Arquitetura do SciForge: Transformando Agentes de Pesquisa de Chats Únicos em Pipelines Auditáveis

Agentes como Codex e Claude Code são formidáveis: recuperam artigos, escrevem código e chamam ferramentas sem esforço. Mas pesquisa de verdade não cabe em uma única conversa. Experimentos iteram por dias, dados e código mudam constantemente, e as conclusões precisam ser rastreáveis até uma versão específica dos parâmetros. Estique uma tarefa o suficiente e as perguntas se acumulam: qual problema o agente está realmente resolvendo? Qual versão dos dados? O que sustenta a conclusão? E quando a próxima pessoa assumir, será que ela precisará reler todo o histórico do chat?

O SciForge foi construído diretamente contra essas dores: deixar o agente cuidar da execução, enquanto o processo de pesquisa permanece continuável, inspecionável e passível de transição. O projeto é open source (GitHub: AGI4Sci/SciForge), com um paper completo e oito casos reais de ponta a ponta — leitura obrigatória para quem trabalha com engenharia de agentes.

Ideia Central: Desacoplar a Pesquisa da Conversa

A maioria das tarefas de agentes é centrada no prompt — objetivos, restrições e critérios de avaliação vivem dentro do chat. Estique a sessão, mude o ambiente ou passe a tarefa para um colega, e o contexto desmorona.

O SciForge armazena os objetivos da pesquisa separados de qualquer conversa específica. Um projeto registra explicitamente a questão de pesquisa, o escopo, as métricas de avaliação, as condições de parada e os requisitos de publicação. Cada execução do agente deixa para trás seus inputs, artefatos e julgamentos. O próximo pesquisador abre a visão do projeto e vê imediatamente: qual é o objetivo, quais resultados estão confirmados e quais permanecem como candidatos.

Design 1: Arquivos Científicos Não São “Anexos Enviados”

Arquivos de pesquisa carregam semântica científica. “Discutir o arquivo PDB” pode significar um resíduo específico de uma cadeia; um gráfico só faz sentido junto das versões dos dados e do script que o produziram. Se essas relações vivem apenas em um chat efêmero, os modelos misturam facilmente versões e objetos.

O SciForge transmite a identidade dos arquivos entre o workspace, visualizadores específicos de domínio e as conversas por meio de referências estruturadas a objetos científicos. Uma referência inclui:

{
  "file_path": "structures/9VMR.pdb",   // caminho do arquivo
  "content_hash": "sha256:ab12...",      // hash do conteúdo, evita confusão de versões
  "version": "v3",                       // versão atual
  "selection": {                         // seleção no visualizador
    "model": 0,
    "chain": "A",
    "residue": 86
  }
}

Sequências de proteínas, estruturas e pequenas moléculas passam por um Roteador de Modelos Científicos que invoca modelos de domínio para produzir observações estruturadas antes que o agente principal as interprete à luz da questão de pesquisa; transcriptômica de célula única passa por um worker Cell2Sentence (C2S). “Descrever uma imagem” vira “Q&A científico com um objeto, uma localização e uma proveniência”.

Design 2: Cadeias de Evidências em Dois Níveis — DAG de Sessão e DAG de Projeto

Um log completo não basta; pesquisadores precisam de um caminho rastreável de cada conclusão de volta às suas evidências. O SciForge organiza isso com dois DAGs:

DAG de Evidências no nível de sessão: registra as fontes, o raciocínio, as execuções, os artefatos e as alegações de pesquisa dentro de uma sessão do agente — além das relações entre eles: suporta, conflita, deriva-de.
DAG de Projeto no nível de projeto: coleta os snapshots de evidências submetidos entre sessões, colocando objetivos de longo prazo, conclusões entre sessões, discordâncias e decisões em uma única visão — nunca reescreve as evidências originais, apenas preserva o caminho de rastreabilidade.

// Conceito: tipos de relação entre nós do DAG de Evidências
source --supports--> claim
run   --produces--> artifact
claim --conflicts--> claim
claim --derives_from--> run

// Escala medida nos casos do paper
// Sessão única: 32 nós / 21 arestas, localizando uma citação de
//   PDB inflada e fabricada
// Nível de projeto: 4 sessões / 25 evidências / 16 alegações
//   -> 45 nós / 48 relações

A auditoria de evidências roda em segundo plano sem interromper as operações — apenas sinaliza alegações sem suporte, conclusões contraditórias e fontes fracas. A decisão final fica com o humano.

Design 3: Divisão de Trabalho Humano-Agente — Pausar em Checkpoints, Não Aprovar Tudo

O SciForge suporta níveis de autonomia por tarefa: exploração rotineira prossegue automaticamente; tarefas arriscadas pausam em checkpoints designados; operações de alto impacto aguardam confirmação explícita. Pesquisadores intervêm em quatro pontos:

Confirmar o escopo do problema, as métricas de avaliação e as condições de parada
Julgar se objetos científicos e evidências-chave foram compreendidos corretamente
Lidar com conflitos, anomalias e lacunas de evidências
Decidir se os resultados avançam para a próxima rodada de experimentos ou vão para fora

O sistema registra separadamente “resultados candidatos” e “status confirmado de publicação”, mantendo juntos a sugestão do agente, as evidências por trás dela e a decisão humana — é daí que vem a auditabilidade.

Oito Casos Reais — os Três Mais Instrutivos

Busca de hiperparâmetros ESMC-6B ContactProbe: o agente iterou 24 vezes sob um orçamento fixo de treino de 7 minutos, com permissão para modificar apenas o train.py — sem tocar na extração de features ou na lógica de avaliação. Cada execução registrou sua versão no Git, suas métricas e um status KEEP/DISCARD/CRASH. Este é o template padrão para auto-ajuste com restrições.
Reprodução do paper de transcriptômica espacial MCFST: o agente extraiu o modelo, os hiperparâmetros e o protocolo de avaliação do paper e reproduziu ARI 0.7007 no dataset Visium (o paper reportava 0.693) — e sinalizou fielmente a discrepância entre as 25 execuções e as 5 do log do script. Sem verniz; é assim que uma reprodução confiável se parece.
Design de proteínas guiado por IA: RFdiffusion gerou 3 scaffolds → ProteinMPNN produziu 15 sequências → avaliação estrutural com Boltz-2 + ESMFold → 2 candidatos líderes selecionados, com os registros de divergência entre fontes do relatório preservados. Toda a cadeia é auditável.

Lições Práticas

Para experimentar diretamente: baixe um release (github.com/AGI4Sci/SciForge/releases) e rode primeiro o caso de reprodução do paper — observe como o DAG de Evidências é gerado.
Para estudar a arquitetura: leia o paper (branch gui, paper/sciforge-report.pdf) e analise as Figuras 1 e 2 junto com o modelo de dados do DAG em dois níveis.
Para aplicar na sua própria engenharia de agentes: mesmo fora da pesquisa, portar as três movimentações — desacoplar objetivos de conversas, referências estruturadas a objetos, conclusões rastreáveis — melhorará notavelmente a manutenibilidade de sistemas de tarefas de longa duração.
Com uma necessidade real de pesquisa: submeta em agi4sci.github.io/SciForge/submit/; as solicitações são acompanhadas como issues públicas no GitHub.

Recursos

Repositório no GitHub: github.com/AGI4Sci/SciForge
Releases: github.com/AGI4Sci/SciForge/releases
PDF do paper: sciforge-report.pdf
Submeter uma necessidade de pesquisa: agi4sci.github.io/SciForge/submit/
Cobertura original (BAAI Hub): hub.baai.ac.cn/view/56913