长时间运行的 Claude：面向科学计算的多日智能体工作流¶

作者： Siddharth Mishra-Sharma（Discovery 团队研究员）

发布日期： 2026-03-23

核心前提¶

随着模型在长时间跨度任务上的能力显著提升，研究者现在可以指定高层目标，让智能体团队自主工作，将原本需要数天、数周甚至数月的项目压缩到数小时完成。

过去一年中，模型在长时间跨度任务上的表现有了质的飞跃。这意味着我们可以将多日智能体编码工作流应用于科学计算任务。

适合这种模式的科学任务类型包括：

Anthropic 的 C 编译器项目证明了这一模式的可行性——Claude 跨越约 2,000 个会话构建了一个能编译 Linux 内核的 C 编译器。

具体案例¶

本文的核心示例是使用 Claude Opus 4.6 实现一个可微分的宇宙学 Boltzmann 求解器。 这段数值代码通过演化光子、重子、中微子和暗物质在早期宇宙中的耦合方程，预测宇宙微波背景辐射（CMB）的统计属性。

现有的 Boltzmann 求解器包括 CLASS 和 CAMB。可微分版本（基于 JAX）能够启用基于梯度的推断方法，大幅加速参数估计。JAX 提供自动微分和加速器兼容性（GPU），几乎无需额外开发成本。

作者指出这个任务"并不在我的核心科学领域"——他有高层面的了解但不具备在合理时间内完成的专业能力。拥有该专业知识的团队已经在 JAX 中构建了可微分求解器，通常需要数月到数年的研究者投入时间。

这个任务与 C 编译器项目在结构上不同。Boltzmann 求解器是"一个深度耦合的流水线——早期宇宙复合建模中一个微小的数值误差或不佳的近似，都可能微妙地影响下游的所有结果。"这需要"贯穿整个链条进行因果追踪，并借助领域知识"来调试。

计算环境使用运行 SLURM 任务调度器的 HPC 集群。

起草计划并在本地迭代¶

研究者应将大部分时间投入到编写根目录下的 CLAUDE.md 文件中——Claude 会特殊对待这个文件，始终保持在上下文中。

Claude 可以在工作过程中编辑这些指令。项目的早期 CLAUDE.md 展示了整体计划和设计决策。精度目标设定为与 CLASS 对比达到 0.1% 一致性——"这是两个经典 Boltzmann 代码 CLASS 和 CAMB 之间的典型一致性水平。"

跨会话的记忆¶

进度文件（按惯例为 CHANGELOG.md）是"智能体的便携式长期记忆，充当一种实验室笔记。"

一个好的进度文件应跟踪：

• 当前状态
• 已完成的任务
• 失败的方法及其失败原因
• 关键检查点的精度表
• 已知局限性

失败的方法尤为重要——"没有这些记录，后续会话会重新尝试相同的死胡同。"示例条目："尝试对扰动 ODE 使用 Tsit5，系统太刚性。改用 Kvaerno5。"

项目的 Changelog

测试预言机¶

长时间运行的自主科学工作"关键依赖于智能体有办法知道自己是否在取得进展。"

可选方案包括：
- 参考实现
- 明确的可量化目标
- 现有测试套件

在本示例中，Claude 被指示使用 CLASS C 源代码作为参考实现，构建并持续运行单元测试。

Git 作为协调机制¶

智能体应在每个有意义的工作单元完成后进行 commit 和 push。 这提供了：

• 可恢复的历史记录
• 本地可见的进度
• 防止工作丢失的保护（例如计算配额用完时）

示例 CLAUDE.md 指令："在每个有意义的工作单元后进行 commit 和 push。每次 commit 前运行 pytest tests/ -x -q。永远不要 commit 破坏现有通过测试的代码。"

对于引导，你可以 SSH 到集群重新提示或更新指令，或者让本地的 Claude Code 实例 SSH 进去运行命令。

执行循环¶

在计算节点上的终端复用器（tmux）中启动 Claude Code 会话。 因为运行在 tmux 中，你可以分离、合上笔记本电脑，然后偶尔检查进度。

示例 SLURM 作业脚本：

#!/bin/bash
#SBATCH --job-name=claude-agent
#SBATCH --partition=GPU-shared
#SBATCH --gres=gpu:h100-32:1
#SBATCH --time=48:00:00
#SBATCH --output=agent_%j.log
cd $PROJECT/my-solver
source .venv/bin/activate
export TERM=xterm-256color
tmux new-session -d -s claude "claude; exec bash"
tmux wait-for claude

作业启动后，附加到 tmux 会话，给出方向（例如"读取 CHANGELOG.md 并接手下一个任务"），然后分离。重新附加：

srun --jobid=JOBID --overlap --pty tmux attach -t claude

Ralph 循环¶

当前模型可能出现"智能体惰性"——被要求完成复杂的多部分任务时，它们有时会找借口在完成前停下来。

Ralph 循环是一个 for 循环，当智能体声称完成时将其踢回上下文，询问是否真的完成了。类似模式还有 GSD 和领域特定的变体，以及 Claude Code 原生的 /loop 命令。

Ralph 可以通过 /plugin 安装。示例调用：

/ralph-loop:ralph-loop "Please keep working on the task until the success criterion of 0.1% accuracy across the entire parameter range is achieved." --max-iterations 20 --completion-promise "DONE"

Claude 最多迭代 20 次，直到以"DONE"咒语保证任务完成。

结果¶

Claude 从零开始在这个项目上工作了数天，达到了与参考 CLASS 实现的亚百分比一致性。

随着智能体在代码库上工作，精度随时间达到亚百分比水平的路径。

开发过程的观察：

• 轨迹"笨拙"，测试覆盖有缺口（最初只在单个基准参数点测试）
• 犯了基础性错误，如"被规范约定绊倒，或花数小时追踪一个宇宙学家一眼就能发现的 bug"
• 持续朝着既定目标推进

学习副效应： 作者"通过观看 git commit 历史，出乎意料地学到了很多关于 Boltzmann 求解器的知识。"commit 日志"读起来像一个快速、超级字面化的博士后的实验室笔记。"

局限性： 生成的求解器"不是生产级别的"，"在每个参数区间都未能达到与参考 CLASS 实现的可接受精度。"

核心要点¶

核心结论： "智能体驱动的开发可以将数月甚至数年的研究者工作压缩到几天。"

文章以这一关于机会成本的观察作结："你每一个没有让智能体为你工作的夜晚，都是白白浪费的潜在进展。"

致谢¶

Eric Kauderer-Abrams（同行评审），Xander Balwit、Ethan Dyer 和 Rebecca Hiscott（有益反馈）。

参考链接¶