Biomni 生物医学 AI 智能体从克隆到首次跑通的完整教程【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。你用自然语言描述研究任务它通过检索增强规划自动查 Ensembl、UniProt、GWAS Catalog 等 30 多个内置数据库并参考数百份标准实验协议完成执行。读完本文你可以完成环境安装、跑通第一个自然语言生物医学任务并掌握 Gradio 界面、PDF 报告输出、成本与本地模型配置这三个常用能力。它帮你解决什么问题当你需要回答哪些基因调控 T 细胞耗竭或把这个 scRNA-seq 数据做注释时传统做法是手动查文献、切数据库、写分析代码。Biomni 的 A1 智能体接收你的研究问题和数据路径输出执行计划、查询结果和可验证的假设中间的工具调用和代码执行由它自己完成。智能体的实现在 biomni/agent/内置的数据库 schema 和协议库放在biomni/tool/目录下。跑通 Biomni 生物医学智能体的最短路径前置要求装好 conda。官方完整的 setup.sh 脚本只在 Ubuntu 22.04 64 位上测试过下面先用通用路径把基础环境搭起来。下面这条流水线克隆仓库、创建基础环境 biomni_e1 并安装官方 pip 包git clone https://gitcode.com/GitHub_Trending/bi/Biomni cd Biomni conda env create -f biomni_env/environment.yml conda activate biomni_e1 pip install biomni --upgrade执行完你会看到 biomni_e1 环境激活、pip 安装 biomni 的日志。如果你还需要全套生信命令行工具blast、samtools 等再运行bash biomni_env/setup.sh——过程超过 10 小时且需要 30GB 以上磁盘属于可选步骤。接着把 API 密钥放进工作目录复制模板文件cp .env.example .env在 .env 中填入ANTHROPIC_API_KEY用 Claude 模型时必填OpenAI、Gemini、Groq 的密钥按需选填。最后做一次首跑验证创建 A1 智能体丢给它一个任务from biomni.agent import A1 agent A1(path./data, llmclaude-sonnet-4-20250514) agent.go(Perform scRNA-seq annotation at [PATH] and generate meaningful hypothesis)首次运行会自动下载约 11GB 的数据湖到./data下载完成后智能体返回分析过程和结果。注意 Biomni 以完整系统权限执行 LLM 生成的代码生产环境请在沙箱里使用。三个最常用能力详解自然语言执行生物医学任务能做什么把研究问题交给agent.go()智能体自行拆解步骤、调用数据库和分析工具、输出结论例如预测化合物的 ADMET 性质agent.go(Predict ADMET properties for this compound: CC(C)CC1CCC(CC1)C(C)C(O)O)。适合谁不想手写分析代码、想直接拿到可执行方案的研究人员。启动 Gradio 交互界面能做什么不开终端敲代码在浏览器里和智能体对话。使用前装 5.x 版本的 Gradiopip install gradio5.0,6.06.x 不兼容然后启动agent.launch_gradio_demo(shareTrue)运行后浏览器访问http://localhost:7860即可聊天shareTrue会额外生成一个可分享给同事的公开链接。适合谁想快速演示、或不熟 Python API 的团队成员。导出 PDF 执行报告能做什么任务跑完后把完整执行过程导出成 PDFagent.save_conversation_history(my_analysis_results.pdf)当前目录会生成同名 PDF 文件渲染效果建议安装 weasyprint。适合谁需要归档分析过程、把结果交给合作者或放进论文材料的人。按你的情况改 Biomni 生物医学智能体配置如果想控制成本数据库查询用轻量模型、智能体推理用强模型改法如下from biomni.config import default_config default_config.llm claude-3-5-haiku-20241022 # 数据库查询 agent A1(llmclaude-3-5-sonnet-20241022) # 智能体推理如果你有自部署的 OpenAI 兼容模型把default_config.source设为Custom再设置base_url、api_key、llm三个字段指向本地服务。如果磁盘紧张或网络慢构造智能体时传expected_data_lake_files[]跳过 11GB 数据湖的自动下载。如果用 Azure 模型模型名要加azure-前缀例如azure-gpt-4o。另外记一点A1()的直接参数只影响该智能体自己的推理不影响数据库查询要全局一致就改default_config或 .env。踩坑自查表现象最可能原因一句话解法报 API key 找不到工作目录缺 .env 或密钥名拼错.env 放工作目录echo $ANTHROPIC_API_KEY验证数据湖下载慢或失败首次运行自动下载约 11GB受网络限制用expected_data_lake_files[]跳过下载再初始化Gradio 界面起不来装了 Gradio 6.x与 Biomni 不兼容降级为pip install gradio5.0,6.0某功能缺包或依赖冲突hyperimpute、cnvkit 等包因冲突默认不装查docs/known_conflicts.md单独建 conda 环境安装改了配置不生效default_config 只影响之后创建的智能体重新创建智能体A1 直接参数不影响数据库查询完整环境装得特别久setup.sh 需要 10 小时以上基础用法conda env create -f biomni_env/environment.yml即可接下来去哪tutorials/biomni_101.ipynb官方入门教程首跑通过后按顺序过一遍。docs/configuration.md全部配置项、环境变量与优先级说明调参数时查它。docs/mcp_integration.md接入外部 MCP 服务器、或把 Biomni 暴露为 MCP 服务的做法。CONTRIBUTION.md如何贡献新工具、数据集和 Know-How 协议文档。【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