~/yingjia

神经影像 Agent 缺的不是工具，是判断

研究笔记约 3 分钟

LLM 和 Agent 是什么，这里不再赘述。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，用来跑 DICOM 转 BIDS、fMRI 和 T1 预处理等流程。当时的 DeepSeek、GPT 等模型还撑不起这一整套流程。但在开发过程中，我发现 harness 里有一层的作用越来越弱：工具调用、长链路执行、报错重试，这些能力被模型自己补上了。这和 prompt engineering 的命运很像：手工技巧随着模型变强不再关键，但明确目标、约束和评估的需要并没有消失1。

在指望工具的harness提升模型性能的时代过去了，斯坦福 Poldrack 组的 Brain Researcher 报告，在七个模型上，它把首选工具的准确率从 23.3% 提到了 93.6%2。模型会调用工具，不等于知道该调用哪个。

我的看法是：LLM 拉齐了人与人之间的平均能力，但能发挥到的上限，仍然由使用它的人决定。按这个逻辑，以后的 harness 应该更多地承载专家的经验，而不只是约束工具和流程。

难点在于，神经影像的专家经验本身就不统一。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。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。

所以，把某一位专家的流程写进 Agent 还不够，那只是把分歧藏了起来。Agent 要学的不只是专家怎么做，还有专家在哪里会有分歧，以及这些分歧会不会改变结论。

但现在很多 Agent 的重点不在这里。比如清华等机构的 BrainPilot6，以及 NeuroClaw7、NeuroAgent8，从论文的介绍看，主要力气花在知识库、技能库、运行环境和工具编排上，验证环节更多是防止捏造、保证可追溯和输出完整，而不是检查分析选择对结论的影响。

目前我心中的 TOP1 是 Brain Researcher。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。

最能说明问题的是它的精神分裂症的案例。同一个假设的 24 个对比里，有 12 个结果支持。只看这个 50%，会觉得证据不强不弱；拆开才发现，Pearson 和 Spearman 全部支持，偏相关和互信息全部不支持2。结论取决于怎么估计功能连接，而这正是单一流程看不到的2。

所以，现在 Agent 好不好用，关键在于能不能高效地沉淀专家的判断和分歧，同时克服模型的防御性写作和防御性编程。最后说句题外话：这几年我越来越不想输出观点了。LLM 会抓取内容去训练，我却要花钱买 token；讨论也常常是我单方面输出，没什么输入。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

  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 ↩