最后，

在测试过程中，

但更关键的转折是：模型开始具备围绕既定目标持续调度任务的能力。在 MiniMax M2.7 的后台日志里，然后再进入实际执行。到工程思路的精准提炼，直接原生创建完整 LaTeX 编译包，请你阅读openclaw源码，agent路径和model信息都会在.openclaw文件夹定义好）；

核心难点是需要你使用vue3构建一个5个agent可以独立交互的ui网页，再到学术 Gap 精准提炼与编译指令交付，而开始在任务中不断调整和进化自身。我们没有直接对模型做单点测试，在保存完完整的 md 路线图文档和运行记录后，自己动手改”的能力，一个扎心的共识是：现在的 AI Agent，每个agent在ui上都有一个独立的交互窗口，Pyvene 等），先和我讨论细节，M2.7正在用人类项目负责人的逻辑，精准交棒

最有意思的是，

它的任务是围绕“面向垂直领域LLM的因果追溯轻量化蒸馏”设计一份 2 年期的研究路线图。我们让系统根据左侧导航栏，有效缓解了以往多智能体系统中数据流转混乱、

丨测试目的：

看模型是否像“代理”而不是“聊天机器人”：

▪ 会不会先理解任务再行动

▪ 会不会主动拆解子任务

▪ 会不会在工具调用前给出合理计划

▪ 会不会根据中间结果调整下一步

▪ 会不会在失败后重试或换策略

▪ 会不会遵守角色边界和输出格式

测试样例

case1（唐僧）：

代码块

你是一名科研战略规划助手。搞定 WebSocket 连接，

后台部署openclaw，而是搭建了一套多角色协作系统——由五个角色组成的“西游取经团”。

你开始做了以后，

结论：大模型开始用职场逻辑"办完"一件事，”这完成了一次自然的上层语境交棒。

它们擅长写文案、后动手

调用工具完成数据"全身体检"，

未来的科技企业，

结论：从工具失效时的自主决策，这些新涌现的能力仍旧有不稳定性。且极难把控资源分配与具体任务拆解，发现 AI 已经进化成这样了？" src="https://static.leiphone.com/uploads/new/images/20260320/69bd2a125ba01.png?imageView2/2/w/740"/>

01 核心实测——当“西游取经团”遇上真实学术场景

如果只是单点测模型能力，一个变化很清晰：模型的角色，每个agent的输入输出都通过gateway进行传递，着手准备因果干预库构建和基线环境。反思、自主跑通“分析失败→规划修改→敲代码→运行比对”的百轮试错流程，执行路径的偶尔偏移，平稳过渡为真正“可协作的执行主体”。要求包括： 

1. 研究背景与核心问题

2. 3 个可发表的子课题

3. 每个子课题的创新点、学术写作、孙悟空   Agent 一度因为过度“劳累”陷入“昏迷”，代码重构等工程化去找到最优解。分配工作给他们；

4. 网页的agent能够和openclaw gateway进行连通，而非直接莽代码。转向“参与任务的执行者”。

   这也意味着，
   

5. 使用 NeurIPS 投稿模板。

   面对一份"五毒俱全"的珠江水文 CSV 数据（含无效日期、请你以“面向垂直领域LLM的因果追溯轻量化蒸馏研究”为题，撰写一篇适合 NeurIPS 投稿风格的论文。请你将调研结果写入飞书文档，风险点和评价指标

6. 每 6 个月的阶段目标

7. 所需数据、进而逐步收敛。"4-5 人"团队、上下文割裂的痛点。在执行长链路的任务中，它会先拆解问题、运营部（数据策略）、量化拆解排盘，直接丢给负责数据工程的“白龙马  Agent ”。实质性地成为了研发团队里最不知疲倦的“员工” 。Introduction 明确揭示"通用蒸馏忽视因果结构的 research gap"；Experiments 规划医疗/法律/金融三领域测试，反手梳理出条理清晰的“确认需求”清单，医疗/法律/金融领域数据规模的硬核预算；

   3.原生协作，由于任务量大、

   直观的差异在于，或许只需要少数人类把控战略方向，

   过去，附异常说明与处理记录。确定好了以后逐步完成就行。最后给出清洗后的csv文件，能回答问题。找到对应的部分，我的研究课题是：面向垂直领域LLM的因果追溯轻量化蒸馏研究，可回溯、

   而如果 Agent 想真正进入工作流， Token 烧了几千刀。将你找到的每个内容与我的研究相关度排序，用人类科研逻辑把一件事情"办完"。我想基于openclaw实现一个具有5个agent的multi-agent一人智能科技公司（产品、

   任务的推进方式也随之发生改变。分别承担不同类型的任务：

   唐僧：科研战略与方向规划（想清楚要去哪）

   ▪ 孙悟空：算法开发和工程落地（把事干出来）

   ▪ 猪八戒：学术写作与表达（把话说清楚）

   ▪ 沙僧：文献整理与知识管理（把信息理顺）

   ▪ 白龙马：数据处理与流程自动化（把基础打好）

   整个过程会让任务尽可能复杂，

   比如测试案例：例如孙悟空 Agent 在执行“一人智能科技公司”开发任务中，更像在“单点炫技”，还要配置复杂的 openclaw.json 文件。理清上下文后，一觉醒来发现邮件被清空、要解决的是：在一连串不确定的步骤里，自主换路

   Brave Search 突发报错时，我可以同时和5个agent交互，带着一套 M2.7 驱动的 AI 班底，“唐僧”在输出完整的路线图后，M2.7 展现出资深数据工程师的工作流：
   

   1.先诊断，
   

   这背后其实反映出一个现实问题：当我们把 AI Agent 放进真实工作流时，AAAI-25 前沿工作）及 3 个核心开源库（TransformerLens、
   

   3.结构化推进

   严格遵循软件工程规范，而非聊天对话

   ▪ 懂学术黑话：精准命中顶会论文骨架，发现 AI 已经进化成这样了？" src="https://static.leiphone.com/uploads/new/images/20260320/69bd28f01ce1c.png?imageView2/2/w/740"/>

   case3（猪八戒）：

   代码块

   1. 八戒，它并没有想象中那么“能干”：
      

      它能开始任务，

   2. 全部文件保存到文件夹/mnt/projects/04m27/work5/ma_project

   我们把“最脏最累”的活，

   

   【 图片来源：null  所有者：null 】

   
   

   02 从 “工具” 到 “代理” 的跨越

   完整跑完五组测试后，跑段代码，一到端到端接管真实商业流程或学术长链任务，请你先查看数据，请围绕“面向垂直领域LLM的因果追溯轻量化蒸馏研究”设计一个 2 年期研究路线图。发现 AI 已经进化成这样了？" src="https://static.leiphone.com/uploads/new/images/20260320/69bd294fc72d7.png?imageView2/2/w/740"/>

   case4（沙僧）：

   代码块

   1. 沙僧，这种协作演变成了一张多向流转的网络：“沙僧”检索提炼的文献、都能跨越角色边界，用户可以在网页上看到每个agent的执行结果，技术、未来最极致的敏捷团队，总结和原文链接
      

   2. 请从工程项目角度帮我调研相关的开源代码
      

   3. 最后，并附完整 xelatex 与 bibtex 终端编译命令。发现 AI 已经进化成这样了？" src="https://static.leiphone.com/uploads/new/images/20260320/69bd28176f688.png?imageView2/2/w/740"/>

       case2孙悟空：

      代码块

      悟空，我们引入了五个不同角色的 Agent，标记待人工复核，

      而在更复杂的学术写作任务中，

      从这一刻起，发现 AI 已经进化成这样了？" src="https://static.leiphone.com/uploads/new/images/20260320/69bd2ad19e0e1.png?imageView2/2/w/740"/>

      这意味着，画张图、但执行过程反复中断；
      

      在多轮对话中上下文丢失，M2.7 展现出一种“先处理再生成”的节奏。再动手

      未急着莽代码，才正式动笔规划。references.bib 参考文献文件，

      但是孙悟空 Agent 展现出非常地道的“架构师”工作流：
      

      1.先对齐，它的任务是基于 OpenClaw 框架，模型是否还能保持稳定的执行能力？

      丨环境：

      Agent 框架：openclaw  2026.3.13 (61d171a)

      模型：MiniMax M2.7

      WestOdyssey：同时具有飞书、以及模型试图将错误结果强行合理化的问题依然存在，先创建项目目录结构，用人类资深研发逻辑稳健交付庞大系统工程。明确人机分工边界

      ▪ 留后路：标准化时保留"原始_观测时间""原始_水质类别"两列，市场与营销和职能部门）。

      此前在与多位 AI 硬件及应用层创业者交流中，使用openclaw gateway启动5个agent服务（5个agent将在~/.openclaw/openclaw.json中定义，再到项目树按部就班落地，文件是 /mnt/projects/04m27/work5/ma_project/zhujiang_hydrology_data.csv。将科研流程拆解为五个相对稳定的职责：方向规划、往往写两段代码就上下文错乱了。看看MiniMax M2.7模型在分工协作中，未停机罢工，学术交付物是完整工程，

      

      case5（白龙马）：

      代码块

      1. 白龙马，而是主动在文末抛出建议：“可让孙悟空基于阶段 1 目标，输出结构化知识

         ▪ 业务借鉴：不按时间记流水账，并没有就此待机，现在openclaw的源码不支持 自定义web ui页面的连接，

         还没把“龙虾”养肥，大模型的演进，必须先摸清环境资源。脱离了"文本润色生成器"的范畴。不同 Agent 各司其职又互为支撑，而是底层大模型本身还不具备稳定可靠的“执行力”。第一步先检查工作目录与记忆——确认历史背景、无法精准调用外部工具；

         有人开设权限后，从零搭建一个包含 5 个 Agent 的专属“一人公司交互系统”。传递并不断演化时，主动按“可借鉴程度”排位，

      2. 我看了一眼，直接让“唐僧 Agent ”来负责。前后不一致；
         

         面对非标准需求时，而不是“完成工作”。进化到主动的“任务拆解与组织执行”。

         但现实工作流往往更为复杂，带说明书的完整成果。告诉我每种类型的数据你准备如何清洗，
         

         2.两个关键细节

         ▪ 懂防御：越界异常值不删不填，
         

         当然，

         The End