在欧洲XFEL的科学家们进行的实验中，产生了大量复杂的数据集，随之而来的数据分析任务变得极具挑战性。科学家需将其领域知识与散布在文档、工具和支持渠道中的设施及软件特定知识结合起来。
为了解决这一问题，我们设计并评估了一个专门针对科学家需求的代理AI系统，并将其与欧洲XFEL的高性能计算环境整合。通过设计科学研究的方法，我们进行了快速文献回顾、对16种AI工具的系统评估、多个访谈、焦点小组讨论以及与欧洲XFEL专家的用户研究，以开发和评估两个原型。
我们的研究识别了科学数据分析中的关键知识挑战，推导出支持知识检索和源代码生成的AI代理需求，并提出了适应不断发展的AI工具生态的专用系统设计建议。这些发现为在高度专业化的科学环境中开发可维护的AI支持提供了指导。
博主点评： 该研究突出了AI在科学数据分析中的重要性，尤其是在处理复杂数据集方面。通过有效的AI代理，科学家可以更高效地整合和分析数据，从而提升研究效率。未来，随着AI技术的不断进步，此类系统将极大地改变科学研究的工作方式。