FARS全自动科研系统技术深度解析：从多智能体架构到工业化科研范式
前言
2026年2月12日至2月22日，一场持续228小时33分钟的直播在全球AI社区引发了持续震荡。屏幕另一端，一个名为FARS（Fully Automated Research System）的全自动研究系统，在没有人类干预的情况下，自主完成了从文献调研到论文撰写的完整科研流程，最终产出100篇学术论文，总消耗114亿Token，成本10.4万美元。
这场实验的意义远不止于“AI写论文”的简单升级。它向世界展示了科学发现的根本范式正在发生转移——从依赖人类灵感的“手工作坊”，转向由AI驱动的“工业化流水线”。本文将从最底层的技术细节出发，逐层拆解FARS的系统架构、智能体协作机制、资源调度策略、成本控制模型，以及与竞品的技术对比，为读者呈现一个完整的全自动科研系统技术图谱。
第一章 系统总体架构：四智能体流水线设计
1.1 核心设计理念：研究系统的第一性原理
FARS的设计并非简单地模仿人类科研流程，而是基于团队对“研究系统”本质的重新思考。创始团队提出，一个理想的研究系统应遵循两条基本原则：
- 高效拓展知识边界：系统的吞吐量应成为核心评估指标，而非单篇论文的完美程度
- 可靠的假设验证：只要假设合理，验证结果无论正负都
