Biomni 生物医学AI智能体完整上手最小安装路径、本地模型部署与常见踩坑【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/BiomniBiomniA1 智能体是一个通用的生物医学 AI 智能体用自然语言描述研究问题它会自动规划、调用 30 专业数据库、生成并执行分析代码。适合生物信息学研究者、湿实验科研人员以及想尝试多步科研自动化的 AI 开发者。适用场景谁在什么情况下需要它场景一多数据库交叉查询。做药物或基因研究时常常要在 ClinicalTrials、UniProt、ChEMBL、GWAS Catalog 等几十个数据库之间来回切换。用 Biomni 只需输入Find FDA active ingredient information for ibuprofen查找布洛芬的 FDA 活性成分信息智能体会自动检索相关数据库并汇总结果相关数据库 schema 定义存放在 biomni/tool/schema_db/。场景二从想法到实验方案。湿实验研究员拿到一个课题比如设计 CRISPR 筛选实验识别调控 T 细胞耗竭的基因。执行agent.go(Plan a CRISPR screen to identify genes that regulate T cell exhaustion)智能体会给出筛选设计、候选基因列表并检索 biomni/tool/protocols/ 中来自 Addgene、Thermo Fisher 的数百个标准实验协议作为操作参考。首次运行最小安装路径完整 E1 环境含 R、CLI 工具安装耗时超过 10 小时。如果只是想先跑通走最小路径git clone https://gitcode.com/GitHub_Trending/bi/Biomni cd Biomni conda env create -f biomni_env/environment.yml # 基础环境无需 setup.sh conda activate biomni_e1 pip install biomni --upgrade然后配置 API 密钥至少需要一个推荐 Claudecp .env.example .env # 在 .env 中填入 ANTHROPIC_API_KEY第一次运行验证from biomni.agent import A1 agent A1(path./data, llmclaude-sonnet-4-20250514) agent.go(Predict ADMET properties for compound: CC(C)CC1CCC(CC1)C(C)C(O)O)需要说明完整环境走biomni_env/setup.sh要求 Ubuntu 22.04、30GB 以上磁盘详见 环境搭建说明。核心能力自然语言驱动的多步研究任务。智能体内部是 ReAct 推理-执行循环见 biomni/agent/能拆解长任务、调用工具、运行生成的代码并自我修正。例如agent.go(Perform scRNA-seq annotation at [PATH] and generate meaningful hypothesis)它会完成单细胞数据注释并产出可检验的假设。知识增强检索。除数据库外Biomni 内置 Know-How 知识库biomni/know_how/收录单细胞注释、sgRNA 设计等最佳实践文档任务相关时自动检索让回答带上领域经验而非纯模型记忆。过程可导出为报告。每次任务执行完一行代码即可把完整推理轨迹存成 PDFagent.go(设计一个单细胞RNA测序分析流程) agent.save_conversation_history(scRNA_analysis.pdf)进阶玩法交互式 Web 界面。安装pip install gradio5.0,6.0后agent.launch_gradio_demo(shareTrue) # 在浏览器打开可生成分享链接本地模型接入Biomni-R0。官方发布了 32B 生物推理模型 Biomni-R0用 SGLang 本地起服务后可让智能体推理走本地模型、数据库查询仍走云端 API兼顾隐私与成本agent A1(llmbiomni/Biomni-R0-32B-Preview, sourceCustom, base_urlhttp://localhost:30000/v1, api_keyEMPTY)成本控制。用default_config统一配置全局智能体推理 数据库查询from biomni.config import default_config default_config.llm claude-3-5-haiku-20241022 # 轻量模型省钱 default_config.timeout_seconds 1200注意直接给A1(llm...)传参只影响该智能体推理不影响数据库查询两者想一致建议都用default_config。更多选项见官方配置文档。外部工具接入MCP。支持 Model Context Protocol通过agent.add_mcp(config_path./mcp_config.yaml)挂载外部 MCP 服务器示例在 tutorials/examples/add_mcp_server/实现细节见 MCP 集成文档。踩坑速查问题原因解法初始化卡住首次运行自动下载约 11GB 数据湖用A1(path./data, expected_data_lake_files[])跳过下载先快速开发某些工具不可用hyperimpute、langchain_aws、cnvkit 等包因依赖冲突未预装查 已知冲突清单按需手动安装cnvkit 需单独用bio_env_py310.yml的 Python 3.10 环境Gradio 启动报错界面依赖 Gradio 5.x API降级pip install gradio5.0,6.0Gradio 6.0 不兼容另外官方有明确安全提示智能体以完整系统权限执行 LLM 生成的代码生产环境请务必放在隔离/沙箱环境中运行注意敏感数据。下一步Biomni 的价值在于把查数据库、跑分析、出方案这条科研流水线压进了一次自然语言对话里先从最小环境跑通一个任务再按需扩展本地模型和 MCP 工具即可。学习路径入门教程tutorials/biomni_101.ipynb示例代码tutorials/examples/配置详解docs/configuration.md已知依赖冲突docs/known_conflicts.md贡献指南CONTRIBUTION.md【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 Biomni 生物医学AI智能体完整上手：最小安装路径、本地模型部署与常见踩坑
Biomni 生物医学AI智能体完整上手最小安装路径、本地模型部署与常见踩坑【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/BiomniBiomniA1 智能体是一个通用的生物医学 AI 智能体用自然语言描述研究问题它会自动规划、调用 30 专业数据库、生成并执行分析代码。适合生物信息学研究者、湿实验科研人员以及想尝试多步科研自动化的 AI 开发者。适用场景谁在什么情况下需要它场景一多数据库交叉查询。做药物或基因研究时常常要在 ClinicalTrials、UniProt、ChEMBL、GWAS Catalog 等几十个数据库之间来回切换。用 Biomni 只需输入Find FDA active ingredient information for ibuprofen查找布洛芬的 FDA 活性成分信息智能体会自动检索相关数据库并汇总结果相关数据库 schema 定义存放在 biomni/tool/schema_db/。场景二从想法到实验方案。湿实验研究员拿到一个课题比如设计 CRISPR 筛选实验识别调控 T 细胞耗竭的基因。执行agent.go(Plan a CRISPR screen to identify genes that regulate T cell exhaustion)智能体会给出筛选设计、候选基因列表并检索 biomni/tool/protocols/ 中来自 Addgene、Thermo Fisher 的数百个标准实验协议作为操作参考。首次运行最小安装路径完整 E1 环境含 R、CLI 工具安装耗时超过 10 小时。如果只是想先跑通走最小路径git clone https://gitcode.com/GitHub_Trending/bi/Biomni cd Biomni conda env create -f biomni_env/environment.yml # 基础环境无需 setup.sh conda activate biomni_e1 pip install biomni --upgrade然后配置 API 密钥至少需要一个推荐 Claudecp .env.example .env # 在 .env 中填入 ANTHROPIC_API_KEY第一次运行验证from biomni.agent import A1 agent A1(path./data, llmclaude-sonnet-4-20250514) agent.go(Predict ADMET properties for compound: CC(C)CC1CCC(CC1)C(C)C(O)O)需要说明完整环境走biomni_env/setup.sh要求 Ubuntu 22.04、30GB 以上磁盘详见 环境搭建说明。核心能力自然语言驱动的多步研究任务。智能体内部是 ReAct 推理-执行循环见 biomni/agent/能拆解长任务、调用工具、运行生成的代码并自我修正。例如agent.go(Perform scRNA-seq annotation at [PATH] and generate meaningful hypothesis)它会完成单细胞数据注释并产出可检验的假设。知识增强检索。除数据库外Biomni 内置 Know-How 知识库biomni/know_how/收录单细胞注释、sgRNA 设计等最佳实践文档任务相关时自动检索让回答带上领域经验而非纯模型记忆。过程可导出为报告。每次任务执行完一行代码即可把完整推理轨迹存成 PDFagent.go(设计一个单细胞RNA测序分析流程) agent.save_conversation_history(scRNA_analysis.pdf)进阶玩法交互式 Web 界面。安装pip install gradio5.0,6.0后agent.launch_gradio_demo(shareTrue) # 在浏览器打开可生成分享链接本地模型接入Biomni-R0。官方发布了 32B 生物推理模型 Biomni-R0用 SGLang 本地起服务后可让智能体推理走本地模型、数据库查询仍走云端 API兼顾隐私与成本agent A1(llmbiomni/Biomni-R0-32B-Preview, sourceCustom, base_urlhttp://localhost:30000/v1, api_keyEMPTY)成本控制。用default_config统一配置全局智能体推理 数据库查询from biomni.config import default_config default_config.llm claude-3-5-haiku-20241022 # 轻量模型省钱 default_config.timeout_seconds 1200注意直接给A1(llm...)传参只影响该智能体推理不影响数据库查询两者想一致建议都用default_config。更多选项见官方配置文档。外部工具接入MCP。支持 Model Context Protocol通过agent.add_mcp(config_path./mcp_config.yaml)挂载外部 MCP 服务器示例在 tutorials/examples/add_mcp_server/实现细节见 MCP 集成文档。踩坑速查问题原因解法初始化卡住首次运行自动下载约 11GB 数据湖用A1(path./data, expected_data_lake_files[])跳过下载先快速开发某些工具不可用hyperimpute、langchain_aws、cnvkit 等包因依赖冲突未预装查 已知冲突清单按需手动安装cnvkit 需单独用bio_env_py310.yml的 Python 3.10 环境Gradio 启动报错界面依赖 Gradio 5.x API降级pip install gradio5.0,6.0Gradio 6.0 不兼容另外官方有明确安全提示智能体以完整系统权限执行 LLM 生成的代码生产环境请务必放在隔离/沙箱环境中运行注意敏感数据。下一步Biomni 的价值在于把查数据库、跑分析、出方案这条科研流水线压进了一次自然语言对话里先从最小环境跑通一个任务再按需扩展本地模型和 MCP 工具即可。学习路径入门教程tutorials/biomni_101.ipynb示例代码tutorials/examples/配置详解docs/configuration.md已知依赖冲突docs/known_conflicts.md贡献指南CONTRIBUTION.md【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