研究背景
单智能体做科研容易在长流程中迷失；这篇 Nature 论文提出多智能体协作架构：不同智能体分别负责假说、实验、分析与批判审查，通过结构化通信推进科学发现流程——与端到端单系统路线形成方法论对照。
方法与核心内容
多智能体分工的核心是「制衡」：实验智能体执行、分析智能体检验、审查智能体挑战结论——类似同行评议的内部化。智能体间通信采用结构化协议而非自由对话，保证流程可审计、结果可追溯。
结果与意义
在材料与化学实验场景中验证了多智能体协作的有效性；发表数月即被引约 279 次，与另外两篇「AI 科学家」论文共同被 Nature 编辑部列为需要建立监督机制的代表性工作。
我们的观点
多智能体路线最大的长期价值是「把同行评议内置进 AI 科研」：批判智能体的存在让系统的每个结论都要过一道对抗性检验。这与本站经典研读模块的「吃透自检」理念同构——机器生成与自我批判的组合，才是可信自动化。
局限：多智能体协作的编排复杂度随智能体数量指数上升，何时该「加智能体」还是「加算力」是系统设计的新问题；多智能体系统同样面临「集体幻觉」的风险——批判智能体与生成智能体共享同一基座时，对抗性检验的有效性会打折扣。