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/BiomniBiomni 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方案命令磁盘耗时适用场景精简版conda env create -f fixed_env.yml13GB约 30-60 分钟基础智能体、教学演示完整版 E1bash setup.sh30GB10 小时以上需要 R 与完整生信 CLI 工具链Python 3.10 版conda env create -f bio_env_py310.yml视依赖而定视网络而定拷贝数变异分析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, llmclaude-sonnet-4-20250514) agent.go(Predict ADMET properties for this compound: CC(C)CC1CCC(CC1)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, llmclaude-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 gradio5.0,6.0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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考