SciLink牵手腾讯云ADP，让临床科研再快一点
在一项包含 728 例临床数据的研究任务中，SciLink（刀客轻研）辅助完成数据清洗、基线分析和五种机器学习算法比较，并生成配套图表及完整分析报告。
这些工作原本分散在文献库、Excel、统计软件和 Word 中。医生需要反复切换工具，手工衔接每一步。
腾讯云智能体开发平台 ADP 与上海掌术人工智能科技有限公司旗下的 SciLink（刀客轻研） 正围绕临床科研智能体展开技术协同。ADP 提供任务规划、Claw 沙箱、Workflow 编排、Skills 与工具调用能力，SciLink 提供文献检索、科研方法学、临床统计和 AutoML 等专业能力，将数据处理、模型训练和成果整理衔接起来。
用 ADP Claw 模式规划检索任务
科研选题需要反复检索资料、比对已有成果，再决定是否继续细化方案。下一轮查什么，取决于上一轮找到什么，很难预先写成一条固定流程。
开发团队在 ADP Claw 模式下挂载文献检索工具与科研方法学 Skill。用户提交问题后，智能体自主拆解检索计划，连续调用工具，并根据中间结果调整后续步骤。
在这次任务中，智能体连续完成 7 轮检索，去重整理出 15 篇核心文献，再生成资料覆盖情况、研究缺口和下一步建议。医生据此确认是继续完善方案，还是进入数据分析。
这里的关键是 ADP 将任务规划、工具调用与结果反馈串在同一会话中，减少用户逐轮下指令、跨工具搬运资料的操作。客户内部流程测算显示，典型选题任务从形成问题到拿出初步方案，平均耗时由约 90 分钟缩短至 50 分钟，检索与整理操作由约 15 次减至 8 次。
在 ADP 独立沙箱执行分析与建模
进入数据分析阶段，智能体需要实际读取文件、运行代码，并把结果交付出来。
ADP Claw 模式为每个会话提供独立的沙箱工作空间。SciLink 将统计分析与 AutoML 工具库接入后，智能体可以在沙箱内编写并执行 Python 代码，连续完成数据处理和模型评测。
以一份 968 行、55 列的数据表为例，沙箱完成读表、字段归类、异常值处理和格式转换后，继续调用分析工具，生成报告、图表与文档。
这条执行链路包含四个动作：
- 读取数据。解析用户上传的表格，识别字段与数据结构。
- 处理数据。执行异常值检查、缺失值处理和字段编码。
- 调用工具。按任务需要运行统计分析与多算法建模。
- 交付文件。生成 HTML 报告、PNG 图表和 Word 文档，供用户下载。
在预测建模任务中，智能体还可以连续调用 AutoML 工具，对比五种算法的表现，再结合方法学 Skill 给出模型选型建议。用户能同时查看对比结果与分析依据。
ADP 在这条链路中承接了会话上下文、沙箱执行、工具调度和文件交付，业务团队则维护专业算法与规则。客户内部流程测算显示，单次数据分析的平均耗时由约 60 分钟缩短至 35 分钟，人工操作由约 12 步减至 7 步。
用 ADP 单工作流核验成果与返修材料
选题与分析需要根据中间结果灵活推进，成果核验和返修整理则更适合固定步骤。
开发团队将这两个场景搭建在 ADP 单工作流（Workflow）模式上，通过可视化节点编排文件解析、指标提取、规则检查和结果输出。
在成果整理环节，工作流按顺序读取分析报告、抽取关键指标、核对图表与正文，再调用专业规则检查格式与完整性。每一步的输入、处理和输出都有明确分工。
客户内部流程测算显示，单次成果整理的平均耗时由约 45 分钟缩短至 25 分钟，人工核对步骤由约 10 步减至 6 步。
在返修环节，工作流读取审稿意见、原稿与修改稿，将意见逐条拆分，匹配修改建议，再生成带优先级、修改难度与预计工时的任务表，并核对正文与回复是否对应。
用户拿到的是一份可以逐项推进的修改清单。客户内部流程测算显示，单轮返修梳理的平均耗时由约 120 分钟缩短至 70 分钟，人工核对项由约 20 项减至 12 项。
让医生把更多时间留给科研创新
SciLink 的实践体现了两种模式的分工。Claw 模式承接路径开放、需要持续调用工具和执行代码的任务；单工作流模式承接步骤明确、需要按规则核验的任务。
通过这次合作，ADP 的任务规划、沙箱执行和工作流编排，与 SciLink 的专业工具和方法学规则衔接起来。双方将持续完善选题、数据分析、成果整理和返修辅助等环节，让科研任务在不同工具之间连续推进。
当数据整理、工具调用和材料核对等重复工作由智能体辅助完成，医生就能把更多时间留给临床问题探索、研究方案判断与科研创新。关键研究决策仍由专业人员确认。
来 ADP 免费体验
现在注册腾讯云 ADP，领取免费体验套餐。带上一个实际业务任务，开始搭建你的智能体应用。
