询问OpenClaw是否能实现自动化动力学模拟以及共识化标准倡议

haodon

OpenClaw盛行于能代替用户进行终端操作的便利性，而动力学模拟绝大多部分都可以通过脚本实现，所以OpenClaw是不是可以作为一个完整的动力学模拟的执行者，从小分子蛋白质建模，运行模拟，数据分析。目前clawhub上已经有一些指导智能体操作gromacs实现动力学模拟的skills，但是整个流程缺乏同行评审，是否能够实现高质量的模拟还有待验证。
所以我觉得有没有可能基于公社这个国内受欢迎的很高的社区形成一个共识性的人工智能用于模拟的操作规范？这样也有助于促进模拟的标准化和可重复性，也能让更多的研究者受益，能够使用到高质量的模拟结果来支持他们的研究工作。

student0618

模拟范围太广了，大概目前只会是特定体系或工作流将现在用脚本自动化的工作用 agent跑。

因资安问题我没用OpenClaw，不过有用coding agent。自己也在写一些自动化脚本用来改作 agent 友善的skill/tool 结合自己的一套工作流，目的是某天摸鱼也没人发现(？)，但还有不少除了token花光以外的问题会卡住的。

很多情况还是较难用各种common issues文件处理。写个特别详尽的markdown让agent去grep各种问题的处理方法也不是不行，但可能性还是太多。力场一换、程序换个版本加个插件又可能要加几百行处理方法的文档了。没文档上网搜解决方案的效率及准确性成疑，而且有有safety concern。
还有些具体问题，如：

• agent用脚本分析，例如排查原子间的距离，逻辑和算法没优化好会clash或跑很慢。agent写的脚本memory leak或者用很慢的for loop算距离这种还是很常见的。
• 卡住的也很多是参数化部分，例如力场没参数或参数不够好，某个120度的二面角跑成180度等。尤其是要搞的体系太复杂的话 (例如我在灌水板块某个吐槽帖提到的体系)，还是手动做这部分算了。
  

以上两点可以用现有脚本作Skill的一部分来调用解决，但还是这句，实际应用太多exceptional case需要调整了。

最重要的还是按实际目的选模拟方法、分析方法，目前还需要按经验判断agent决定是否正确的。

我现在是屏幕一半审查指导Agent工作 (+看token剩多少)，一半手写bash脚本及开vmd处理麻烦体系。分析用脚本加不少code sample/规范也只敢让它写脚本给我跑。不然context太多放不进去或LLM没抓住重点，脚本没优化吃太多内存的话实在吃不消。

P.S. LLM当agent 会用高风险指令如rm 的机会很大，尤其是便宜的小模型，这也是要小心的一个原因。系统禁用rm指令也有100个删文件方法的。