中国科学院国家天文台科研团队基于千问办公的Agent Harness框架，在不到3天时间内、以千元左右的成本搭建出一套科研级望远镜仿真环境，用于验证AI Agent在瞬变天文观测中的任务调度与控制能力。相关Agent框架已接入「司天」探路者和「司天」原型机。
瞬变观测长期面临一个核心矛盾：超新星、伽马暴等事件无法提前推算，发现越早、跟进越快，可获取的观测数据越完整。但每一次突发目标的出现，都意味着原定观测排班需要重新协调——目标是否处于可观测区域、天气条件是否允许、哪台望远镜可以接手、原有任务如何调整，这些判断需要在极短时间内完成。国家天文台兴隆观测基地天文组负责人郑捷将这类事件形容为「天上掉馅饼」，而能否接住，取决于排程与设备调用的响应速度。
望远镜自动化并非新课题。Las Cumbres Observatory已将分布在全球7个站点的27台机器人望远镜作为整体运行，中央调度系统根据目标可见性、天气和设备状态安排任务，计划每小时重新计算多次。在异常发现端，Vera C. Rubin Observatory在一个晚上发出约80万条科学告警，全面运行后预计最高达到每夜700万条。候选目标数量随巡天能力快速增长，但适合后随观测的望远镜时间始终有限，判断哪些异常值得跟踪、用哪台设备跟踪，成为新的瓶颈。
国家天文台相关团队自2025年起开始尝试用AI解决这一问题。由国家天文台银河系三维结构组与兴隆观测基地合作开发的星语望远镜StarWhisper Telescope，以千问为基础模型，将观测计划、望远镜控制和数据处理整合进同一套Agent框架，并部署在多台望远镜组成的观测网络上。该工作被列入斯坦福大学以人为本人工智能研究院发布的《AI Index Report 2026》Science章节，是2025年物理、天文、化学和材料科学领域的代表性AI Agent。
固定工作流适用于确定性流程，但真实观测中波段选择、曝光时长、时间窗口安排以及天气和设备状态的临时变化，仍需人工调整。Agent能够在运行时选择工具、读取结果再决定下一步动作，团队因此尝试将控制能力向设备侧延伸。但新的控制方式需要大量测试，真实望远镜的运行成本高昂——国际主流10米级地面光学望远镜一个有效观测小时的运行成本可达数万元，且错误控制可能带来设备风险，科研时间也无法腾出用于反复试错。
仿真环境成为解决方案。团队将望远镜组件和传感器接口包装成MCP，Agent可读取设备状态和可观测条件。第一版仿真系统优先跑通观测数据链：专业模型判断候选性质与演化阶段，天文程序计算可见性与时间窗口，天气系统返回云量、风速和湿度，设备端给出当前状态，Agent据此生成观测计划并通过MCP调用仿真设备，数据进入原有处理管道后分析结果回到下一轮计划。机械限位、合法参数范围和强制停止条件由底层系统约束，重要节点保留人工确认。第一版跑通后，团队开始加入硬件响应，用真实设备日志模拟电机等组件的运动，传感器和控制器逐步进入仿真环境。
该仿真环境的价值在于，真实望远镜只能选择一条观测路线，而在仿真中可以同时演练多种方案与环境变量组合，加速现实中的判断。对于同一晚出现多颗高价值候选目标、天气条件持续变化的情况，Agent可在仿真中提前验证策略，再应用于实际观测。这一尝试为AI驱动瞬变观测提供了可复用的工程路径。
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。
