Biomni生物医学研究从自然语言到可执行代码的实战路径【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/BiomniBiomni 是一个通用生物医学 AI 智能体你用一句自然语言描述研究任务它负责规划步骤、查询数据库、生成代码并在本地环境执行把每一步的中间结果都留给你核查。适合想把重复性分析、实验设计和多库检索自动化起来的生物医学研究者与工程师。三个能落地的场景当你要设计基因编辑筛选实验时研究问题停在设计阶段时比如找出调控 T 细胞耗竭的基因Biomni 不会只给一段文字回答而是先给出筛选设计的完整逻辑再落到一份 32 个候选基因的清单每个基因附入选理由。规划、查库、生成结果全部在一次调用内完成中间步骤都记录在日志里便于事后定位哪一步出了问题。from biomni.agent import A1 agent A1(path./data, llmclaude-sonnet-4-20250514) agent.go(Plan a CRISPR screen to identify genes regulating T cell exhaustion, generate 32 candidate genes)当你要跨多个公开数据库核对信息时环境内置了三十多个专业数据库的本地索引ClinicalTrials、Ensembl、UniProt、PubChem、ChEMBL、GWAS Catalog 都在其中schema 文件放在biomni/tool/schema_db/目录。智能体推理时直接生成 Python 代码调用这些索引不需要在十几个网站之间手动跳转。输入一条 SMILES 就能拿到化合物的 ADMET 预测是验证这类调用最快的方式。agent.go(Predict ADMET properties for compound: CC(C)CC1CCC(CC1)C(C)C(O)O)如果你需要把过程留档每次执行轨迹可以导出成 PDF包含推理、代码和观察结果的完整链路适合放进实验记录或发给合作者复现。agent.save_conversation_history(crispr_screen_design.pdf) 三步从零跑通1. 克隆仓库并建环境系统要求Linux、macOS 或 WSL2装好 conda磁盘预留 30GB 以上完整 E1 环境安装耗时超过 10 小时基础环境几分钟即可。git clone https://gitcode.com/GitHub_Trending/bi/Biomni cd Biomni/biomni_env conda env create -f environment.yml完成标志出现biomni_e1环境。想要完整的命令行工具集把最后一条换成bash setup.sh并跟随提示选择组件。2. 安装包并配置密钥conda activate biomni_e1 cd .. pip install -e . cp .env.example .env然后编辑.env填入ANTHROPIC_API_KEY。完成标志python -c import biomni不报错。3. 初始化智能体并跑第一个任务from biomni.agent import A1 agent A1(path./data) agent.go(What is the protein function of BRCA1?)完成标志终端开始滚动打印推理 → 执行 → 观察循环最终给出答案。注意两点首次初始化会自动从 S3 拉取约 11GB 的本地数据生成的代码以完整系统权限执行涉及敏感数据时建议放进容器或虚拟机里跑。它是怎么跑的一句话如何变成执行结果先做一轮资源收窄任务提交后go()不会把全部工具和数据库一股脑塞给模型。biomni/model/retriever.py里的 ToolRetriever 会先用一次 LLM 调用按任务从工具、数据湖文件、软件库和 know-how 文档中挑出相关项只有这些条目的描述才会写进系统提示词。这一步换来的是受控的上下文长度和更少的工具误调用。ReAct 循环推进执行真正的执行是一条 LangGraph 状态机generate 节点让模型输出execute包裹的代码执行层在本地 REPL 里跑完输出作为观察结果写回消息历史循环直到模型输出solution表示任务完成。代码执行入口是biomni/tool/support_tools.py中的run_python_repl每步有超时控制整个循环设了 500 次递归上限防止死转。know-how 库提供领域约束biomni/know_how/目录下放着 sgRNA 设计、单细胞注释等场景的书写式最佳实践文档。初始化时这些文档会被完整加载进系统提示词推理全程可用开启commercial_mode后还会自动过滤掉不可商用的内容。调优与个性化配置推理和查库拆开用不同模型问题全程用最强模型跑完整任务费用高且多数步骤用不上。怎么改default_config.llm只影响数据库查询层A1()的llm参数只影响智能体推理两者分开指定即可。from biomni.config import default_config default_config.llm claude-3-5-haiku-20241022 agent A1(llmclaude-sonnet-4-20250514)改完效果查库这类简单调用走轻量模型成本明显下降查询质量基本不受影响。跳过数据湖加速初始化问题首次初始化被 11GB 下载拖慢带宽或存储有限时尤其明显。怎么改传入空列表显式跳过下载。agent A1(path./data, expected_data_lake_files[])改完效果初始化从几分钟缩到秒级代价是依赖数据湖的数据库工具在补下载之前不可用。长任务放宽执行超时问题单步代码默认 600 秒超时跑大型测序数据时容易被截断。怎么改default_config.timeout_seconds 1200改完效果单步执行上限翻倍跨所有智能体和数据库查询一致生效。高频踩坑速查现象初始化长时间无响应或数据拉取中断 →原因首次会自动从 S3 下载约 11GB 数据湖弱网环境最容易卡在这 →处理用expected_data_lake_files[]跳过或先在网络好的机器上下载把文件放到path/biomni_data/data_lake/后再迁移过去。现象Gradio 界面启动后页面报 API 错误 →原因Gradio 6.0 改动了对接接口与当前版本不兼容 →处理固定版本pip install gradio5.0,6.0。现象部分功能缺失或提示依赖冲突 →原因E1 完整环境包含大量命令行工具官方为避免冲突默认不装某些 pip 包 →处理对照docs/known_conflicts.md按需单独安装并放开代码中对应的注释。下一步怎么走打开tutorials/biomni_101.ipynb从初始化到第一个任务的完整演示概念部分讲得比文档细。翻一遍tutorials/examples/MCP 外部工具接入、基因克隆流程、PyLabRobot 实验自动化三个实操案例都在里面。读完CONTRIBUTION.md后往biomni/know_how/提交自己的领域文档现有文档可以直接当格式模板。跑通第一个任务之后剩下的事就是不断喂给它新场景哪里不靠谱就把对应流程拆得更细。【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/Biomni创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 Biomni｜生物医学研究从自然语言到可执行代码的实战路径
Biomni生物医学研究从自然语言到可执行代码的实战路径【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/BiomniBiomni 是一个通用生物医学 AI 智能体你用一句自然语言描述研究任务它负责规划步骤、查询数据库、生成代码并在本地环境执行把每一步的中间结果都留给你核查。适合想把重复性分析、实验设计和多库检索自动化起来的生物医学研究者与工程师。三个能落地的场景当你要设计基因编辑筛选实验时研究问题停在设计阶段时比如找出调控 T 细胞耗竭的基因Biomni 不会只给一段文字回答而是先给出筛选设计的完整逻辑再落到一份 32 个候选基因的清单每个基因附入选理由。规划、查库、生成结果全部在一次调用内完成中间步骤都记录在日志里便于事后定位哪一步出了问题。from biomni.agent import A1 agent A1(path./data, llmclaude-sonnet-4-20250514) agent.go(Plan a CRISPR screen to identify genes regulating T cell exhaustion, generate 32 candidate genes)当你要跨多个公开数据库核对信息时环境内置了三十多个专业数据库的本地索引ClinicalTrials、Ensembl、UniProt、PubChem、ChEMBL、GWAS Catalog 都在其中schema 文件放在biomni/tool/schema_db/目录。智能体推理时直接生成 Python 代码调用这些索引不需要在十几个网站之间手动跳转。输入一条 SMILES 就能拿到化合物的 ADMET 预测是验证这类调用最快的方式。agent.go(Predict ADMET properties for compound: CC(C)CC1CCC(CC1)C(C)C(O)O)如果你需要把过程留档每次执行轨迹可以导出成 PDF包含推理、代码和观察结果的完整链路适合放进实验记录或发给合作者复现。agent.save_conversation_history(crispr_screen_design.pdf) 三步从零跑通1. 克隆仓库并建环境系统要求Linux、macOS 或 WSL2装好 conda磁盘预留 30GB 以上完整 E1 环境安装耗时超过 10 小时基础环境几分钟即可。git clone https://gitcode.com/GitHub_Trending/bi/Biomni cd Biomni/biomni_env conda env create -f environment.yml完成标志出现biomni_e1环境。想要完整的命令行工具集把最后一条换成bash setup.sh并跟随提示选择组件。2. 安装包并配置密钥conda activate biomni_e1 cd .. pip install -e . cp .env.example .env然后编辑.env填入ANTHROPIC_API_KEY。完成标志python -c import biomni不报错。3. 初始化智能体并跑第一个任务from biomni.agent import A1 agent A1(path./data) agent.go(What is the protein function of BRCA1?)完成标志终端开始滚动打印推理 → 执行 → 观察循环最终给出答案。注意两点首次初始化会自动从 S3 拉取约 11GB 的本地数据生成的代码以完整系统权限执行涉及敏感数据时建议放进容器或虚拟机里跑。它是怎么跑的一句话如何变成执行结果先做一轮资源收窄任务提交后go()不会把全部工具和数据库一股脑塞给模型。biomni/model/retriever.py里的 ToolRetriever 会先用一次 LLM 调用按任务从工具、数据湖文件、软件库和 know-how 文档中挑出相关项只有这些条目的描述才会写进系统提示词。这一步换来的是受控的上下文长度和更少的工具误调用。ReAct 循环推进执行真正的执行是一条 LangGraph 状态机generate 节点让模型输出execute包裹的代码执行层在本地 REPL 里跑完输出作为观察结果写回消息历史循环直到模型输出solution表示任务完成。代码执行入口是biomni/tool/support_tools.py中的run_python_repl每步有超时控制整个循环设了 500 次递归上限防止死转。know-how 库提供领域约束biomni/know_how/目录下放着 sgRNA 设计、单细胞注释等场景的书写式最佳实践文档。初始化时这些文档会被完整加载进系统提示词推理全程可用开启commercial_mode后还会自动过滤掉不可商用的内容。调优与个性化配置推理和查库拆开用不同模型问题全程用最强模型跑完整任务费用高且多数步骤用不上。怎么改default_config.llm只影响数据库查询层A1()的llm参数只影响智能体推理两者分开指定即可。from biomni.config import default_config default_config.llm claude-3-5-haiku-20241022 agent A1(llmclaude-sonnet-4-20250514)改完效果查库这类简单调用走轻量模型成本明显下降查询质量基本不受影响。跳过数据湖加速初始化问题首次初始化被 11GB 下载拖慢带宽或存储有限时尤其明显。怎么改传入空列表显式跳过下载。agent A1(path./data, expected_data_lake_files[])改完效果初始化从几分钟缩到秒级代价是依赖数据湖的数据库工具在补下载之前不可用。长任务放宽执行超时问题单步代码默认 600 秒超时跑大型测序数据时容易被截断。怎么改default_config.timeout_seconds 1200改完效果单步执行上限翻倍跨所有智能体和数据库查询一致生效。高频踩坑速查现象初始化长时间无响应或数据拉取中断 →原因首次会自动从 S3 下载约 11GB 数据湖弱网环境最容易卡在这 →处理用expected_data_lake_files[]跳过或先在网络好的机器上下载把文件放到path/biomni_data/data_lake/后再迁移过去。现象Gradio 界面启动后页面报 API 错误 →原因Gradio 6.0 改动了对接接口与当前版本不兼容 →处理固定版本pip install gradio5.0,6.0。现象部分功能缺失或提示依赖冲突 →原因E1 完整环境包含大量命令行工具官方为避免冲突默认不装某些 pip 包 →处理对照docs/known_conflicts.md按需单独安装并放开代码中对应的注释。下一步怎么走打开tutorials/biomni_101.ipynb从初始化到第一个任务的完整演示概念部分讲得比文档细。翻一遍tutorials/examples/MCP 外部工具接入、基因克隆流程、PyLabRobot 实验自动化三个实操案例都在里面。读完CONTRIBUTION.md后往biomni/know_how/提交自己的领域文档现有文档可以直接当格式模板。跑通第一个任务之后剩下的事就是不断喂给它新场景哪里不靠谱就把对应流程拆得更细。【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/Biomni创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考