Claude Science biến bàn làm việc nghiên cứu thành bề mặt cho agent

Ngày 30/6, Anthropic ra mắt Claude Science, một bàn làm việc nghiên cứu tích hợp hơn 60 cơ sở dữ liệu khoa học và công cụ tính toán vào một không gian agentic duy nhất. MIT Technology Review gọi đây là sản phẩm flagship mới nhất của Anthropic. Giống Claude Code, nó nhận chỉ dẫn ngắn gọn ở mức cao và tự chủ thực hiện công việc có ý nghĩa — tra cứu tài liệu, truy vấn cơ sở dữ liệu protein, chạy tính toán — với thế mạnh nghiêng về sinh học tính toán và phát triển thuốc. Sản phẩm mở cho mọi thuê bao Claude trả phí.

Từ cửa sổ chat đến bàn làm việc có công cụ đo

Điểm đáng chú ý không nằm ở mô hình — mà ở bề mặt công cụ. Nhà nghiên cứu hỏi "những hợp chất nào đã biết bám vào target này?" sẽ nhận về một agent thực sự truy vấn các cơ sở dữ liệu liên quan, đối chiếu chéo kết quả và trình bày quá trình làm việc. Anthropic đặt cược rằng lợi thế cạnh tranh tiếp theo không phải trí thông minh thuần túy mà là các tích hợp sâu, được tuyển chọn kỹ với những hệ thống nơi tri thức vốn đã tồn tại.

Anthropic cũng công bố sẽ dùng Claude Science trong nội bộ để theo đuổi các ứng viên thuốc cho những bệnh hiếm và bị bỏ quên — một cam kết "tự dùng sản phẩm" công khai kiêm bài kiểm tra uy tín. Nếu bàn làm việc này tạo ra ứng viên thuốc thật, kết quả đó sẽ quảng bá sản phẩm tốt hơn mọi benchmark.

Vì sao người làm tri thức ngoài ngành sinh học cũng nên quan tâm

Mô thức này khái quát được. Sáu mươi cơ sở dữ liệu nối vào một agent chính là kiến trúc của wiki công ty, hệ thống ticket và tài liệu thiết kế nối vào một trợ lý — hay đồ thị ghi chú cá nhân của bạn trở thành thứ agent truy vấn được. Các bài toán khó giống hệt nhau: xuất xứ (nguồn nào nói điều này?), độ tươi (đây có phải bản ghi hiện hành?), và kiểm chứng (agent thực sự chạy truy vấn, hay bịa?).

Chú thích: Vòng lặp agent trên các công cụ được tuyển chọn: truy vấn, đối chiếu chéo, tính toán và trích dẫn ngược về nguồn gốc.

Những công cụ như BrainMap nằm trên cùng quỹ đạo: khi ghi chú của bạn được cấu trúc thành knowledge graph, agent có thể đi trên đó như cách Claude Science đi trên cơ sở dữ liệu protein — kèm trích dẫn về chính nguồn của bạn thay vì một câu trả lời hộp đen.

Lời khuyên kỹ thuật: Xuất xứ chính là sản phẩm

Nếu bạn xây tính năng agent-trên-tri-thức, hãy coi trích dẫn là yêu cầu cứng, không phải tính năng phụ. Mỗi khẳng định trong output của agent cần mang tham chiếu máy-đọc-được về bản ghi nguồn — cơ sở dữ liệu, ID, timestamp. Từ chối output không truy vết được; log các lần gọi công cụ cạnh kết luận để người dùng kiểm toán được con đường, chứ không chỉ đáp án.

Điểm khởi đầu thực tế: bọc mỗi nguồn dữ liệu trong một công cụ trả về {result, source_id, retrieved_at} và buộc bước tổng hợp chỉ được trích dẫn các bản ghi đã trả về. Tham chiếu bịa sẽ chết ở ranh giới schema thay vì đến tay người dùng.

Nguồn: MIT Technology Review, Bloomberg, Northeastern University.

Bạn nghĩ sao? Bạn có tin bản tổng quan tài liệu của agent nếu mỗi câu đều link về nguồn gốc — và bạn có thực sự đọc những nguồn đó?