•项目主页：https://github.com/PharMolix/OpenBioMed
•项目贡献者：罗弈桢，赵苏原，陈鑫睿，杨凯，聂子坤，左晨阳，王嘉硕，范嗣祺，燕文杰，刘明皓，聂再清
过去两年，AI Agent能力突飞猛进，越来越多的科研团队开始尝试让 Agent 自动执行复杂的研究流程。但我们看到市面上一些通用的科学Skill，有的已经提供上百个覆盖各领域的技能。
但它们本质上在做同一件事——把工具的使用文档，整理成 Agent 可以读懂的格式。
这对通用任务已经足够，但在生物医药研发场景里，还远远不够。
OpenBioMed Skills想要解决的核心任务是把生物医学研究中"只能依赖专家经验"的环节，变成可执行、可复用的Skills, 并形成工作流，在一定程度上形成“科研能力平权”。为此，我们需要：
在这个案例中，我们展示了通过安装OpenBioMed Skills，用户可以借助Claude Code完成针对靶点的先导化合物设计，Agent可以通过与用户多轮对话，确认用户的参数设计，执行任务。并且在完成结算后，针对实验结果给出后续的优化方案。
Skill Creator - 专家能力创建：先导化合物设计
很多情况下，Agent学习的Skill还不够多，也不够精通。这时候，就需要让Agent具备创建专业Skills，并验证其是否正常工作的能力。OpenBioMed平台上，采用OpenBioMed Skill Creator，运用自然语言对话的方式，生成研究人员专属的Agent 和工作流。
案例呈现：先导化合物的设计是药物研发从‘体外活性’向‘成药潜力’跨越的关键分水岭，它不仅决定了药物分子的活性上限，更在很大程度上定义了后续临床转化的成功率本。在这个案例中， Agent 借助OpenBioMed Skill Creator，自动规划了从靶点结构提取、分子生成与对接、性质评估的完整工作流，并以 ABL2/ARG 靶点（PDB 4XLI）为示例进行了真实的计算跑通。面对首轮严苛标准与Agent混淆概念导致的筛选失败，视频展现了专家在环（Expert in the loop）对技能设计的关键作用：用户通过自然语言调整 QED 等参数并澄清概念后，Agent 成功输出了 6 个高质量候选分子，并最终自动将整个工作流编写成示例代码，并保存为可随时调用的全新技能。
1、自然逆合成规划
目标分子→ AiZynthFinder + 专家经验 → 原料可购买性验证 → 完整合成路线，支持人机协作与全自动双模式
2、单细胞注释
单细胞RNA测序数据→ LangCell零样本推理 → 自动识别罕见细胞类型（无需训练数据，目前唯一实现零样本细胞身份理解的模型）
对生物医药研发机构而言，实验数据、患者信息、候选化合物结构等均为高度敏感资产，涉及商业机密与合规要求。对此，OpenBioMed支持本地化部署，所有数据处理和模型推理均支持在用户私有环境完成，数据无需上传至任何外部服务器，从根本上杜绝了数据泄露风险。无论是制药企业的先导化合物库、医院的患者基因组数据，还是科研机构的未发表实验结果，都可以在确保完全可控的安全边界内，享受顶尖AI模型的分析能力。
Quick Start with Claude Code
1、通过 git clone 克隆项目仓库，并按照 installation guide 完成环境配置（该步骤可直接借助 claw 或 claude code 代劳）
2、将 skills 文件夹拷贝至～/.claude/skills 目录下；
3、在 OpenBioMed 目录下运行 claude，即可通过 /${skill_name} 的形式调用对应 skill。
