【目的/意义】 目前，大语言模型与智能体已成为人工智能领域的核心技术范式，探索智能体在科研场景中的应用发展对推动科研范式的变革具有重要意义。 【方法/过程】 本研究采用客观归纳法，阐述智能体的核心技术模块及多智能体协作方式，结合科研生命周期下的各场景包括文献综述、实验规划设计、数据处理、实验执行及结果分析发现的应用案例，分析其应用价值与现存问题。 【结果/结论】 以大语言模型驱动的智能体核心技术支撑其从基础任务执行者向科学发现者演进，在科研全流程展现革新潜力，但面临推理局限、跨学科整合、生态不完善和伦理安全等挑战。未来需通过领域专属框架开发、可解释性技术突破与伦理治理完善，推动其成为科研创新核心伙伴，助力科研范式向智能化、协同化跃迁。

【目的/意义】 云计算时代提出的图书馆服务平台（LSP）未能实现其成为图书馆统一解决方案的承诺，在智慧图书馆时代又面临新的发展瓶颈。其相对刚性的架构、孤岛化的数据模型和有限的智能水平，难以满足现代用户对新型资源生态的获取，及主动式服务的迫切需求。本文旨在提出一种基于大语言模型（LLM）智能体（Agent）的下一代LSP架构A-LSP，以解决现有LSP的局限性，并推动图书馆服务平台向人工智能时代转型。 【方法/过程】 该架构引入了一个新的3层概念模型，包括实现标准化工具集成的MCP市场、负责编排调度的智能体中间件，以及支持功能扩展的智能体应用生态层。同时，文章面向未来图书馆提出了“五大中心”的建设需求框架，即智慧资源中心、智慧服务中心、智慧学习中心、智慧学术交流中心与智慧文化传承中心，以构建图书馆技术与业务融合的蓝图。 【结果/结论】 研究提出的A-LSP架构通过基于模型上下文协议（MCP）的API封装，确保了对现有系统的后向兼容性，能够在不替换原有系统的基础上实施新的平台战略。这一基于智能体的图书馆服务平台可以看成是现有LSP的重要升级，将驱动其从以资源管理为中心转向以智能体服务为中心，成为人工智能时代的图书馆服务平台。

[目的/意义] 通过跨学科比较揭示智能体概念的核心内涵、共性内核与领域分化，揭示图书馆学蕴含的智能体相关概念和理论，并分析大语言模型驱动的AI Agent对图书馆核心服务的革新价值，推动知识服务向智能化、协同化范式转型。 [方法/过程] 采用跨学科文献分析法，梳理哲学、经济学、法律、生物学、社会学、计算机科学六大学科中智能体的名词定义、理论演进与应用特征，发掘图书馆学中蕴含与智能体相关的概念和理论，对比各学科智能体在自主性、感知性、目的性、适应性、交互性五维特性的共性与分化，将六大学科理论精髓映射至图书馆学实务场域中三元主体，解析读者、馆员、系统的智能体角色协同机制。 [结果/结论] 跨学科智能体共性围绕自主行为体在环境中实现目标展开，五维特性构成跨学科共识，差异源于学科核心问题；图书馆本质是多智能体系统，读者智能体融合哲学意向性与经济学博弈策略，体现需求驱动的适应性检索，馆员智能体继承法律代理权责与社会学结构能动性，成为资源与用户的专业中介，系统Agent借鉴生物学演化适应与计算机感知闭环，进阶为自主优化的智能基座。AI Agent是对图书馆学固有智能体特性的技术增强，通过大语言模型实现自动化、个性化与智能化服务升级，实现意图理解、工具调用、多智能体协作，驱动三元主体从被动响应转向主动协同。首创图书馆学三元智能体框架，明确读者、馆员、系统的协同智能体角色，揭示大语言模型驱动的AI Agent与图书馆学的深层契合逻辑。

[目的/意义] 生成式人工智能（GenAI）的发展正重构搜索即学习（SAL）路径，赋予学习过程更高的交互性与智能性。然而，现有研究对其赋能机制与潜在风险缺乏系统梳理。研究旨在揭示GenAI重塑SAL的关键逻辑，为智能时代的信息行为研究提供理论支撑。 [方法/过程] 研究遵循PRISMA-ScR规范，系统检索2023—2025年Scopus与Web of Science等数据库文献1 681篇，筛选并纳入22篇核心文献，采用内容分析与主题分析方法，提炼“技术路径”“行为演化”与“伦理挑战”三大主题。 [结果/结论] GenAI通过自然语言对话、多模态生成与个性化响应等机制，显著提升SAL的效率与深度，但也带来生成内容可信度低、算法黑箱与用户依赖性等问题，影响信息素养自主建构。未来应推动人机协同生态构建，通过提示工程、溯源机制与素养教育，实现技术赋能与学习主体性间的动态平衡。研究融合信息行为、认知科学与技术伦理视角，为图书情报学（LIS）领域搜索式学习系统优化提供参考依据。

[目的/意义] 生成式人工智能技术正在重塑图书馆资源发现服务的底层逻辑，但传统静态评价体系难以有效衡量其动态效能与优化需求。 [方法/过程] 从系统性、认知适配性与服务交互性3个维度解构AI驱动服务的核心特征，建立涵盖物理环境、技术架构、内容组织、用户交互与创新能力的多层次指标体系。采用层次分析法与熵权法融合的主客观混合赋权方法，确定语义网络深度、认知引导效率等关键指标权重，形成动态响应的评价框架。 [结果/结论] 基于实证结果进一步提出多模态交互优化、自适应差异化、分层协同推进、内容智能重组等策略，强调需通过认知负荷缓解设计、用户画像构建、知识图谱重组与分层协同机制提升服务效能。该模型为公共图书馆AI技术应用提供了兼顾技术性能与知识服务效能的动态评估工具，助力智慧图书馆建设战略的精准实施。

[目的/意义] 随着数字政府建设深入推进，基层公务员AI素养已成为推动智能治理的重要保障。系统识别其影响因素并提出针对性培育路径，有助于推动AI技术在基层治理中的有效应用，提升公共服务质量与治理效能。 [方法/过程] 本文整合技术接受模型（TAM）与创新扩散理论（IDT），构建TAM-IDT整合分析模型，聚焦地方政府基层公务员群体，采用问卷调查与半结构式访谈相结合的方式获取数据，运用结构方程模型与中介效应分析开展实证检验，进而提出分阶段、分人群的AI素养培育策略。 [结果/结论] 研究发现，行为态度对AI素养水平具有显著正向影响，感知有用性可有效提升行为意愿，而感知易用性对行为态度则表现为显著负向作用，表明部分感知困难者反而更具学习动机。同时，感知易用性可通过感知有用性间接正向影响行为态度，感知变量亦可通过行为态度间接影响AI素养水平，构建出“认知-意愿-行为”递进链条。进一步从扩散阶段、扩散人群与扩散要素3个维度，构建分层分类的AI素养培育策略体系，为提升基层公务员AI素养、推动基层治理智能化转型提供理论支撑与实践路径。

[目的/意义] 在全球教育数字化转型浪潮下，人工智能（AI）推动日本教育体制向“AI+”模式转型。日本文部科学省主导实施的MDASH认证，为日本高校描绘了AI素养教育设计与实施路径，可为中国AI素养教育发展提供理论借鉴与实践指导。 [方法/过程] 采用网络调研与文献分析，以日本AI教育战略为切入点，探究日本MDASHL课程模型下形成的AI素养教育框架及其理论内涵，选取日本高校AIL教育典型示范案例，分析各高校AIL教育的共性与个性，凝练对中国的有益启示。 [结果/结论] 研究总结出日本AI素养教育在认知、感悟、理解、伦理、操作5个方向上，所映射的各类AI素养框架指标，同时发现中日两国AI素养教育在战略与制度、课程设计、产学融合3个方面的差异特征，结合中国国情与相关政策文件提出在AI素养教育实施过程中，中国可从全局部署阶梯式AI人才培养体系，在校际、校内两个组织层面协同推行“AI+”高等教育；指导高校设计模块化AI素养教育课程，并行培养与AI相关的内外部多元素养，助推AI通识课程、“AI+专业”课程的开设与普及；建议高校构建AI素养数智化产学融合体系，深化AI素养教育与产业实践的全路径双向融合。

2025年4月2日，美国国立卫生研究院（NIH）宣布：自2025年4月4日起，将禁止特定国家的研究人员和机构访问其21个受控访问数据存储库和相关数据。包括dbGaP（基因型与表型数据库）、AnVIL云平台、SEER（癌症监测数据库）数据库和NCBI基因组数据共享平台等在内的数据库对我国的关闭，短期内，不仅影响一手科学数据获取，部分生物医学研究都需转向本土数据重新设计，湿实验成本或增加2~3倍，导致研究效率下降和科研成本增加，影响精准医学、遗传学等领域的研究进展，而且国际合作项目面临数据共享壁垒，以往依赖美国数据库研究的国际合作项目可能会搁浅或停滞，在禁令下公开使用SEER数据违法，国际论文发表被顶级期刊拒稿风险增加。长期依赖国外数据库，将面临诸多“数据断供”风险，需要像华为有海思一样，加速本土生物样本库和数据库建设，维护国家科研数据安全，保障国际科研话语权。