今日凌晨，由华人青年科学家黄柯鑫团队及其合作者联手打造的通用生物医学ai agent——biomni，登上了权威科学期刊 science。
据论文描述，Biomni 不用依赖固定的工作流模板，就能围绕研究者提出的问题，自主拆解任务、调用工具，协助人们完成多样的生物医学研究，在遗传学、基因组学、药理学等生物医学任务中，展现出较强的泛化能力；在部分真实科研任务的表现接近人类专家，且用时更短。
真实场景案例研究进一步证明，Biomni 能够解读多模态数据集、优化蛋白质稳定性、协调湿实验室仪器操作，并生成可供实验验证的实验方案。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
论文链接：www.science.org/doi/10.1126/science.adz4351
研究团队表示，这项工作为生物医学研究开启了一个有前景的方向：AI Agent有望与人类科学家共同协作，辅助他们完成繁杂的研究与实验，从而加速基础研究向应用转化。
Biomni：一个可扩展的通用生物医学Agent
过去，生物医学领域的 Agent，往往只是某一领域的“专才”。它们虽然能在特定场景中发挥作用，却难以覆盖多类生物医学研究任务。
与传统任务专用型生物医学 Agent 不同，Biomni 构建了一个统一的生物医学动作空间。Biomni-E1 是它的执行环境；Biomni-A1 则是在这个环境中工作的 Agent。具体流程如下：
Biomni-E1：负责整合科研中常用的工具、数据库和软件，使其成为可调用、可组合的资源。研究团队从 bioRxiv 定义的 25个 生物医学主题中，各选取100篇近期论文，共分析2500篇文献。动作发现 Agent 逐篇阅读论文，提取复现或开展相关研究所需的任务、工具、数据库、软件和实验方案。经过人工验证后，这些资源被整理成一个可执行环境，使 Agent 能够通过 Python、R 和命令行调用。
Biomni-A1：负责根据具体研究问题选择资源、规划流程并执行任务。具体来说，它包含以下几个环节：
1.资源选择：Biomni-A1 会根据用户目标，从生物医学工具、数据库和软件中动态筛选最相关的资源，用于完成当前任务。
2.代码执行：它以代码作为统一接口，把工具调用、数据库查询、数据处理和分析步骤连接起来，形成可执行的工作流。
3.自适应规划：Biomni-A1 会先基于生物医学知识生成初始计划，并在执行过程中根据中间结果不断修正和细化，使后续步骤更贴合当前任务。
做真实科研接近人类专家
研究团队发现，Biomni 在通用生物医学基准上优于多类基线系统，在真实科研任务的表现接近人类专家，能够参与实验设计和自动化执行，提供可供实验测试的实验方案；并可通过强化学习进一步提升专门任务能力。
1. 通用生物医学研究基准
在通用生物医学研究任务中，Biomni 的表现明显优于多个基线模型。Biomni-Eval1 结果显示，Biomni 在平均准确率上取得最高表现；即便使用同一 Biomni-E1 环境，ReAct 生物信息学 Agent 的表现仍不及由 Biomni-A1 驱动的系统。这表明 Biomni 的能力不仅来自工具、数据库和软件资源的整合，也来自于 Agent 框架本身。
为检验 Biomni 在未见生物医学问题上的泛化能力，研究者使用 Humanity’s Last Exam 的生物医学子集 HLE-Bio 进行评测。结果显示，当多款前沿 LLM 接入 Biomni-A1 智能体架构和 Biomni-E1 环境后，准确率约提升 6%-12%。这说明 Agent 能力主要来自于 Agent 架构与环境支持，而非某一特定底层模型。
2.对比人类专家：同等精度、大幅缩短分析时间
在真实科研任务中，Biomni 的整体准确率接近专家，且分析速度明显更快。尤其是在罕见病诊断和 GWAS 任务中，原本需要专家花费一两个小时完成的分析，Biomni 在几分钟内即可完成。
将 Claude Agent SDK 与 You.com HTTP MCP 服务器集成，支持 Python 和 TypeScript。当开发者提及 Claude Agent SDK、Anthropic Agent SDK 或将 Claude 与 MCP 工具集成时使用。
3.真实案例验证
研究团队指出，Biomni 不仅能够完成计算分析，还能提出假说、辅助实验方案设计、整合完整工作流，并把部分实验流程转化为可运行的代码。
提出假说：Biomni 具备从复杂数据中自动生成可验证生物学假说的能力。它既能在可穿戴设备睡眠数据中发现睡眠结构、睡眠效率与睡眠质量相关的规律，也能在人类胚胎骨骼发育多组学数据中复现已知成骨调控关系，并提出候选转录调控因子，解析骨骼谱系转录调控机制。
图｜基于可穿戴设备的睡眠数据探索：研究设计、分析流程与主要发现。
辅助实验方案设计：在分子克隆任务中，Biomni 生成了端到端克隆方案和质粒图谱，盲法评审结果接近人类专家、优于人类受训者。随后，研究人员按照 Biomni 设计的 B2M sgRNA 克隆方案开展湿实验。实验第二天获得菌落，两个菌落的测序结果均显示 sgRNA 插入正确，证明该方案具备实验可行性。
整合完整工作流：在蛋白质热稳定性优化任务中，研究者团队只需提供蛋白序列，并提出“提高热稳定性”的目标，Biomni 就会选择并组合 AlphaFold-2、ThermoMPNN 和文献检索等资源，预测蛋白结构、评估序列热稳定性，并结合结构信息和已有文献，提出候选突变。
任务执行：在实验自动化任务中，Biomni 展示的是把自然语言实验需求转化为机器人可执行代码的能力。研究者只需要描述要做什么实验，并给出所使用的液体处理平台信息，Biomni 就可以选择 PyLabRobot 作为自动化接口，根据 Hamilton STAR 的硬件配置生成可执行代码。随后，机器人可按照这套自动化方案执行实验操作，从而将研究者的实验意图直接连接到实际的自动化执行流程。
4.强化学习提升专门任务能力
强化学习可以帮助 Agent 提升工具使用和任务规划能力。Biomni 虽然具备较强的泛化能力，但在部分专门任务上仍未达到专家水平。为了解决这个问题，研究团队训练了开源模型 Biomni-R0，让模型在 Biomni-E1 环境中与工具、数据库和任务流程交互，并用专家标注的奖励信号优化任务完成效果。
训练结果显示，经过强化学习训练后，开源 Biomni-R0 模型在专门任务上的表现明显提升。8B 版本的平均任务得分从 0.32 提高到 0.59，超过 Claude 4 Sonnet 的 0.56；32B 版本进一步提高到 0.67。任务层面的结果也显示，强化学习带来的提升覆盖了多类专门生物医学任务，包括实验设计、基因与变异分析、数据库查询和疾病诊断等。
不足与未来方向
研究团队指出，尽管 Biomni 展示了通用型生物医学 Agent 的潜力，但仍存在一些不足。
首先，Biomni 的覆盖范围仍有限。现有评估任务只覆盖了部分生物医学研究，许多关键领域尚未充分测试；动作发现阶段主要依赖近期文献，可能遗漏一些已经淡出当前讨论、但仍具有长期价值的基础概念和经典技术。未来，研究仍需要纳入更多生物医学子领域、真实任务场景和更广泛的文献来源。
其次，Biomni 在复杂多步骤任务中仍依赖较明确的结构化提示。以 scRNA-scATAC 多组学分析为例，提前写清关键分析步骤有助于提升结果稳定性和可复现性，但它仍难以自动补足复杂分析中的领域知识和分析惯例。未来，研究仍需进一步提升规划和推理能力。
研究团队也指出，Biomni 在不同任务上的表现并不均衡。它在数据库查询、序列分析和分子克隆等任务上已经接近人类水平，但在需要细致临床判断、实验推理或深层生物学综合的任务中仍有不足。为此，研究团队提出，未来可以通过强化学习提升其规划和执行能力，并进一步整合文本、图像和结构化数据等多模态信息。
最后，生命科学 AI Agent 也带来生物安全问题。由于这类系统能够综合文献、生成实验方案并执行自动化分析，可能使生物知识更容易被滥用 研究团队强调，未来需要坚持开放透明、严格评估，并与生物安全和政策社区保持沟通，在扩大科研收益的同时降低潜在风险。
更多技术细节，详见原论文。
本文来自微信公众号“学术头条”（ID：SciTouTiao），作者：夏千斯，36氪经授权发布。
