从 Protocol 到 Code：一个 7×24 小时积累自动化资产的实验代码工位
特辑 Vol. 2 · Scale Agentic Discovery
AI 智能体实验代码工位把“协议到代码”的工作前置：检索公开 Protocol、整理 SOP、补充本地设备约束、编写设备代码，并持续验证和修改，让每一次运行都沉淀为可复用的实验室自动化资产。
过去的模式：需求来了，才从零开始
当新的需求出现时，自动化工作往往从头开始。每个应用都要重新编写实验脚本，再重复经历一遍转译、复核和改错。
现在的模式：把工作前置
实验代码工位持续运行——7×24 小时，包括夜间无人时段——把一次性的需求转化为不断积累的工程资产。
它的工作流程包括：
- 检索实验方案（Protocol）。
- 整理为 SOP。
- 补充本地设备与耗材约束。
- 持续搜索、整理并转译公开 Protocol、专家知识和本地设备约束。
- 编写设备控制代码。
- 反复验证、修改。
- 将结果提前沉淀为可复用的自动化资产。
最终留下的不只是一段代码，而是一组不断增长的资产。每当新的实验需要设计或执行时，Agent 都可以随时调用它们。
什么是实验代码工位？
它是一种新的实验自动化工位，负责把 Protocol 转译成 SOP、设备脚本和机器代码，并把验证反馈沉淀到下一轮迭代中。
这使过去高度依赖人工的自动化实验脚本编写，变成可以持续运行的工程流程。转译、设备约束检查、代码生成、验证和复核不再是彼此孤立的任务，而是被连接在同一个工作流中。
从“单次生成”到“持续迭代”
工位中的 Harness 被设计为 24 小时加速这一闭环。它把需求、材料、生成过程、验证结果和专家审核组织成连续工作流。
Harness 的价值不是替代专家判断，而是让每一次反馈都能被记录、复用，并进入下一轮迭代，而不是在一次运行结束后消失。
一个 Agent-ready 闭环背后的能力层
工位连接了五个层次：
- Knowledge Layer（知识层）： 实验方案、实验规则和历史经验。
- Skills Layer（技能层）： 内容处理、生成辅助、验证辅助、系统连接和记录追踪。
- Tools Layer（工具层）： 用于解析、转写、生成和验证的软件工具。
- Hardware Layer（硬件层）： 自动化工作站、模块、耗材以及上下料能力。
- Feedback Layer（反馈层）： 问题记录、专家审核和下一轮优化目标。
这些层共同形成了用于生产自动化资产的 Agent-ready 干湿闭环。
为什么这个工位重要？
它是连接硅基算法与碳基实验室的桥梁。这里沉淀的每一行代码和每一个 Protocol，不只是当下的工具，更是能够持续进化的数字资产。
当持续积累的自动化资产与真实设备接轨，AI 将从“生成工具”蜕变为自主引擎：驱动实验、读取反馈，并自主进化。
干湿闭环，让 AI 走进实验室，让发现规模化发生。
了解更多，请访问 genoria.ai 或关注涌生智能。