BloClaw：面向科學發現的全模態智能代理工作空間

大型語言模型整合進生命科學雖催生了「AI 科學家」概念，但將理論能力轉化為可部署的研究環境時，暴露了深層的基礎設施脆弱性。現有框架受制於脆弱的基於 JSON 的工具調用協議、容易丟失圖形輸出的執行沙箱，以及不適合高維科學數據的僵化對話介面，導致序列化失敗與圖形輸出丟失等瓶頸。

針對上述問題，研究團隊推出 BloClaw，這是一個專為 AI4S（科學 AI）設計的統一多模態作業系統。BloClaw 通過重構 Agent-Computer Interaction (ACI) 範式，引入三項架構創新：首先是 XML-Regex 雙軌路由協議，統計上消除了序列化失敗，將工具調用錯誤率從 17.6% 降至 0.2%；其次是運行時狀態攔截沙箱，利用 Python monkey-patching 技術自主捕捉並編譯動態數據視覺化（如 Plotly 和 Matplotlib），繞過瀏覽器 CORS 策略；第三是狀態驅動動態視口 UI，能無縫切換於簡潔命令面板與互動式空間渲染引擎之間。

研究團隊在化學資訊學（RDKit）、ESMFold 進行的全新 3D 蛋白質摺疊、分子對接以及自主檢索增強生成（RAG）等多個領域對 BloClaw 進行了全面基準測試，確立了一種高度魯棒且自我進化的計算研究助手範式。