Biomni是一个通用生物医学AI代理，旨在为生物医学领域提供智能解决方案。项目提供了Web界面，并鼓励用户通过Slack、X（原Twitter）和LinkedIn等平台参与社区互动。

主要内容总结

标题: GitHub - snap-stanford/Biomni: Biomni: 一个通用的生物医学AI代理

项目概述:
Biomni 是一个通用的生物医学AI代理，旨在自主执行广泛的生物医学研究任务。它通过整合前沿的大型语言模型（LLM）推理、检索增强规划和基于代码的执行，帮助科学家显著提高研究效率并生成可测试的假设。

快速开始:
1. 安装:
- 提供 setup.sh 脚本来设置环境。
- 激活环境后，通过 pip install biomni --upgrade 安装最新版本的 Biomni。
- 配置 API 密钥（如 Anthropic 和 OpenAI）。
2. 基本使用:
- 初始化代理并执行生物医学任务，如规划 CRISPR 筛选、执行单细胞 RNA 测序注释、预测化合物的 ADMET 属性等。

贡献指南:
Biomni 是一个开源科学项目，欢迎社区贡献，包括新工具、数据集、软件集成、基准测试、教程等。贡献者可以通过提交表单或遵循贡献指南参与项目。

Biomni-E2 项目:
Biomni-E1 是当前版本，Biomni-E2 是下一代环境，旨在通过社区协作定义和整理标准生物医学操作库，加速科学发展。贡献者有机会成为论文的共同作者，并在出版物中获得认可。

教程和示例:
提供基础教程 Biomni 101，更多教程即将发布。

Web 界面:
通过 biomni.stanford.edu 体验无代码的 Web 界面。

发布计划:
包括真实世界研究任务基准/排行榜发布、贡献教程、基线代理教程、Biomni A1+E1 发布等。

注意事项:
- 当前版本冻结于 2025 年 4 月 15 日，与当前 Web 平台有所不同。
- Biomni 本身是 Apache 2.0 许可，但某些集成工具、数据库或软件可能具有更严格的商业许可。

引用:
提供引用格式，建议在相关研究中使用。

图片:

1. AI在医学研究中的潜力

   • 评论1和评论3强调了AI在医学研究中的巨大潜力，特别是在数据模式识别和药物开发方面。
   • 关键引用：
     • "AI can be awesome at identifying patterns in data that humans can't" (AI在识别人类无法发现的数据模式方面非常出色)
     • "There is also the possibility of building intelligent workspaces that could prove useful in aiding scientific research" (构建智能工作空间可能有助于科学研究)

2. 对现有AI工具的创新性质疑

   • 评论4指出，许多软件只是围绕LLM API调用的专门包装，缺乏真正的创新。
   • 关键引用：
     • "We’re seeing endless waves of specialized wrappers around LLM API calls" (我们看到围绕LLM API调用的专门包装层出不穷)
     • "There’s very little innovation happening beyond specializing around particular niches" (除了围绕特定领域的专门化，几乎没有真正的创新)

3. AI在生物威胁方面的潜在风险

   • 评论5提出了AI可能被用于提升生物武器能力的担忧，尽管作者对此持怀疑态度。
   • 关键引用：
     • "curious how it fared on evaluations for supporting biological threats" (好奇它在支持生物威胁方面的评估表现如何)
     • "I’m personally sceptical that LLMs can currently do this" (我个人怀疑LLM目前能否做到这一点)

4. 对工具数量和实用性的讨论

   • 评论6和评论8讨论了提供150多种工具的实用性，以及这些工具在处理复杂数据时的局限性。
   • 关键引用：
     • "It’s just an agent loop with access to python exec and web search as standard" (它只是一个可以访问Python执行和网络搜索的代理循环)
     • "I wonder if giving 150+ tools is really a good idea considering context limitations" (考虑到上下文限制，提供150多种工具是否真的是个好主意)

5. 对开源项目的推荐

   • 评论9推荐了几个开源项目，用于医学文献的检索和分析。
   • 关键引用：
     • "I’ve been working on a set of open source projects that enable RAG over medical literature" (我一直在开发一套开源项目，用于医学文献的RAG)
     • "There is also this tool that annotates papers inline" (还有一个工具可以内联注释论文)

总结：评论主要围绕AI在医学研究中的潜力、现有工具的创新性、生物威胁风险、工具数量与实用性以及开源项目的推荐展开讨论。观点多样，既有对AI技术的积极期待，也有对其局限性和潜在风险的担忧。