3 种环境、5 条命令跑通 Biomni：生物医学 AI 智能体部署指南

3 种环境、5 条命令跑通 Biomni：生物医学 AI 智能体部署指南

【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/Biomni

Biomni 是一个通用生物医学 AI 智能体：LLM 负责推理，知识库负责检索，代码执行负责落地分析。你用一句自然语言就能让它规划 CRISPR 筛选、注释单细胞数据、预测化合物 ADMET 性质。面向想用 AI 自动化生物医学任务的研究者和开发者。

快速上手：三选一安装环境

仓库自带三套 conda 环境规格，先按下表选型：

选型结论：首次体验直接选精简版。官方只测试过 Ubuntu 22.04 64 位下的完整环境脚本。

git clone https://gitcode.com/GitHub_Trending/bi/Biomni cd Biomni/biomni_env conda env create -f fixed_env.yml conda activate biomni_e1 pip install biomni --upgrade

执行后 conda 会创建名为biomni_e1的环境，pip 把官方包装进去。

cp .env.example .env # 填入 ANTHROPIC_API_KEY，其他 provider 可选

配好密钥后写一个最小脚本：

from biomni.agent import A1 agent = A1(path='./data', llm='claude-sonnet-4-20250514') agent.go("Predict ADMET properties for this compound: CC(C)CC1=CC=C(C=C1)C(C)C(=O)O")

成功信号：控制台先打印一段 BIOMNI CONFIGURATION 配置摘要，随后自动下载约 11GB 的 datalake 数据文件（带进度条），最后逐步输出工具调用与结果。模型、超时等参数可参考 docs/configuration.md。

功能全景：四个核心能力

Biomni 把"推理、数据、经验、界面"四件事分别装进了不同模块，每个都能独立使用。

• A1 智能体（ReAct 推理循环）：智能体按"推理 → 调工具 → 检查结果 → 纠错"循环执行任务，卡住或结果不符时会自我纠正并换路径。适合多步骤研究任务，单步调用它没意义。
• 自然语言查库：内置 Ensembl、ClinVar、GWAS Catalog、GEO、UniProt 等 30 多个数据库的查询封装，智能体把自由问句翻译成结构化请求。你不用记任何数据库的 API 细节。
• Know-How 知识库：一份人工沉淀的实验经验文档库（biomni/know_how/ 内有 sgRNA 设计指南、单细胞注释指南），与任务相关时自动检索注入，并跟踪作者、授权与商用限制。让智能体的"做法"更像实验室标准流程。
• Gradio Web 界面：加一行agent.launch_gradio_demo()就能在http://localhost:7860打开网页版聊天界面，适合没有代码基础的同学试玩。

可复现案例：规划一次 CRISPR 筛选

四步走完，你可以照着敲出来。

背景：你要做一次全基因组 CRISPR 敲除筛选，目标是找出调控 T 细胞耗竭的基因，要求候选基因尽量多、扰动效果最大化。

配置：用快速上手的精简环境，.env里已配好 API key。

操作：

agent = A1(path='./data', llm='claude-sonnet-4-20250514') agent.go("Plan a CRISPR screen to identify genes that regulate T cell exhaustion, generate 32 genes that maximize the perturbation effect.")

结果：任务通常需要几分钟。智能体会先梳理 T 细胞耗竭通路的生物学背景，再查基因与通路数据库，应用 CRISPR 设计原则后排序去重。你应看到一份 32 个基因的候选列表，每个基因附入选理由，以及用到的数据源与后续验证建议。满意后调agent.save_conversation_history("report.pdf")可导出整条执行轨迹（需先装 weasyprint 或 pandoc）。

扩展方向：两个入口

• 接入外部工具（MCP 协议）：入口是agent.add_mcp(config_path="./mcp_config.yaml")，写一份 YAML 指向外部 MCP 服务器，智能体自动发现并注册其工具，之后自然语言里就能直接调用。仓库 tutorials/examples/add_mcp_server/ 有完整示例。
• 写一个新工具：入口在 biomni/tool/，按领域分模块（genetics、immunology、pharmacology 等共 20 多个文件）。加一个分析函数、在 tool_description 声明参数、在 tool_registry 注册，智能体即可发现并调用它。

避坑清单：三个真实问题

1. 首次初始化卡很久现象：第一次跑A1(...)像挂了。原因：默认自动下载约 11GB datalake。解法：只测工具链时传expected_data_lake_files=[]跳过下载，需要查库功能再放回来。

2. Gradio 版本冲突现象：装了 Gradio 6.x 后 Web 界面报错。原因：接口只兼容 5.x。解法：pip install "gradio>=5.0,<6.0"锁版本。

3. 个别功能需要独立环境现象：想跑拷贝数分析或 panhumanpy 注释，直接调用失败。原因：依赖与主环境冲突，官方列在 docs/known_conflicts.md。解法：用bio_env_py310.yml建 Python 3.10 环境，或按文档装独立 conda 环境。

4. 安全红线README 明确警告：智能体执行的是 LLM 生成的代码，且具备完整系统权限，可访问文件、网络与系统命令。生产环境请放入沙箱或隔离机器，敏感凭据不要和它混放。

结尾

Biomni 把"推理 + 检索 + 代码执行"装进一个智能体，让生物医学研究任务第一次可以被一句话驱动、可复现、可导证。下一步：打开 tutorials/biomni_101.ipynb，按它走一遍"初始化 → 跑一个任务 → 存 PDF 报告"，然后换成你自己的研究问题。

【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/Biomni