日前，千问办公协助国家天文台科研团队完成大口径科研级望远镜数字化仿真系统的搭建，耗时仅3天，成本不到千元。该系统通过对真实望远镜组件和观测条件的模拟，使Agent能够在仿真环境中驱动望远镜进行远程态势感知与观测流程仿真。仿真系统产生的数据后续还将用于训练望远镜控制模型（VLA）。
超新星爆发、伽马暴等瞬变事件是研究宇宙演化和极端物理过程的重要窗口，但其出现时间难以预测。与此同时，科研级望远镜资源有限，真实设备难以承担大量试错成本。因此，科研团队在正式观测前通常需要搭建望远镜仿真系统，完整模拟观测流程并验证方案可行性。此前，这类仿真系统依赖软件供应商开发，周期约三个月，成本高达数万元。
在此次合作中，千问办公协助国家天文台相关科研团队将望远镜各组件、传感器状态及观测环境信息整合为标准MCP接口，供Agent监测与调用。在仿真环境中，跨巡天对齐时序模型可从多巡天公开数据中识别极早期超新星候选，使Agent明确观测目标；短时局部气象预测模型则综合云量、风速和湿度等实时参数评估观测条件，帮助Agent理解观测方式。最终，Agent可综合科学目标优先级、望远镜实时状态及目标可观测窗口，自主完成“状态感知—任务规划—方案生成—流程验证”的闭环。
目前，该Agent框架已接入“司天”探路者和“司天”原型机。科研人员提出科学观测需求后，智能体结合目标优先级、天气和设备状态生成观测方案，通过不同MCP接口调用相应控制模块，并将观测结果反馈给科研人员。任务结束后，系统还可根据执行结果和专家反馈重新规划后续任务，并将有效经验沉淀为可复用的Skill。截至目前，相关Agent已预警8颗极早期超新星候选，其中2颗在天气条件允许的情况下触发了后续观测。
此次合作不仅是针对单一望远镜的仿真系统搭建，也是对天文科研组织和执行方式的探索。过去，望远镜自动化系统主要按照预先设定的流程运行，当天气、设备状态或科学目标发生变化时，仍需科研人员人工判断和调整。随着大模型、Agent、科学模型与望远镜控制系统逐步连接，AI开始具备根据实时环境和科学目标进行动态规划、调用工具、验证方案并调整观测策略的能力。
仿真系统还可在虚拟环境中反复执行观测任务，持续记录设备状态、环境变化、决策过程和执行结果，形成面向望远镜智能控制的高质量训练数据，为进一步训练望远镜控制模型（VLA）以及未来在真实科学装置上实现更高水平的智能观测奠定基础。
国家天文台人工智能推进委员会专家李瑀旸博士表示：“科研范式正在发生改变：AI在科研中的角色不再只是辅助分析，而是进一步进入科研执行流程本身。科研工作者更多负责提出问题、设定目标，智能体则承担观测执行、验证和迭代工作。”
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
