、定时任务、目标 - 特邀嘉宾：前沿AI实验室如何构建自动化 - 一对一：设计你的工作流程，确定自动化目标 成果：为你的科学工作流程制定自动化的范围与计划
2. • 构建冲刺：构建你的第一个技能 - 特邀嘉宾：AI公司演示 - 交叉启发：与同伴分享构建成果 - 一对一：范围确定与调试 成果：你的第一个用于自动化科学工作流程的技能
3. • 构建冲刺：构建你的第一个“研究大脑” - 特邀嘉宾：AI公司演示 - 交叉启发：与同伴分享构建成果 - 一对一：迭代与扩展 成果：你的第一个“研究大脑”和上下文自动化
4. • 构建冲刺：构建你的第一个研究循环 - 展示你的自动化成果 - 一对一：规划未来工作 成果：你的第一个科学工作流程循环（自我改进）
5. 毕业活动（旧金山和波士顿） 成果：你的科研速度和能力得到了扩展

AI重写了软件的构建方式。接下来是科学。

02/谁应该加入

对未来认真以待的科学家和深度科技构建者。

深度科技创始人

你在硬科学前沿进行构建。

路线图需要三十人，但你们只有三人以及有限的资金。

AI让你的三人团队能够像三十人团队一样进行研究、原型设计和交付。

学术研究者

你管理实验室、攻读博士或挣扎于博士后阶段。

出版、合作、指导，且总是落后于文献。

AI将数月的阅读压缩成数天，并将繁重工作交给智能体。

产业界科学家

你在科学与产品交汇处工作：生物技术、制药、材料、气候。

每个实验都要与截止日期、混乱的数据和不耐烦的利益相关者赛跑。

AI让你在数天内从实验走向可靠的洞见。

加入第一期 Cohort 的成员来自

NASAOpenAIY Combinator

加州大学伯克利分校哈佛大学麻省理工学院斯坦福大学

03/应用案例

AI就是新计算机。每位科学家都将学会使用它。

计算机并非专属于某类科学家，它成为了每个人工作的基础。AI是下一个这样的层面：不是一个小工具或生产力工具，而是一种改变研究本身运作方式的工具。探索AI已经在如何转变研究方式。

全面的文献综合、发现空白与生成假设

它是什么

一夜之间阅读完某个领域的全部已发表文献，返回一份结构化的地图，表明已知、矛盾和缺失之处，然后生成可检验的假设，并跨越学科隔阂提出类比。

有了AI

数千篇论文在一夜之间被阅读完，并返回结构化的空白地图。系统性筛选和提取由并行运行的智能体完成。某个子领域中每一个未解决的矛盾均可按需枚举，同时跨越所有领域即时绘制出类比。

从碎片化文献中发现材料和分子

它是什么

从碎片化、多语言的文献中提取定量属性数据，并提出具体的候选成分、分子或基因，包括通过跨材料和生物类别的类比发现的未被充分探索的选项。

有了AI

从全文提取属性数据，并在数天内标记出未被充分探索的组成空间。某个药物靶点的所有已发表SAR（构效关系）被综合，ADMET（吸收、分布、代谢、排泄、毒性）特性在数小时内被预测。通过类比提出候选吸附剂、催化剂、电解质和抗性基因。

专利全景分析与自由实施分析

它是什么

阅读数千项专利，映射整个投资组合的权利要求范围，识别现有技术和自由实施（FTO）空白，并为阻碍性专利提出规避设计方案。

有了AI

在数天内映射整个投资组合的权利要求范围，并提供阻碍性专利的规避设计方案。同时挖掘文献和专利，以绘制现有技术图、找出FTO空白并提出新颖候选方案。

生物与基因设计（蛋白质、通路、编辑、育种）

它是什么

通过整合结构、诱变、同源物和田间试验数据，在湿实验开始之前设计生物系统，包括蛋白质和酶变体、代谢通路、基因组规模模型、基因编辑和作物杂交。

有了AI

在数小时内返回位置特异性的蛋白质可突变性。综合通路设计和酶效率以规避竞争性消耗。CRISPR（基因组编辑技术）引导RNA设计、脱靶预测和调控类别一次完成。

多模态实验数据解读

它是什么

将原始、高通量的测量数据（图像、光谱、组学数据层、序列和自由文本记录）转化为科学结论，并对照文献基准进行解读。

有了AI

视觉模型大规模评分图像，并对照文献基准进行解读。从多组学数据自动生成通路富集分析和假设。

从规范到代码生成

它是什么

将通俗语言的规范转化为可工作的领域特定代码（硬件描述、验证测试平台、生物信息学流程和机器人控制程序），使非程序员也能生成代码。

有了AI

从通俗语言规范中搭建整个寄存器传输级（RTL）模块。根据通俗语言测试计划生成测试平台骨架、断言和覆盖率模型。生成、调试并记录RNA测序（RNA-seq）和单细胞流程。

设计空间探索、优化与权衡研究

它是什么

解读模拟或实验结果，提出下一个要尝试的参数，并在闭环中搜索大型设计或路线空间，使优化运行速度超过人类迭代，并根据完整标准评分选出最佳选项。

有了AI

解读电子设计自动化（EDA）报告并提出下一个参数，将数周的迭代压缩到数天。在24/7闭环中读取实验结果并提出下一个实验。基于完整先例进行权衡研究、调度和路线选择。

基于运营数据的根本原因诊断与预测性维护

它是什么

整合异构的多模态运营数据（传感器流、日志、计量学、遥测、维护历史）与知识库，以对故障根本原因进行排序，并在故障发生前进行预测。

有了AI

同时整合统计过程控制（SPC）数据、工具日志和维护历史，在数小时内找出根本原因。异常与车队范围的故障特征相匹配，无需派遣即可进行远程诊断。传感器健康状况对照故障特征读取，以预测使用寿命并精确安排维护时间。

前瞻性故障模式、危害与放大风险预判

它是什么

在投入昂贵的运行或设计之前，通过综合类似的先例，列举其可能失败的方式（故障模式、危害、放大陷阱），并提前提出缓解措施。

有了AI

综合类似反应的故障模式和缓解措施，在首次大规模运行前量化风险。在数小时内根据故障历史构建FMEA（失效模式与影响分析）草案，揭示偏差通常隐藏的模式。

重振孤立与遗留的技术知识

它是什么

使数十年碎片化、多语言、涉密、半数字化或即将消失的工程知识完全可查询，尤其是跨越数十年的材料鉴定档案，并系统性地识别缺口。

有了AI

全面综合多语言、跨越数十年的数据。系统地识别鉴定缺口。使即将消失的专业知识永久可查询。

自动化合规性检查、可追溯性与持续监控

它是什么

持续对照规则手册、规范和验收标准（设计规则、要求、证书、安全信号）检查工件和数据流，仅标记异常，将定期的人工审查转变为实时流程。

有了AI

瞬间回答设计规则查询，在原理图输入阶段而非签收阶段捕获违规。从规范文档构建并保持最新的可追溯性矩阵，变更向下游传播。提取证书值并与限制进行比较，仅标记异常。持续综合分析不良事件模式，将季度审查转变为实时流程。

04/宣言

几个世纪以来，科学进步一直受限于人类带宽的极限——一个人能读多少篇论文，一个头脑能容纳多少假设，一个团队能运行多少实验。

AI并没有消除这些限制。它倍增了这些限制背后的科学家。

我们建立Reactorfield，是因为我们相信，下一代的科学突破不仅来自更好的模型或更大的数据集。它们将来自那些确切知道如何将这些工具付诸使用的研究人员，他们将AI视为团队中不可或缺的一员，而非新奇之物。

这是一个为那样的科学家设立的训练场。为你。

05/申请

准备好以可能的速度前进了吗？

申请截止日期：2026年8月16日 · 项目运行时间：2026年8月31日至9月28日

谁可以申请？跨领域的科学家、工程师和研究人员：学术界、产业界或独立构建者。鼓励团队共同申请：项目面向实际做事的人，而非只有头衔的人。

需要投入多少时间？这是一个冲刺，并且它本意就是让你感觉如此。计划每周投入现场课程时间以及大量的个人研究构建时间，持续四周。保护这段时间的研究员将获得转变的工作流程；没有被动参与这个选项。

是远程还是线下？混合模式。现场课程在整个项目期间在线进行，同时包含面向成员的线下活动。针对入选团队的现场部署，将发生在你的实验室。

是否有项目费用？没有。Reactorfield是非稀释性的，作为加速科学的公益倡议得到支持。

我需要是AI专家吗？不需要。你只需要在自己科学领域有深度，并愿意重建你的工作方式。我们将弥合前沿模型能力与你的实际使用之间的差距。这正是本项目的全部意义。

我离开时会得到什么？一个可运行、AI原生的你个人研究流程版本，运行在你的问题和你的数据之上，加上随着工具变化保持其更新的判断力，以及一群在深度科技领域分享有效方法的同行。

研究员是如何选拔的？我们会审核每一份提交，并对最强的构建者进行简短面试，通常一两次通话后就能快速决定。我们根据科学深度、采纳AI原生思维的意愿以及实施AI工作流程以加速科学的紧迫性来选拔。

07/团队

JSJames Sinka

James Sinka

独角兽创始人，YC W19，受过训练的化学家。此前曾建立一个深度科技研究员项目，得到Varda、Astranis和Solugen创始人的支持，吸引了来自OpenAI、DeepMind和SpaceX的人才。

BOBerk Ozer

Berk Ozer

两次创始人（YC S21），在ChatGPT诞生之前就交付了被数百万人使用的AI智能体，随后运营风投/加速器，投资了150多家初创公司并帮助它们筹集了超过1亿美元的后续资金。

James Sinka - 波士顿和旧金山 (@jamessinka): AI改变了编程，科学是下一个

@ReactorfieldAI 让科学家和深度科技初创公司实现AI原生

由我和 @berkbuilds 构建，以前沿AI加速科学