日前，千问办公协助国家天文台科研团队打造大口径科研级望远镜数字化仿真系统，耗时仅 3 天，成本不到千元。依托对真实望远镜组件和观测条件的模拟，Agent 可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。未来，仿真系统产生的数据，还将用于训练望远镜控制模型（VLA）中。

据介绍，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，但它们出现时间难以预测。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。因此，在正式观测前，科研团队通常需要先搭建望远镜仿真系统，完整模拟观测流程，验证方案可行性后，再应用于真实设备。过去，这类仿真系统通常依赖软件供应商开发，需要约三个月，成本高达数万元。

千问办公协助国家天文台相关科研团队搭建大口径科研级望远镜数字化仿真系统，并将望远镜各组件、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以从多巡天公开数据中识别极早期超新星候选，让 Agent 知道 " 看什么 "；短时局部气象预测模型能够综合云量、风速和湿度等实时参数评估观测条件，让 Agent 理解 " 怎么看 "。最终，Agent 可以进一步综合科学目标优先级、望远镜实时状态以及目标可观测窗口，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，还可以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 已经预警 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。

更值得关注的是，此次不仅是针对单一望远镜提供的仿真系统，也是对新的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、设备状态或者科学目标发生变化时，仍需要科研人员人工判断和调整。随着大模型、Agent、科学模型和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。

同时，仿真系统还可以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。

" 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。" 国家天文台人工智能推进委员会专家李瑀旸博士表示。