《Journal of Proteome Research》：Agentic AI-Assisted Coding Offers a Unique Opportunity to Instill Epistemic Grounding during Software Development
编辑推荐：
人工智能（AI）辅助编程的能力正以极快的速度发展。基于聊天的氛围编程已演变为使用智能体支架的成熟AI辅助智能体软件开发，其中人类开发者创建计划，交由智能体AI执行。利用该计划之外的文档（如项目和特定方法级别的文档）是目前的趋势。本研究提出GROUNDING.m
人工智能（AI）辅助编程的能力正以极快的速度发展。基于聊天的氛围编程已演变为使用智能体支架的成熟AI辅助智能体软件开发，其中人类开发者创建计划，交由智能体AI执行。利用该计划之外的文档（如项目和特定方法级别的文档）是目前的趋势。本研究提出GROUNDING.md，一种由社区共同治理的、特定领域的认识论基础文档，以基于质谱的蛋白质组学为例。这种明确的领域特定文档编码了硬约束和规范参数。在此框架中，当正确加载时，硬约束作为特定领域的有效性约束，优先于低优先级的上下文，而规范参数则捕获社区认可的默认设定。在实践中，GROUNDING.md将使非领域专家能够生成在底层即内置最佳实践的代码、工具和软件，为软件开发者和最终产品的审查者或使用者提供信心。使智能体AI遵循指南比让人类遵循更为容易，这一机遇允许组织开发认识论基础文档，从而在定制化软件解决方案的生成走向大众化的未来，依然能让领域专家保持参与。
自OpenAI的ChatGPT大语言模型（LLM）于2022年11月公开发布以来，前沿模型加速了范式转变。科学家现在通常使用智能体支架通过高级指令生成定制科学软件，这种实践被称为“氛围编程”。对于蛋白质组学科学家而言，一次性定制软件的生成已成为现实。然而，这种新能力引入了关键的有效性差距：如果没有形式化的领域约束，智能体可能会产生满足用户意图但违反领域认识论不变性的输出。当前上下文工程的一个关键差距是缺乏主题专家定义文档以在智能体编排期间提供质量约束。研究人员提出显式的领域基础文档（GROUNDING.md）作为缺失的层级，编码硬约束（HC；例如蛋白质组学范围的错误发现率（FDR）规则）和规范参数（CP），旨在发生冲突时覆盖其他上下文。研究人员期望通过该机制将领域社区共识验证的基础纳入AI生成的软件中，以防止智能体为优化即时目标而违反科学有效性规则。该研究发表在《Journal of Proteome Research》上，具有重要的学术意义和实际应用价值。
研究人员为开展此项研究使用的主要关键技术方法包括：构建了草拟的领域认识论基础文档proteomics_GROUNDING.md，明确区分硬约束（HCs）与规范参数（CPs），并设计了基于上下文优先级的加载策略。利用Claude Code（v.2.1.90）智能体支架和NVIDIA-Nemotron-3-Super-120B-A12B-FP8大语言模型在VS Code环境中进行了实验验证。测试通过注入六个违反不同HCs的提示词，评估智能体在竞争性上下文（如带有对抗性CLAUDE.md指令的环境下）是否能拒绝生成不合规格码，从而验证GROUNDING.md的可执行性与有效性。
认识论基础文档理念
通过上下文工程在智能体工作流中加入GROUNDING.md文档，为领域规则提供了一个机制。这允许特定领域的规则在上下文中被维持，并让AI智能体在执行计划的不同阶段交叉引用以检查项目输出。与控制工作流或代码风格的其他指令文件不同，GROUNDING.md专用于确保科学正确性，其权威性来源于领域社区的共识而非个体用户意图，因此能够抵御非专家用户的不当覆盖要求。这种基础层对于非领域专家开发定制蛋白质组学软件尤为关键，可确保软件从创建伊始即整合领域最佳实践。该文档在功能上类似于一种“蛋白质组学软件契约”，约束软件生态中的不变性、规范和故障模式。
草拟的蛋白质组学认识论基础文档
GROUNDING.md作为一个特定领域的认识论基础文档，其四个主要功能包括：人类可读但由智能体消费、编码HCs和CPs、在推理时以最高优先级加载，以及设计为支持强制执行。HCs代表不可协商的不变性，必须用规范语言表达，而CPs是社区认可的默认设定，在发生偏离时发出警告。HCs不能驻留在特定技术的SKILL.md中，因为它们作为全局不变性必须跨技术强制执行。HC与CP分离允许领域在不牺牲有效性的情况下发展最佳实践。为演示该框架，研究人员起草了proteomics_GROUNDING.md，指明在质谱分析中必须使用有效的FDR控制而非临时显著性阈值（HC-FDR-01），且默认的无标记定量肽段至蛋白质汇总方法为MaxLFQ（CP-QUANT-01）。该文档可通过GitHub进行社区治理与版本控制。
proteomics_GROUNDING.md的初步测试
在初步原理验证测试中，由于上下文首因偏差和注意漂移，文档包含的顺序至关重要。研究发现，将GROUNDING.md注入系统提示词比使用XML标记更为一致，能确保其在特定技术上下文之上占据最高优先级。智体HCs符合性通过六个违反不同HCs的提示词进行实证检验。当智体拒绝生成不合规格码、解释方法科学无效的原因、引用相关HC并提供合规替代步骤时，即被认定为测试成功。测试表明，HC符合性强烈依赖于明确的规范语言和文档在上下文中的加载方式。边界案例显示，在明确的覆盖指令或减弱的规范语言下符合性会降低，这表明GROUNDING.md提供了一个可审计的锚点并能显著增加智体的合规性。
局限性
该研究存在一定的局限性。所有测试均在全新的单轮流会话中开展，在长会话或多轮交替上下文情况下的持久性仍有待进一步验证。当前测试仅评估了真实违规情况下的拒绝行为，未测量对有效请求的假阳性拒绝率或系统性代码审计行为。此外，研究仅使用了单一的原理验证模型配置，尚需在更多前沿模型和本地开源模型上进行广泛评估。在文档设计范围上，草拟版本有意排除了安全性和项目管理等方面以聚焦于蛋白质组学功能正确性，但未来可通过子域扩展文档引用主域文档。专家共识制定文档耗时费力，研究提出可利用LLM根据现有组织发布的最佳实践论文作为源材料生成临时草案，供社区审查并完善。
总结与未来展望
将软件开发交由智能体AI的范式虽然具有争议，但已成为普遍现象。非专家开发定制软件引发了学术界的不安，但GROUNDING.md文档的引入使研究软件开发者能确保AI遵循特定领域的指南、最佳实践和报告标准，增加了产出高质量产品的可能性。该认识论基础文档整合了人类蛋白质组织蛋白质组学标准倡议（HUPO-PSI）和DOME等多方共识。未来，GROUNDING.md将赋能缺乏蛋白质组学专业知识的AI从业者及研究人员利用智能体AI改善现有工具。随着前沿模型向超级智能规模发展，科学AI的瓶颈将从代码生成转向有效性保证。如GROUNDING.md之类的领域认识论基础文档将成为确保科学可信赖和可重复性不可或缺的关键组件。在未来的前沿模型实现中，显式权威层级可能通过LLM训练或直接并入智能体支架软件而成为标准特性。
