天津大学团队开发REAP闭环系统，结合AI预测与自动化实验，通过排名导向的混合损失函数，五轮迭代将P450 BM3酶活性提升57倍，Sortase A提升104倍。该系统优先学习突变体排序而非精确数值，能发现自然界罕见的远端突变，并有效筛选组合突变，突破传统定向进化局限，标志着酶工程进入算法驱动的自动化时代。

本文探讨了AI辅助开发的新视角，涵盖Claude Code的成功案例、AI工具对开发者职业路径的影响、失败的AI自动化实验反思，以及MCP的技术局限性。强调AI在开发中的重要性，推动开发者技能与职业发展转变。

研究团队通过自动化实验与人工智能，从实验数据中提取了色谱分离的数学公式，显著提高了化学实验的效率与可靠性。这一方法可推广至其他科学领域，展示了人工智能在科学发现中的潜力。