~/yingjia

Agent在神经科学中的理解(1)

研究笔记约 4 分钟

LLM 和 Agent 是什么这里不再赘述，毕竟这不是科普文章，纯粹是自己的碎碎念。想了解 harness 的话，推荐看 Lilian Weng 的这篇博客1。

去年我一直在做一个 Agent，用来做 DICOM 转 BIDS、fMRI 和 T1 预处理等流程。当时的 DeepSeek、GPT 等模型还不能很好地支撑这一整套流程。但在开发过程中，我发现 Agent 这层 harness 起的作用越来越弱：模型自己把工具调用、长链路执行、报错重试这些能力补上了。这和 prompt engineering 的命运很像，手工技巧随着模型变强而不再关键，当然目标、约束和评估这些东西还是要讲清楚1。

指望工具层面的 harness 提升模型性能的时代过去了，但也不是说 harness 就没用了。斯坦福 Poldrack 组的 Brain Researcher 在七个模型上，把首选工具的准确率从 23.3% 提到了 93.6%2，可见模型会调用工具，不代表知道该调用哪个。

这里可以说一个暴论也不算暴论，毕竟很多人都同意：LLM 拉齐了人与人之间的平均能力，但 LLM 能发挥到的上限，仍然由使用它的人决定。换句话说，LLM 缩小了人与人之间的差距，但最终能把它用到多好，还是取决于人。按照这条暴论，以后的 harness 应该更多地去承载专家的处理经验，而不是聚焦于工具和流程的约束。

而这恰好是神经影像领域最薄弱的地方。fMRIPrep3、FreeSurfer4 等工具已经非常成熟，但不同的预处理方案和分析策略会得到不一致的结果。NARPS 让 70 个团队分析同一份 fMRI 数据、检验同样的 9 个假设，没有任何两个团队采用完全相同的流程，结论也出现了明显分歧5。整个流程的把控，受限于专家的经验。换成 Agent 也一样：在我的经验里，即使用最强的模型，同一批数据分析几次，结果也不完全一致。那问题就来了，到底蒸馏哪位专家的经验呢？把某一位专家的流程写进 Agent，其实只是把分歧藏起来了。我觉得 Agent 除了要学专家怎么做，还得知道专家们在哪儿会有分歧，这些分歧又会不会改变结论。

但现在很多 Agent 的设计忽略了这一点。比如清华等机构的 BrainPilot6，以及 NeuroClaw7、NeuroAgent8 等，主要力气花在知识库、技能库和工具编排上，验证环节更多是防止捏造、保证可追溯，而不是检查分析选择对结论的影响（有点大放厥词）。目前我心中的 TOP1 还是这个 Brain Researcher，主要是它做得比较全面：除了工具注册表，它还把可接受的分析、必须通过的检查和结论范围写成规则，并用 multiverse 分析暴露结论对分析选择的敏感性。它做的端到端 benchmark 也正是我在做的方向。

它的精神分裂症案例就挺有意思，同一个假设的 24 个对比里有 12 个结果支持，单看这个 50% 好像证据不强也不弱，结果拆开一看，Pearson 和 Spearman 全部支持，偏相关和互信息全部不支持2。也就是说，结论取决于你怎么估计功能连接，只跑一条流程根本看不到这件事。

所以说，现在 Agent 好不好用，关键在于能不能高效地蒸馏出专家知识，把他们的判断和分歧都留下来，同时克服模型的防御性写作和防御性编程。

最后说点题外话。这几年，我越来越不想当一个观点和知识的输出者了，变得越来越保守，也越来越自闭。一方面，LLM 会从互联网上抓取我的内容，可能拿去训练，而我却要花钱买 token，这非常不公平。另一方面，总有人来跟我讨论，但往往是我单方面输出，讨论里没什么输入，渐渐觉得没意思。所以以后写的东西可能会越来越少，这篇大概算是为数不多还想写下来的。

参考文献

  1. Weng, L. Harness Engineering for Self-Improvement. Lil’Log, Jul 2026. https://lilianweng.github.io/posts/2026-07-04-harness/ ↩ ↩2

  2. Chen, Z. et al. Bringing analytic rigor to agentic AI for science: The Brain Researcher platform for neuroimaging data analysis. arXiv:2608.19902 (2026). https://arxiv.org/abs/2608.19902 ↩ ↩2

  3. Esteban, O. et al. fMRIPrep: a robust preprocessing pipeline for functional MRI. Nature Methods 16, 111–116 (2019). https://doi.org/10.1038/s41592-018-0235-4 ↩

  4. Fischl, B. FreeSurfer. NeuroImage 62(2), 774–781 (2012). https://doi.org/10.1016/j.neuroimage.2012.01.021 ↩

  5. Botvinik-Nezer, R. et al. Variability in the analysis of a single neuroimaging dataset by many teams. Nature 582, 84–88 (2020). https://doi.org/10.1038/s41586-020-2314-9 ↩

  6. Li, H. et al. BrainPilot: Automating Brain Discovery with Agentic Research. arXiv:2607.15079 (2026). https://arxiv.org/abs/2607.15079 ↩

  7. Wang, C. et al. NeuroClaw Technical Report. arXiv:2604.24696 (2026). https://arxiv.org/abs/2604.24696 ↩

  8. Zhong, L. et al. NeuroAgent: LLM Agents for Multimodal Neuroimaging Analysis and Research. arXiv:2605.06584 (2026). https://arxiv.org/abs/2605.06584 ↩