0 引言
1 中国科技情报工作的特征和变革驱动要素
1.1 中国科技情报工作发展历程
学者们从情报学研究对象、情报技术、情报服务、情报工作等多个不同视角对中国科技情报工作的发展阶段进行研究划分[22-24]。从情报工作视角开展的研究，尽管阶段划分之间存在差异，但都认为中国科技情报事业的开端是1956年，即中国科学院科学情报研究所（中国第一个综合性科技情报机构）成立[25]。近70年历程，中国科技情报事业所面临的需求和技术能力都在变迁，科技情报工作的目标定位和发展特点也在逐步变化。中国科技情报工作可以划分为4个阶段[26]：第一阶段是1956至1978年，逐渐建立国家、省、市级的体系化的科技情报机构，主要工作目标是获取国外的科技资料，来支撑中国科技战略规划的制定；第二阶段是1979至1991年，面对科技情报工作现代化问题，发展计算机情报检索技术和系统[27]；第三阶段是1992至2014年，致力于建设电子图书馆、网络图书馆、数字图书馆[28]，使得科技文献和知识广泛流动，以知识服务支撑科技决策，增强政府决策的科学性和战略性；第四阶段是2015年后，科技情报机构开始明确将拓展智库功能作为发展目标（表1）。
表1 中国科技情报工作的发展历程［26］Table 1 The development history of China S&T documentation and information service |
| 发展阶段 | 1956—1978年 第一阶段 | 1979—1991年 第二阶段 | 1992—2014年 第三阶段 | 2015年至今 第四阶段 |
|---|---|---|---|---|
| 目标定位 | 获取国外科技资料 支撑中国战略规划 | 检索作为核心问题 建立联机检索体系 | 建设数字图书馆 知识服务支撑决策 | 建设数据资源体系 情报工作智库化转型 |
| 发展特点 | 建立科技情报机构 形成全国情报系统 | 电子计算机规范应用 科技情报工作现代化 | 接入世界互联网络 文献知识广泛流动 | 数据要素驱动 AI技术应用 |
1.2 中国科学院文献情报工作的发展
中国科学院文献情报中心的发展可以划分为4个阶段：1950—1978年，文献保障服务为主的阶段；1979—2005年，发展信息服务、情报服务的创新阶段；2006—2015年，发展数字服务和知识服务的转型阶段；2016年至今，拓展智能和智库服务的变革阶段（图1）。
（1）文献保障服务阶段。科技文献服务、图书馆咨询服务（1950—1978年）。从1950年到1978年，中国科学院文献情报中心经历了从无到有的建设，发展成拥有完善服务体系的自然科学图书馆。图书馆服务的主要特征是文献保障，核心能力体现在印本馆藏的建设和参考咨询服务上，建立了一个全面覆盖多学科、多类型、多语言的馆藏体系，编制专题目录、联合目录和文献索引等，构建了较为完整的全国性检索刊物体系[31]，围绕科研和管理需求，开展专题文献、文摘、参考咨询等工作。
（3）数字化知识服务转型阶段。数字化信息服务与知识服务（2006—2015年）。2006年，中国科学院文献情报系统，按照数字化发展逻辑，提升整体科技情报服务能力，面向一线科研人员开展科技情报研究、信息专报、信息平台与工具建设等工作，文献情报服务从传统图书馆服务向知识服务转化。2006—2015年间中国科学院文献情报工作实施知识服务转型，围绕用科研工作流建设和提供数字化文献情报服务[32]。科技情工作的核心能力是采集数字化文献和网络信息，构建集成检索平台、文献数据库和学科服务网络，提供学科服务、情报服务和集成系统服务，包括情报分析报告、专利分析报告、研发信息平台或工具等。
1.3 驱动中国科技情报工作变革的要素——情报需求与信息技术
中国科技情报工作是伴随适应把握国外科技动态的需求和科技决策服务需求而生，致力于满足不断变化的科技和社会需求，同时，技术发展也不断引领着科技情报工作的变革与突破。纵观中国科技情报工作的发展历程和特征，信息技术发展和应用是主要的演进脉络与驱动要素，智能技术采纳一直是科技情报行业从业人员长期追求的期望，如自动信息采集、机器翻译、多源信息融汇、结构化情报分析等。在需求和技术的双力驱动下（图2），科技情报工作从“对内服务”到“向外服务”，从“现场服务”到“远程服务”，从“文献提供服务”到“情报分析服务”，从“情报分析服务”到“决策情报支撑服务”，从“情报服务”到“智库研究”等，其服务模式和服务内容均已发生巨大变化。中国科学院科技情报工作的长期发展中，采纳信息技术逐步叠加，形成了以信息技术为核心的科技情报布局，满足多层次、多目标的科技情报服务需求。
1.3.1 需求拉动，形成了“文献保障-信息检索-知识服务-智库研究”的多元叠加型情报需求
20世纪50年代中期，由于中国对国外科技动态和成果的把握不力，直接影响到中国科技和经济的发展。国家对科技情报工作的需求，直接导致了1956年建立综合性的科技情报机构，开始搜集、研究和报道国内外的科技状况和成就，为全国的科学工作服务。随后50年建立了覆盖全国、省、市各个级别的科技情报研究所以及各个行业的情报研究所，基本上形成多层次的科技情报工作系统，保证了科技情报事业发展过程中，为科研创新服务、为经济建设服务、为管理决策服务等需求和目标的落实[34]。
1978年，面对国内检索刊物体系受到破坏，急需恢复和进一步发展以支撑科技决策的需求，根据科学技术发展规划，制定了《关于建立健全我国科技文献情报检索刊物体系的方案（草案）》和《1979—1985年全国科技文献检索刊物编译出版规划》，支持中国开始有计划，有组织，有领导地统一建立中国的检索刊物体系。至此，中国科技检索刊物向体系化方向跨出了一大步，开始走向系统建设阶段[34]。
2006年，中共中央、国务院召开全国科学技术大会，制定《国家中长期科学和技术发展规划纲要（2006—2020年）》，明确提出了用15年时间把中国建设成为创新型国家的战略目标，并提出发展国家科技创新体系的战略决策。面对国家科研创新的需求，科技情报工作向知识服务的方向演化，建设检索平台和服务网络，为科研一线服务。
2015年，在中国特色新型智库建设政策的指示下，中国科技工作进入新发展阶段，也为科技情报工作的发展带来了新的契机。面对管理决策和科研创新需求，中国的科技情报工作发展在延续传统信息服务工作的基础上，拓展以知识组织、知识挖掘为主的智能服务，进一步向人与智能相结合的、以智能计算、智力开发为主的智能服务升华[34]。
当前，随着社会对知识和智能服务需求的增加，图书馆和情报机构的工作对象从传统的图书、文献扩展到了数据、信息、知识、情报、思想的全链条，驱动着文献情报工作向更深层次、更广范围、更加智能的方向发展。可以说，科技情报工作应国家科技战略发展的需要而诞生，随着国家科技战略发展和社会经济发展的需要而调整和变革[34]。
1.3.2 技术驱动，形成了“信息检索-大数据集成-数据挖掘分析-情报推断与生成”的替代型模式
科技情报事业的发展受到信息技术和情报技术这两大关键技术动力的推动。科技情报领域始终位于信息技术应用的前沿，情报服务模式的形成和优化在很大程度上会受到信息技术和情报技术发展的影响。信息技术的广泛使用、文献工作的持续标准化、情报存储和分析技术的开发，情报传播平台的建设、信息组织和管理技术的发展，不断推动着情报内容和情报方法的革新，促进服务模式的转变[34]。在信息技术革命的冲击下，科技情报工作经历几大变革，努力创建新型科技情报工作范式。
在中国科技情报工作开创初期，科技情报工作以文献为基础，基于科技文献的外部和内部特征，向用户提供检索和利用服务。改革开放后，计算机技术开始出现和应用，中国开始建立论文数据库、专利数据库，打开了联机检索时代的序幕[35]。1994年，中国接入互联网络，网络技术的应用，全面应用数字化技术，形成了以检索技术为核心的情报信息获取，主动推送满足用户需求的“经过加工、提炼与处理之后的情报”。
新一代信息技术应用形成了众多的工具、方法、平台等，而新工具与方法应用必然推动图情领域理论范式的演化[29]。2022年11月，美国OpenAI公司发布了生成式AI聊天工具ChatGPT，以人类反馈指导的强化学习算法框架为基础[37]，具有出色的自然语言处理、数据分析、推理推断等能力。以ChatGPT模型为代表的生成式大语言模型技术的出现对各个领域产生了根本性的影响，智能体（AI Agent）已成为AI赋能专业流程的基础形式[38]。以数据驱动为基础的科技情报领域迎来了重要变革[39]，情报智能体将直接影响科技情报领域中的信息组织管理、信息检索查询、情报研究分析、科技监测评估等核心职能和主体业务[19]。
2 “十五五”期间中国科技情报工作的战略选择——智能体赋能
生成式AI技术深刻影响几乎所有领域科学研究，正在改变科学研究的过程与模式，科学研究智能体已经展现了巨大的发展潜力[40]。中国科技情报工作已经走过了手工检索工具、计算机检索系统、数字图书馆服务系统、知识集成和知识分析平台等阶段，正朝着知识与情报生成方向迈进。信息技术已经从替代信息采集、信息组织、信息检索，走向替代情报分析、情报生成的情报研究智能化阶段。面向“十五五”时期，中国科技情报工作亟待充分利用大模型等生成式AI技术，搭建情报智能体生态，优化重组已有科技情报工作流程，将智能体与信息采集、信息组织、信息存储、信息检索、信息分析等工作深度融合，以智能体赋能科技情报工作，形成科技情报智能体生态，提升科技情报工作的效率。
2.1 AI赋能科学研究已经改变当代科学研究范式
理解AI赋能科学研究的驱动方式，首先应该清楚AI的能力特征。根据智能程度和计算特征，业界一般将AI的发展分为4个阶段：计算智能、感知智能、认知智能、自主意识。其中，①计算智能，强调海量数据的存储和高效精准处理，这一阶段为后续发展奠定庞大的数据资源和强劲的计算资源；②感知智能，让机器拥有类人的视觉、听觉和触觉等感官能力，能够识别和理解输入的图像、声音、文字等信息，初步具备与外界交互的能力；③认知智能，这是AI发展的较高阶段，大模型等技术正在加速这一目标的实现速度。让机器具备类人的思考能力，即理解复杂概念、推理分析预测、自主决策行动等能力；④自主意识，则是AI的终极目标，机器真正具有自主意识并产生智慧，目前尚且遥远。
理解AI技术赋能科学研究的驱动方式，还应该清楚现阶段AI能够解决的科学问题边界。科学发现的假设空间是巨大和复杂的，图灵挑战发起人北野宏明将科学探索认知空间表示为图3左侧形式[44]。其中，红色区域表示当前人类已知的科学知识。黄色区域表示基于当前已经积累的知识生成的假设空间，能够根据已有知识对其进行一致性测试和实验验证的人类可发现知识。伴随着假设的复杂性和实验验证的自动化水平，不断扩展假设空间的边界，这就构成了以人为中心的人机协同探索知识区域（蓝色）。当假设空间的范围不断变大，直至超出人类的理解认知能力和现有的知识发现模型，则需要依托借助更智能的工具或发展形成新的科学研究范式（绿色区域，边界无限且不可定义）。为了探索和发现这3个区域的知识，需要使用与之匹配的科学研究模式。
理解AI赋能科学研究的驱动方式，还应该清楚现阶段的科学研究模式。基于本文作者先前的研究结果，数智环境下的科学研究主要遵循3种研究模式[18]：数据驱动知识发现、模型驱动知识发现以及数据与模型协同驱动知识发现，如图3右侧所示。其中，模型驱动知识发现主要是指面对基本科学原理已知的科学问题，变量或维数的增加造成计算复杂度呈指数级增长，AI通过高效解决高维数据计算发现知识。数据驱动知识发现主要是指通过对数据的分析寻找科学规律并解决实际问题，主要用于在缺乏明确原理的场景中解决具体问题。数据与模型协同驱动知识发现则适用于原理模型已有部分探索，但尚有部分并不十分清晰时，可通过原理产生模拟仿真数据，基于数据挖掘出经验性原理，相互协同促进研究发现。
综合以上分析，AI赋能科学研究呈现3种驱动方式：高维数据计算、数据增强和数据理解。高维数据计算在此不作赘述。关于数据增强，当前的AI能够有效解决特征提取、添加语义信息增强数据的多样性和稳健性、合成新数据解决数据系数或保密等问题[45]，核心解决科学研究中的基础数据问题，有效扩展科学研究的边界，提升科学研究的质量。关于数据理解，尤其是GPT-4o[2]、LLaMA[3]等大模型（Large Language Models，LLMs）技术不仅能以远超人类能力的速度和规模处理和分析大量数据，而且呈现出接近人类水平的数据理解、推理和分析能力已日益展现出对自然语言理解的迹象，在达到与人类专家相当水平的推理和规划能力方面展示了显著潜力[46-48]，未来大模型将在众多认知任务上与人类并驾齐驱，甚至超越人类能力[49,50]。
2.2 AI赋能科技情报工作的方式
情报产生的基础不仅有知识，还有信息和数据。基于数据、信息、知识、情报间的逻辑关系学者们构建了Data-Information-Knowledge-Intelligence-Wisdom（DIKIW）模型[54]及Data-Information-Knowledge-Intell-igence（DIKI）标准模型[55]。AI不仅能将各种复杂的数据类型（包括人类语言）转换为可互操作的量化语言，而且为复杂高维数据计算提供解决方案[56]，促使情报不仅可以从知识中产生，还可以从海量无序的数据和规范有序的信息中直接产生。数据和智能技术的普及发展，促使DIKI链上各节点间已经从单纯的线性传递关系，扩展至循环迭代关系。
科技情报工作需要在充分理解用户需求的基础上，尽可能提升数据、信息和知识等情报基础的客观性。基于AI赋能科学研究的3种方式，结合情报内涵，本文认为AI赋能科技情报工作的驱动方式有两个方面：情报基础建设，即数据生产、信息组织、知识表示，和情报生产，即情报计算，如图4所示。围绕AI赋能情报基础建设，确立了中国科学院文献情报中心“十四五”发展战略目标之一，即构建科技情报智慧数据，倾心打造的数据“收、存、治、管、用”一体化科情数据平台，实现数据生产、信息组织和知识表示等工作流程自动化[57]。受AI认知智能水平限制，之前围绕AI赋能情报计算的过程主要以人为主、AI技术为辅的模式，处于AI赋能科学自动化中的L2层级，仅解决某一环节的自动化[58]。未来，AI赋能科技情报工作将通过情报智能体（Documentation and Information Service Agent，DIS Agent）方式实现，将情报基础建设与情报生成深度融合，有力推动科技情报工作迈向更高水平的自动化与智能化。
3 基于情报智能体的科技情报工作新范式
为了进一步认识构建情报智能体的路径，需要厘清情报智能体驱动的科技情报工作新范式、新生态以及构建情报智能体的关键任务与方向。
3.1 人与情报智能体协同的科技情报工作新范式
基于科学自动化[58]和科学智能体[59]的层级划分体系，当前已出现的科学智能体多处于L3层级，即科学家提供问题和初始信息，科学智能体自主调用资源工具完成指定的任务；少部分呈现L4层级水平[60]，即科学家仅提供初始信息，科学智能体自动提出科学假设并探索发现科学规律。结合情报的内涵特征，当前阶段构建的情报智能体主要以L3层级为主，因此在情报智能体赋能科技情报工作过程中，还需要与人类智能合作，如图5所示。其中人类智能，即情报专家，主要负责情报情景感知与解析、情报问题输入和情报监控输出功能。情报智能体主要负责情报情景感知与解析、情报问题理解和计算、情报结果输出和反馈优化功能。当前AI在大量认知任务上尚未完全达成与人类智能同等水平，因此对于情报情境的感知解析能力以及生成情报能力方面还需情报专家的广泛参与，提升情报质量以契合用户需求。相较于传统以人为中心的科技情报工作范式下，情报专家需要花费大量的时间在数据生产、清洗和组织工作中，相关研究表明这些工作占据科学家大约80%的时间[61]，仅有20%的时间用于认知解析等核心活动，人与情报智能体协同的科技情报工作范式下，情报专家可能仅需花费20%的时间评估选择合适的智能体用于数据处理工作，80%的时间专注于高价值情报的生成与决策支持活动。
3.2 基于情报智能体的科技情报工作新生态
情报智能体驱动的科技情报工作新生态基于多层架构设计，主要包括4个部分：智能体集群、软件工具、基础数据和基础设施。内外协同运行：对内，通过集成调度工具、基础数据和基础设施资源，实现数据生产、信息组织、知识表示和情报计算四大核心功能的高度自动化；对外，通过智能体与情报专家及具体情报场景的交互，形成“人与智能体协同”的工作新范式。软件工具和基础设施为构建情报智能体提供了强有力的技术支撑，确保了智能体在各个工作环节中的稳定运行和高效协同。基础数据则涵盖了科技论文、专利以及社会经济等情报数据，为情报分析提供了丰富的数据源。通过各模块的协同工作，新生态实现了科技情报工作的闭环流程，为情报专家提供了系统化、自动化和智能化的支持。
基于情报DIKI理论阐释，在新生态系统中，智能体集群包括4类情报智能体，分别承担数据生产、信息组织、知识表示和情报计算任务。通过这4类情报智能体的协同工作，推动科技情报工作朝向全面自动化和智能化方向发展。4类智能体的功能及作用体现如下。
（1）数据生产类智能体，负责采集和生成情报数据。这类智能体可以自动从多种来源获取数据，包括学术文献、专利信息、网络资源等，为情报工作提供丰富的数据支持。通过自动化的数据采集和预处理，数据生产类智能体能够显著提高数据获取效率，并减少人工参与的需求。
（2）信息组织类智能体，负责将数据进行分类、整理，形成结构化的信息。信息组织类智能体通过语义分析和分类技术，将原始数据加工为符合情报需求的结构化信息，从而便于后续的知识表示和情报分析。这类智能体可以实现自动的知识图谱构建和主题分类，为情报工作的知识构建打下基础。
（3）知识表示类智能体：通过知识图谱、语义网络等方式，将信息转化为可解读的知识。知识表示类智能体在对信息进行进一步抽象和关联的基础上，构建出知识图谱，将数据和信息转化为可视化和结构化的知识体系，为情报计算和分析提供了深度支持。
（4）情报计算类智能体：负责运用大模型和其他AI技术，对知识进行计算分析，生成高价值的情报结果。这类智能体可以通过趋势分析、社会网络分析等方法，从数据中挖掘出潜在的情报价值，揭示隐含的关联关系，从而为决策者提供深度的情报支持。
3.3 构建情报智能体的关键任务方向
为了使情报智能体更好地适应未来科技情报工作需求，其构建不仅需要解决当前技术应用的适用性问题，还需前瞻性地考虑后续应用中的安全风险防控，下面具体论述两方面应重点关注的任务方向。
就情报智能体的构建方面，需要解决数据和工具技术方面的关键问题，建立一个多模态规范对齐的可靠知识库和全面的工具技术库。由于情报数据来源多样，格式、质量和结构各异，必须开发先进的数据融合和语义对齐技术，确保智能体能够从多源数据中提取有效信息。通过提升特征提取、噪声处理、数据审核和语义对齐技术，构建一个高质量的知识库，支撑智能体在情报分析中的可靠性和适用性。同时，针对情报分析流程中的各类情景需求，需建立开放的工具技术库，包括情报计算工具、AI模型和通用分析工具，规范接口和使用标准，以便智能体在实际应用中可以灵活调用。加强这些关键工具和资源的建设，为智能体在复杂情报任务中的应用奠定技术基础。
在情报智能体的应用过程中，安全治理和使用监管至关重要。智能体的高自主性和复杂的推理能力带来了内容生成的不可控风险，因此需要构建强大的验证系统，确保输出内容的准确性和可追溯性。监管任务还需关注智能体在情报分析中的行为合规性，通过严格的同行评议、版本控制、动态更新日志等手段，保持智能体应用的透明度。此外，为避免人类对智能体的过度依赖，需制定清晰的交互指导方案，加强人类用户的意识培训和能力提升，确保“人在环路”的协同机制得以实现。通过对安全、伦理和监管体系的不断完善，推动情报智能体在确保可信和合规的前提下，安全应用于情报分析工作中。
4 结语
科技情报工作每一次变革与发展都围绕着先进信息技术的应用展开，情报技术在科技情报工作范式变革中发挥着核心驱动作用。在大模型与Agent融合技术的推动下，构建与应用情报智能体已成为科技情报工作的必然选择。本文深入剖析了AI赋能科学研究的驱动方式，提出AI技术赋能科技情报工作的主要方式包括情报基础建设（即数据生产、信息组织和知识表示）和情报生成的计算过程，情报智能体能够实现这两种赋能方式的深度融合。在基于情报智能体的科技情报工作新生态中，智能体集群是核心模块，实现数据生产、信息组织、知识表示和情报计算四大核心功能的自动化。未来在情报机构在规划建设未来情报智能体时，为确保情报智能体稳定运行，应重点关注技术适配性以及潜在安全风险的识别与防控，确保系统的高效性、鲁棒性和可持续发展。
