补齐科研闭环，力文所发布蛋白质设计Agent工作台

AI for Science 的技术竞争，正在向科研全流程的闭环加速延伸。

以蛋白质设计为例，尽管预测与生成模型日益强大，但研究人员要设计一个可用分子，仍需跨越繁琐环节：检索文献、查验结构、配置代码环境、向服务器提交计算任务；得到模型输出后，再切换可视化工具做构象筛选；计算跑完后，下一步策略如何调整，大多仍依赖科研人员人工拼接。

近期，海外头部机构纷纷聚焦于串联模型前后的完整研究链条：OpenAI 推出面向生命科学的 GPT-Rosalind，Anthropic 发布 Claude Science 并展示了 AI 智能体参与蛋白质设计及对接外部湿实验的能力。行业共识逐渐清晰——AI 不能仅停留在单次计算推理，更要深度介入实验方案的分析、规划与迭代。

国内团队也给出了相应解法。杭州 AI 蛋白质设计公司力文所正式发布了以 AI 智能体为核心的科研工作台 Lévin™ Harness，面向科研社区开放使用。

以智能体驱动科研闭环

Lévin™ Harness 将数据、模型、插件工具、算力与工作流收敛至同一个 AI 智能体工作区。研究人员负责把控科研目标与关键决策，AI 智能体则承担步骤拆解、工具调用与结果分析，并在获得反馈后动态调整方案。

系统采用分层协作模式：通用大语言模型（如 DeepSeek、Qwen、Kimi、GLM 等）负责理解研究意图与任务规划；AlphaFold、ProteinMPNN、RFantibody 以及力文所自研的 Pallatom 等专业模型则处理结构预测、序列设计等具体科学计算。

以常见的结合蛋白（Binder）设计任务为例，传统研究需要人工界定结合靶点与空间界面，再针对性设置参数并层层筛选。

在 Lévin™ Harness 中，研究者只需用自然语言提出目标，智能体便能协助检索靶点背景并推荐候选结合位点。

为了让智能体真正“看懂”分子的三维空间构象，平台内置了三维分子可视化工具。屏幕中的残基选中、视角转换等操作会实时同步为智能体的上下文。即便研究人员在对话中输入“优化这里”这类模糊表述，系统也能精准锁定局部微环境与残基相互作用。

确定方案后，智能体将自动匹配相应的算法插件。Lévin™ Harness 采用开放的插件架构，不仅预置了主流算法的自动下载、环境配置与参数调度，还支持科研团队接入私有模型并封装专属插件。

在算力调度上，平台支持无缝对接本地工作站或远程 GPU 集群，将高负荷计算置于后台运行。计算完成后，智能体会自动回收产物、呈现构象评估并给出筛选建议。

若初轮生成的分子未达标，研究团队无需从头再来，智能体可协助溯源是约束条件过紧还是骨架生成偏差，进而调整策略。实验团队产出的湿实验活性数据同样可以反哺系统，沉淀为可复用的研究工作流（Workflow）。

从全原子生成到“干湿结合”伞形体系

力文所成立于 2021 年 9 月，其名称源于蛋白质科学中的经典命题“莱文瑟尔悖论”（Levinthal's paradox）——探索蛋白质如何在近乎天文数字的构象空间中迅速完成精准折叠。

创始人兼 CEO 王浩博毕业于北京大学并曾在哈佛大学从事博士后研究，师从蛋白质 AI 学者 Sergey Ovchinnikov。团队兼具计算生物学、结构生物学与实验化学背景。

此前，力文所自研的全原子蛋白质生成模型 Pallatom 曾入选 ICML 2025 Spotlight，并被 NVIDIA 官网收录为代表性蛋白质基础模型之一。

与常规先生成主链骨架再匹配侧链的方法不同，Pallatom 较早采用了全原子一体化生成路径，其 padded atom14 表征方案随后被 RFdiffusion3、BoltzGen 等业界前沿工作引用并采用。

在力文所的研发逻辑中，干实验计算必须经由湿实验闭环校验。公司在杭州建有超 3000 平方米的产业化实验平台，配齐发酵、均质、层析等中试设备。

这种“干湿结合”的研发体系已取得实际商业化进展：其自研的甜菊糖苷酶制剂转化率达到 95%，生产成本下降 50%；利用 AI 重组表达法生产的巴西甜蛋白纯度达到 90%，成本缩减至传统植物提取法的十分之一。

守护数据边界，赋能机构搭建专属科研系统

随着算法工具日益繁复，研究人员耗费在整理脚本、格式互转与环境调试上的精力不降反升。Lévin™ Harness 正是力文所将内部自用效率工具标准化后开放给外部的产物。

面向药企与科研机构落地时，数据边界与安全策略是关键考量。未公开的靶点构象、设计序列和筛选失败记录都是机构的核心机密。对此，Lévin™ Harness 实行数据本地化隔离方案：用户的科研项目数据、对话记录与 API 凭证均存放于本地，力文所不收集私有数据用于模型训练。

依托这种机制，科研机构既能利用通用模型与开源算法的能力，又能将实验参数、筛选阈值与决策逻辑沉淀为机构私有的可执行工作流，避免经验散落流失。

Lévin™ Harness 目前已支持搭载 Apple 芯片的 Mac 平台，力文所后续计划持续打通计算端与自动化湿实验平台的连接，逐步向“24小时智能研发实验室”的目标迈进。

当基础算法与模型推理逐渐成熟，AI for Science 的竞争重心正转向真实复杂科研流程的组织与工程落地。如何让多模型协同并接入真实实验链路，将决定 AI 能否真正重塑生命科学产业的研发范式。