Agent-Plan-x-DeepSeek-Harness-分子逆向设计推理链
Agent Plan × DeepSeek Harness：分子逆向设计从性能到结构的推理链
摘要：分子逆向设计的目标，是从"目标性能"反推"分子结构"。这一命题在传统计算化学中受制于化学空间的组合爆炸与性能-结构映射的不可微性，长期停留在局部搜索。大语言模型（LLM）与智能体（Agent）技术的成熟，为这道难题提供了一条全新的工程化路径：以 Agent Plan（任务规划中枢）组织研究流程，以 DeepSeek Harness（深度推理与工具编排控制框架，取"deep seek"本义，兼指以 DeepSeek-R1 为代表的推理时计算范式）封装领域工具与验证闭环。本文从问题本质出发，梳理分子逆向设计四代范式的演进逻辑，剖析 Agent 规划层与控制层的设计要点，给出"性能 → 结构"端到端推理链的完整拆解，并结合 CAi Copilot、ChemCrow、Coscientist、S1-MatAgent、Llamole、MEMOS 等真实系统与文献数据，讨论工程落地中的关键挑战与自主科学（Self-driving Science）的演进方向。
引言：当"设计"变成一道规划题
材料与药物的研发史上，最昂贵的动作是"试错"。一个类药分子要同时满足活性、选择性、代谢稳定性、溶解度、毒性等十余项性质，而类药化学空间的规模在 10^60 量级——比可观测宇宙中的原子数目还要多出若干数量级。传统研发流程本质上是在这个近乎无限的空间里做"带约束的随机行走"：先凭经验选定母核，再围绕少数几个位点做取代基扫描，测一批、改一批。工业化高通量筛选（HTS）把这一过程放大了若干个数量级，但"先造出来、再测好坏"的 正问题逻辑 没有改变——探索成本与化学空间的规模成正比。
这正是"逆向设计"（Inverse Design）登场的背景：我们希望直接指定目标性能（比如"在 420 nm 处发射、半峰宽小于 25 nm、且能真空蒸镀的有机发光分子"），让算法自动给出满足条件的分子结构。2016 年以来的深度生成模型（VAE、GAN、扩散模型、强化学习）证明了一条可行路径：让模型在结构空间里"采样"，再用正向预测器筛选，形成"生成-评估-再生成"的闭环。
但生成模型只是替换了"结构怎么来"，并没有回答更本质的问题：这个研究过程本身由谁来组织？ 一个真实的设计任务包含目标澄清、约束解析、数据获取、生成策略选择、多目标权衡、合成可行性核查、失败归因、方案迭代……每一步都需要领域知识，且步骤间存在复杂的依赖与分支。2023 年底以来，以 ChemCrow、Coscientist 为代表的科学智能体（AI Agent for Science）给出新的答案：把"设计研究"本身当作一个可以由 LLM 驱动的规划问题——LLM 不再只负责生成分子，而是负责"决定下一步做什么、调用哪个工具、如何解释结果"。
本文标题中的两个关键词由此而来：
- Agent Plan——规划的"大脑皮层"。研究任务的分解、排序、分支、重规划，都以显式规划（Explicit Planning）的形式存在于 Agent 的推理循环中，而非隐式地散落在算法的超参数里。
- DeepSeek Harness——执行的"神经与肌肉"。将深度推理（推理时计算、思维链展开）、深度搜索（对候选空间的树搜索/束搜索）、工具编排（MCP 协议、领域工具包）与验证反馈（模拟器、AI 预测器、真实实验）封装为一套可复用的控制框架（Harness），让"深度"不再是模型的静态能力，而是 Agent 在任务过程中可以主动投入的可变计算预算。
下文将沿一条主线展开：问题本质（为什么难）→ 范式演进（从筛选到生成到自主）→ 规划层设计（Agent Plan）→ 控制层设计（DeepSeek Harness）→ 端到端推理链全貌 → 案例解剖 → 工程挑战 → 未来图景。
第一章 问题本质：逆向设计为什么"难"
1.1 组合爆炸：化学空间不是"大"，而是"不可穷举"
分子结构的离散组合性决定了逆向设计的第一个困难。以有机分子为例，仅考虑 C、N、O、S、P、卤素等常见元素，小分子药物相关空间即达 10^60 量级；若加入金属有机配合物、高熵合金、聚合物与二维材料，构型空间呈超指数增长。2025 年 5 月劳伦斯伯克利国家实验室与 Meta AI 联合发布的 Open Molecules 2025（OMol25，含逾 1 亿个分子动力学模拟快照）看似规模惊人，相比全空间仍是沧海一粟。
推论：任何"枚举式"方法——包括高性能虚拟筛选——都会撞上算力墙。唯一的出路是引导式搜索：让采样分布跟随目标性能不断收缩。这正是生成式方法的理论基础，也是"正问题求解器必须与生成器耦合"的结构性原因。
1.2 双鸿沟：性能-结构的映射是"多对一"且"强耦合"
逆向设计第二个困难来自物理本身：
- 多对一映射：同一宏观性能（如带隙、玻璃化转变温度、细胞穿透率）可以由截然不同的微观结构实现，反之，两个只差一个甲基的分子可能表现出数量级的活性差异。正问题（结构 → 性能）是多对一、非线性的；其逆问题（性能 → 结构）则天然是病态逆问题（ill-posed）——解不唯一，且不连续。
- 多性质强耦合：真实需求从来不是单目标。药物要"活性高且毒性低且可合成"，发光材料要"色纯度高且效率高且热稳定"。这些性质之间常呈 Pareto 冲突（提升一个通常牺牲另一个），因此在"性能空间"里根本不存在唯一正解，只有权衡前沿（Pareto Front）。
推论：逆向设计本质上不是"求逆"，而是带约束的多目标搜索。因此评估一个算法体系，不能只看"能否生成符合要求的结构"，更要看它能否在尽量少的评估次数内逼近 Pareto 前沿。
1.3 验证成本：评估是最贵的资源
无论是 DFT 计算、MD 模拟还是湿实验，对候选结构做一次可靠的性能评估都远比"生成一个结构"昂贵——时间上跨越毫秒（AI 预测）到分钟（DFT）到天（实验）。传统优化算法（遗传算法、贝叶斯优化）之所以在分子领域举步维艰，是因为它们的评估预算极其有限，而随机初始化又往往落在性能很差的区域。
推论：任何一种可行架构，都必须把"评估预算"当作第一资源来管理。由此引出后续所有设计的上帝视角：生成器负责提出候选，代理模型负责廉价预筛，昂贵验证只留给少数高置信候选，Agent 负责决定"谁值得被验证、何时验证、验证后怎么改"。
1.4 知识图谱的碎片化
领域知识散落在异构的载体中：教科书（定性规律）、数据库（结构化数据，如 PubChem、Materials Project、ChemSpace）、文献（非结构化文本）、代码（RDKit、Psi4、VASP 的工具能力）、以及研究者脑中的经验（无法显式编码）。没有任何单一模型能端到端覆盖全部知识。
推论：面向逆向设计的 AI 系统必须是工具化、插件化的——把知识封装进可检索、可调用、可验证的工具接口，由规划器按需组合。这正是 Agent 范式相对于"一个模型打通关"范式的结构性优势。
本章小结：逆向设计的难点不是"没有解"，而是"解空间的形状未知、评估昂贵、约束冲突"。这决定了任何有效方案都必须同时具备三件事：强生成能力（在约束下采样）、廉价评估能力（代理模型）、策略能力（决定下一个动作）。传统方法解决前两件，Agent 范式第一次把第三件——策略能力——提到了架构中心。
第二章 四代范式：从"筛选"到"自主发现"
理解 Agent + 深度推理在逆向设计中的位置，需要先看清这条技术路线的演进坐标。Nature Materials 2025 年综述《AI-driven approaches for materials design and discovery》系统总结了这一历程：从高通量正向机器学习、进化算法，到强化学习与深度生成模型，再到当下的智能体驱动范式。我们把它归并为四个代际：
第一代：高通量虚拟筛选。 建立"结构 → 性质"的正向代理模型（从力场、DFT 到机器学习势函数），对预构建的候选库做批量打分取前 N 名。代表作如 2018 年 npj Computational Materials 上的深度逆设计模型：以光吸收波长为目标训练 VAE 风格编码器-解码器，命中率达到 45%-83%（放宽 ±50 nm 后升至 80%-96%），并能合成出训练集中不存在的方酸菁类染料母核。第一代的局限是依赖候选库的覆盖度——库外结构永远不可能被"发现"。
第二代：生成式逆向设计。 把生成器接到目标条件上：条件 VAE、GAN、自回归 SMILES 模型、图生成模型、扩散模型逐一登场，让模型直接"产出"满足条件的结构，而不是从库里"挑"。MIT 的 Llamole 系统是这一代的集大成者之一：它把 LLM 当作门控核心，用"design"触发 token 切换到一个图扩散模型去画分子骨架，用"retro"触发 token 切换到图反应预测器去做逆合成规划——语言模型与图模块形成"交替生成"的混合架构。生成式方法的突破在于走出了训练集，但"生成什么"仍然只由训练分布与条件向量决定，缺乏对评估结果的显式反思。
第三代：生成 + 显式优化闭环。 引入强化学习（RL）、遗传算法（GA）、贝叶斯优化作为外环，用正向预测器的分数对生成器做显式奖惩。典型案例：MEMOS 框架（Digital Discovery, 2025）用马尔可夫分子采样搭配多目标优化，针对窄带发光分子做逆向设计，数小时内遍历数百万结构、定位数千个目标分子，经 DFT 验证的成功率高达 80%，且能够回放文献中已知的多共振核心并拓展色域。MgH2 储氢催化剂工作（Journal of Magnesium and Alloys, 2026）也展示了"GPT-4o 构建数据集 + ML 预测模型 + 遗传算法逆向设计"的组合拳，还从 GA 结果中提炼出"多金属协同、先进载体"等可与 2025 年实验文献互证的设计原理——这意味着优化器输出的已不止是分子，还有可迁移的知识。第三代的问题是流程是线性的、预设的：评估函数、融合权重、迭代次数全部写死，遇到矛盾信号（预测与实验背离、搜索陷入局部最优）时，系统没有自主应对的能力。
第四代：自主 Agent。 2024 年 ChemCrow 与 ORGANA 率先把"设计-合成规划-实验执行"串成由 LLM 协调的流水线；2025 年中国科学技术大学的 ChemAgents（JACS 发表）把多智能体系统与机器人化学家结合，实现"开放式指令 → 按需任务编排"；上海人工智能实验室与南京大学的 CAi Copilot 则聚焦早期小分子设计，把"研究者意图 → 可执行科研流程 → 证据整理"全线自动化：在 45 项任务（CAiMD）上总体目标满足度达 84.59%（领先第二名 18.07 个百分点），有效工具输出率 67.49%（比最佳对照高 32.58 个百分点），在 SMDD-Bench 上将先导优化成功率从 50% 提升到 63.3%。
四代演进的关键变量，不是模型参数，而是**“搜索的控制权"逐步从流程脚本移交给了推理主体**：第一代控制权在候选库，第二代在生成分布，第三代在优化算法，第四代在 Agent 的规划循环。这一转移带来两个质变：其一，失败可以被解释——Agent 能对结局做归因并据此改写策略；其二，评估预算可以被动态分配——Agent 决定"这个问题用廉价的 AI 预测器还是昂贵的高保真计算，甚至上机器人实验台”。
第三章 Agent Plan：分子设计中的"规划中枢"
3.1 为什么规划是必需品
生成模型回答"下一步生成什么分子"，优化算法回答"往哪个方向调"，而规划层回答的是"整个研究流程该怎么走"——这是更高一层的递归问题。以"设计一款钙钛矿空穴传输材料"为例，完整的任务图包含：检索文献与已知材料 → 定义目标性质集合（带隙、迁移率、成膜性、稳定性）→ 选定生成引擎（VAE？扩散？GA？）→ 设计候选批次 → 用代理模型预测 → 对冲突指标做权衡（Pareto 分析）→ 合成可行性检查（逆合成 + 试剂可得性）→ 对幸存者做高保真验证（DFT/MD）→ 汇总证据、输出报告。任何一个环节在真实执行中都可能冒出分支：数据库查不到某性质就换预测模型；预测结果方差太大就回退到更保守的假设；DFT 不收敛就修几何初始化后重跑。
传统软件工程用手写管线（pipeline）解决这类问题，但研究任务与业务任务的根本区别在于不确定性密度：研究中的每个节点都可能失败、都可能产生意外信号、都可能需要临时插入新步骤。手写管线无法预埋所有分支。Agent Plan 的核心主张是：把流程控制权交给一个能读文本、能推理、能调用工具的规划器，让流程图在运行时动态生长——这正是"动态 DAG 工作流"的含义：每个任务是一个节点，节点间依赖与条件逻辑（“如果形成能 > 0 则终止该掺杂路径，否则继续电子结构计算”）由规划器即时生成。
3.2 规划循环：ReAct 与 Plan-and-Execute 的再思考
Agent 规划最基本的形态是 ReAct 循环：思考（Thought）→ 行动（Action）→ 观察（Observation）→ 再思考。在分子逆向设计语境下，ReAct 的每一步都要与领域工具绑定：Thinking 产出以 SMILES、晶格参数、任务描述为载体的中间决策，Action 触发工具调用，Observation 带回机器可读的结构化结果（性质数值、误差、警告）。
ReAct 的优点是灵活，缺点是在长链条任务中容易"走一步看一步"，缺乏全局视野，token 消耗与上下文膨胀随步数线性恶化。因此实践中更常用两级规划架构（Plan-and-Execute + ReAct 混合）：
- 粗粒度计划（Plan）：规划器把"目标性能陈述"分解为有序子任务清单，并预估每个子任务的输入输出契约（用什么工具、产出什么格式、依赖哪些前置步骤）。
- 细粒度执行（Execute）：每个子任务内部仍然走 ReAct 循环，直到该子任务完成或证据冲突触发重规划。
阿斯利康的 ChatInvent 系统提供了宝贵的工程实证：其早期 LangChain 原型对比了 ReAct 与 Structured Chat 两种结构，发现 ReAct 在化学任务里更容易出现参数格式错误、输入类型不匹配，最终选用更稳定的 Structured Chat；而当系统规模扩大后，单智能体的上下文膨胀与路由不稳定迫使团队转向 LangGraph 多智能体架构。这条"单智能体 → 多智能体"的演进路径几乎是所有真实系统的共同轨迹，因为它揭示了一个统计规律：随着工具与任务类型增多，单一上下文窗口难以同时容纳"全局记忆 + 工具 schema + 中间结果"，把不同职责解耦到独立上下文是工程上几乎必然的选择。
3.3 多智能体编排范式
当前科学 Agent 的多智能体编排大致分三种模式：
- 监督式路由（Supervisor Routing）：一个监督 Agent 统一入口，识别任务类型后分发给专家子 Agent。ChatInvent（Design/Synthesis/Utility/Analyzer 四子体）、MatSciAgent（主 Agent + 数据检索/晶体结构生成/连续介质模拟/MD 模拟子体）都属此类。其关键在于监督 Agent 要能生成"明确、范围受限的子任务描述"，避免把模糊指令下传给子体。
- 规划者-执行者（Planner-Executor）：S1-MatAgent 为代表。Planner 动态分解复合设计任务并配置专用工具，Executor 执行。S1-MatAgent 借此完成了高熵合金析氢催化剂的全周期逆向设计：从 2000 万候选空间收敛到 13 个高性能催化剂，其中 Ni4Co4Cu1Mo3Ru4 过电位低至 18.6 mV，整体性能较基线提升 27.7%。
- 自由协作（Peer Collaboration）：多个对等 Agent 通过共享黑板/消息总线协商分工。优点是小任务无需路由开销，缺点是职责边界易漂移，目前在分子设计领域尚以学术探索为主。
3.4 规划层的评估机制
规划的"好坏"不能只看最终产物，还要看过程的证据质量。CAi Copilot 的设计为此提供了可操作指标：目标满足度（plan 的执行结果与用户目标的符合程度）、有效工具输出率（调用工具后是否产生可用的结构化结果）、证据链完整性（结论能否回溯到每一步工具输出）。这些指标的价值在于让"规划质量"变得可评测、可回放、可优化——这是 Agent 系统走向生产的先决条件。
本章小结：Agent Plan 不是"让 LLM 写一段工作计划"，而是把任务分解、工具接入、分支处理、证据管理、失败归因做成显式的运行时机制。多智能体是规模化的必然形态，监督式路由与 Planner-Executor 是当前最成熟的两条工程路径。
第四章 DeepSeek Harness：把"深度"做成可调度的资源
4.1 语义厘清：何为"DeepSeek Harness"
本文的 DeepSeek Harness 是一个复合概念，取其字面双关：
- deep seek（深度搜寻）：指 agent 在任务中投入的可变推理计算量（Test-Time Compute）与定向搜索过程——以 DeepSeek-R1、OpenAI o 系列为代表的推理模型通过强化学习训练出原生思维链，在数学、代码、科学推理任务上实现数量级提升；而"深度搜索"则指在分子树/图空间上展开的束搜索、Beam Search、蒙特卡洛树搜索（MCTS）等显式搜索过程。两者的共同点：深度 = 在关键决策点多花计算，而不是均匀地烧算力。
- Harness（控制装置）：指把上述推理能力与领域工具、数据库、验证器封装起来的编排框架——类似软件工程里的 test harness / agent harness：模型是引擎，Harness 决定引擎何时启动、挂载哪些工具、以什么协议通信、如何把输出规范化为可验证的格式。
一句话概括：Agent Plan 决定"做什么、按什么顺序做"，DeepSeek Harness 决定"每一步怎么做深、怎么调用工具、怎么保证结果可信"。
4.2 推理时计算的三种打开方式
推理时计算在分子逆向设计中有三种落点：
其一，长链推理（Chain-of-Thought with Verification）。 ChemCrow 的实践表明，纯 LLM 在精确化学事实上不可靠——分子量算错、官能团识别张冠李戴是常态。对策是"不依赖记忆、只依赖工具"：LLM 作为管理者，在生成合成计划前先查询经过验证的数据库（RDKit 计算、PubChem 检索、GHS 安全检查），把推理的每一个数值断言都接地到工具输出上。推理时计算的真正价值由此显现：把模型的一次性"记忆检索"替换为多轮的"检索-计算-验证"，可靠性从模型先验水平跃迁到工具精度水平。
其二，分支搜索（Search over Alternatives）。 在逆合成规划中，每一步反应通常有多个候选模板与多条可行路线。把每一步展开成搜索树节点、用深度优先或束搜索遍历，并在叶子节点做可合成性打分——这一范式（AiZynthFinder 等）早已证明比贪心单路径可靠得多；把它装入 Agent 后，规划器可以用 LLM 的化学直觉来裁剪搜索树（优先展开"符合目标官能团策略"的支路），实现"经验剪枝 + 暴力遍历"的混合搜索，兼顾效率与完备性。
其三，自我反思与重规划（Self-Reflection / RSI）。 2025 年的 RSIAgent 等工作展示了一个重要规律：不更新模型参数，Agent 也能通过自主探索与记忆演化持续突破底层模型的原始能力边界（在 OSWorld 2.0 上从 71.97% 提升到 78.98%）。映射到分子设计场景：Agent 可以把"上一次设计失败的原因"（如：忽视溶解度约束、候选分子合成难度过高）写入结构化记忆，在下一次规划时显式规避。这种跨任务经验迁移，是传统优化算法很难具备的。
4.3 工具网关：MCP 与领域工具生态
工具层是 Harness 的身躯。以 ChemCrow 的工具集为参照样本，一个完整的分子设计 Harness 至少需要五类工具：
- 结构工具：SMILES 解析/校验、分子量、官能团识别、立体化学处理（RDKit 体系）；
- 性质计算工具：logP、TPSA、溶解度预测、ADMET 代理（PIP 类平台）；
- 生成与搜索工具：REINVENT/Mol2Mol 分子生成、AiZynthFinder 逆合成、反应模板库、ChemSpace 类组合库检索；
- 数据工具：PubChem、Materials Project、MatWeb 等数据库检索，专利状态检查，文献挖掘（LitSearch）；
- 安全与合规工具：GHS 危害检查、毒性预测、合成安全评估。
Anthropic 于 2024 年 11 月开源 MCP（Model Context Protocol）后，工具接入从"每家一套私有胶水"走向"USB-C"式标准化。对科学 Harness 而言，MCP 的意义不只是省了接入成本，更重要的是让工具以统一 Schema 暴露"输入-输出契约"——这正是第三章强调的规划器生成子任务描述的前提：只有当工具契约是机器可读的，规划器才能可靠地做参数装配与错误恢复。
4.4 验证器栈：把"信心"拆成可核验的层次
DeepSeek Harness 最容易被低估的组件是验证层。分子逆向设计的验证天然存在保真度阶梯（fidelity ladder），Harness 的职责是按预算与风险分配验证层级：
- L0 规则校验：价键合法性、SMILES 可解析性、违反泛式规则（如 Lipinski、PAINS 过滤），毫秒级；
- L1 机器学习代理：GNN/Transformer 性质预测器，秒级，覆盖 logP、溶解度、活性等；
- L2 高保真计算：DFT（带隙、激发态能级）、MD（扩散系数、玻璃化温度）、ML 势加速的动力学，分钟到小时级；
- L3 物理实验：机器人平台合成与表征（Coscientist、ChemAgents 的实验室闭环），天级。
一个成熟的 Harness 会把"分层验证"做成隐式路由：候选分子先过 L0/L1 海选，幸存者进入 L2 精筛，最后只有极少数进入 L3。验证层之间的信号冲突（如 L1 说活性高、L2 说激发态不稳定）正是触发 Agent 反思与重规划的最强信号——这是生成-优化闭环与 Agent 闭环的根本差异：前者把冲突当作噪声，后者把冲突当作信息。
本章小结：DeepSeek Harness = 深度推理（何时多算）+ 深度搜索（在哪展开）+ 工具编排（如何调）+ 验证闭环（凭什么信）。四者共同把"深度"从模型的静态属性变成 Agent 可动态调度的资源——深度本身成为 Agent Plan 的一项调度变量：重要节点加深推理，平凡节点快速通过。
第五章 从性能到结构：端到端推理链全貌
现在把 Agent Plan 与 DeepSeek Harness 合流，给出分子逆向设计的完整推理链。这条链以"目标性能陈述"为输入，以"可合成、可验证的候选结构 + 证据报告"为输出，共七个环节，环环之间存在分支、回退与数据回流：
环节 1：目标性能定义（Goal Formalization）
推理链的起点是把模糊的用户陈述转成形式化指标。用户的真实表达往往是"想要一种水溶性好又能穿透血脑屏障的抑制剂"“想要窄带隙的红色发光材料”。LLM 在此环节负责语义翻译与指标补齐：从自然语言中抽取性质约束（水溶性 → logS ≥ -4；血脑屏障 → logP 区间 + TPSA 上限），并提示用户补充缺失维度（是否要求合成简单？是否限制成本？是否考虑毒性？）。Llamole 的"门控 LLM"正是这一环节的工程化：它把用户查询解析成结构化条件，再据此触发相应的图模块。
该环节的产出物是一份机器可读的目标规格书（spec）：性质名、目标区间、权重、约束类型（硬/软）、验证方法。规格书是整个链条的"宪法"——后续所有环节的裁决都以它为锚，任何与规格书冲突的信号都必须显式上报，而不是被静默吞掉。
环节 2：约束编码（Constraint Encoding）
约束分为四类，进入生成器的路径各不相同：
- 硬化学约束（价键、原子类型、骨架类型、禁止官能团）：直接写进生成器解码逻辑或图编辑操作（masking），保证 100% 满足；
- 软性质约束（logP、TPSA、溶解度阈值）：编码为条件向量或奖励函数项；
- 搜索预算约束（候选数量、评估次数、计算时间）：进入 Harness 的调度器，决定每层验证的采样比例；
- 安全与合规约束（PAINS 过滤、专利状态、毒性上限）：放在验证器栈的最前端（L0），一旦违反直接淘汰，不浪费后续预算。
约束编码的质量直接决定后续效率：经验表明，在生成端硬编码、在评估端软编码、在验证端强过滤的三段式布局，优于"全部塞进奖励函数"的单一方案。
环节 3：分子生成（Generation）
生成器的选择由规划器按化学空间类型动态决定：
- 药物小分子：SMILES 自回归模型（REINVENT/Mol2Mol）、图扩散模型（Llamole 的 graph module）、条件 GAN 均可；倾向平滑、高覆盖率。
- 晶体/合金材料：晶格与组分组合优化，常用遗传算法 + 局部梯度（S1-MatAgent 的 27.7% 性能提升即来自"生成-梯度优化"桥接，弥补生成器与目标之间的 gap）；
- 发光/光电分子：马尔可夫分子采样 + 多目标优化（MEMOS）在窄带发射体逆向设计上验证了效率（数小时遍历数百万结构）。
关键设计点是多样性-相关性平衡：纯由目标条件驱动的生成会迅速坍缩到有限骨架簇，丧失空间探索能力；纯随机的生成则浪费时间预算。工程解是"epsilon 探索 + 重放缓冲区"：Agent 生成时按概率混入历史高分区候选的变异与随机骨架跳跃，并定期把"当前 Pareto 前沿附近"的分子回炉重组。
环节 4：正向预测（Forward Prediction）
正向预测是逆向设计的"眼睛"，其架构直接决定推理链的可靠性。推荐的分层策略已在 4.4 节详述；这里补充两个实战要点：
代理模型的不确定性必须被显式携带。用 GNN 预测器的均值作为筛选依据是不够的——当候选分子落在训练分布边缘（新颖骨架）时，预测方差可能非常大。因此 Agent 的决策逻辑不是"选分数最高的"，而是"选**下界置信（lower-confidence bound）**最高且有探索价值的"（类 UCB 策略），并将高不确定性候选路由到更高保真层级补测而非直接淘汰。
多保真度融合（multi-fidelity）。同一性质往往有多个精度的预测器（如 logP 的半经验法 vs QM 计算 vs 实验值），Harness 应按"候选重要性"动态选择精度，用贝叶斯多保真优化把昂贵高保真评估的调用次数压到最低。这与 Active Learning 的查询策略同构——评估预算越贵，查询策略越要聪明。
环节 5：多目标评价（Multi-objective Evaluation）
真实设计几乎总是多目标。两个子问题必须解决：
- 标准化与加权：不同性质量纲不同（logP 的 -1 到 5，活性的 nM 到 µM），需用分位数或满意度函数归一；权重来自环节 1 的规格书，但应支持在迭代中由用户/Agent 调整。
- Pareto 前沿显式化：与其把多目标压成单分数，不如直接维护当前非支配解集（Pareto Archive）。Agent 向用户交付的不是"一个最优分子"，而是前沿上的一组候选 + 每位的取舍说明（“A 溶于水但活性略低，B 活性高但难合成”）——让科学判断留在人机协同层，而不是被评分函数悄悄替掉。
环节 6：合成可行性（Synthesizability）
"设计出来但造不出来"是逆向设计最常见的失败模式。该环节由 Synthesis Agent 承担：对每个候选做逆合成分析（AiZynthFinder 类引擎），输出完整路线图、每步反应模板置信度、所需试剂可得性/价格，并可调用 Precedent Finder 检索相似反应文献证据。对路线太深（> 8 步）或含稀有试剂的候选，可按预算做"虚拟合成"降级或退回环节 3 重新生成。合成可行性不应是末端一刀切，而应作为奖励项回传生成器——例如在 REINVENT 的评分函数中乘上可合成性项（SA score / 逆合成成功率的代理），让生成分布从一开始就避开难合成的区域。
环节 7：闭环验证与数据回流（Closed-loop Validation）
最后一个环节是整套系统的"价值兑现点"，也是 Agent 范式相对传统管线的分水岭：
- 虚拟验证：L0-L2 逐级通过后，候选进入高保真计算（DFT/MD）。信号冲突（预测与高保真计算背离）触发归因：是代理模型不准（→ 更新代理模型、扩充训练数据）？是约束设置不当（→ 退回环节 2）？是生成空间覆盖不足（→ 调整环节 3 的探索参数）？
- 物理验证：接入机器人平台（Coscientist、ChemAgents、ORGANA 模式）后，幸存候选进入真实合成与表征。实验产物数据回流到两类目标：① 代理模型的再训练集（数据飞轮）；② Agent 的结构化记忆（沉淀"这类骨架的电子效应规律"等经验）。
- 人机交接：Agent 输出最终交付物——候选结构、完整证据链（每项结论回溯到工具输出与数据）、失败案例与原因分析、以及"如果继续投入，建议优先验证哪些方向"。
这条推理链的元规律是：每一个环节都产生可解释的中间产物，每一个回退都有明确的触发条件与归因对象。 这正是它区别于"黑盒生成器 + 黑盒评分器"之处——可解释性是 Agent 系统在科学场景中赢得信任的唯一途径。
本章小结：七环节推理链把"从性能到结构"从一句口号变成了可工程化的流水线。规划层决定链路走向，控制层决定每步深度，验证层决定哪些信号值得相信，数据回流让整条链随使用而变强。
第六章 案例解剖：五个系统，五种设计哲学
把前文的框架投射到真实系统上，能立刻看出各家在"规划层 × 控制层"两种维度上的不同取舍。下表先用一张总览图收拢关键系统，再逐个解剖设计哲学：
| 系统 | 组织者 | 生成引擎 | 验证方式 | 覆盖环节 | 标志性结果 |
|---|---|---|---|---|---|
| ChemCrow | 单 LLM Agent | RDKit + 逆合成工具 | 工具接地（无实验闭环） | 1/2/3/6 | 18 种专家工具，解决 LLM 化学事实不可靠问题 |
| Coscientist | 单 LLM Agent | 代码执行 + 实验平台 | L0-L3 全通（机器人实验） | 1-7 | 自主优化钯催化交叉偶联反应 |
| CAi Copilot | 三层结构 Agent | 分子生成 + 多目标筛选 | AI 预测 + 证据整理 | 1-5/7 | 目标满足度 84.59%，先导优化成功率 +13.3pp |
| S1-MatAgent | Planner-Executor 多体 | GA + 梯度桥接 | 计算验证 | 1-7（虚拟域） | 2 千万候选 → 13 个高熵合金催化剂，性能 +27.7% |
| MEMOS | 无 Agent，纯采样优化框架 | 马尔可夫分子采样 | DFT 验证 | 2/3/5 | 窄带发光体逆向设计成功率 80% |
6.1 ChemCrow：工具接地的先行者
ChemCrow 的历史意义不在于生成能力，而在于确立了"LLM 不可靠，那就让 LLM 学会不依赖记忆"这一原则。它把 18 个经过验证的专家工具（文献挖掘、GHS 安全检查、RDKit 性质计算、专利检索）挂到 LLM 的推理循环下，让每一次数值断言都来自工具输出。它的局限同样清晰：工作流大体线性、任务特定，缺少自动解析实验反馈并发起迭代优化的分析模块——研究循环是"开环"的。这提醒我们：工具接地是必要条件，但只有配上闭环反馈，才能从"可靠的规划"走向"自主的发现"。
6.2 CAi Copilot：把"可解释"做成产品
上海 AI 实验室与南京大学 2025 年 8 月发布的 CAi Copilot，是把"可解释的科学 Agent"做成工程产品的代表。其三层架构值得一提：
- Research Interface（研究接口）：把研究者的设计意图转译成可执行、可追踪的科研流程，是"人机协同"的入口；
- Agent Reasoning（推理层）：负责分子生成、筛选、多目标评价的决策逻辑；
- Execution Substrate（执行底座）：承载工具执行与结果落地，保证每一步可回放。
评价指标（目标满足度、有效工具输出率、证据链完整性）使"规划质量"从口号变成可评测的工程指标。45 项任务上 84.59% 的目标满足度、SMDD-Bench 上先导优化成功率从 50% 提升至 63.3%，是当前公开数据中最强的早期小分子设计 Agent 战绩。
6.3 S1-MatAgent：规划者-执行者模式的全周期实证
S1-MatAgent 给行业的两点启示：
其一，动态分解的价值。它采用 Planner-Executor 架构，由自动驾驶式的 Planner 把"高熵合金析氢催化剂逆向设计"这一复合任务动态拆解为可执行子任务并配置工具，而非依赖预设流程。这意味着面对"换一个材料体系"的新任务，系统不需要重写管线。
其二，生成-优化桥接的必要性。从 2000 万候选到 13 个高性能催化剂的收敛过程中，团队采用了梯度基优化算法来弥合"设计到目标"的差距，最终 Ni4Co4Cu1Mo3Ru4 实现 18.6 mV 的过电位与优异耐久性，整体性能提升 27.7%。盲目生成+盲目筛选在巨大空间里是不够的，生成器与局部优化器必须协同——这与第五章环节 3、4 的论述互为印证。
6.4 Llamole 与 MEMOS：两个"非 Agent"参照物
把 Llamole（MIT）与 MEMOS 放进对比表，是为了划清边界：生成引擎本身的改进仍是主干竞争线。Llamole 用触发 token 机制实现"语言模型与图模块交替生成"，展示了 LLM 与专用生成器"双脑协作"的优雅形态；MEMOS 证明纯采样优化框架在多目标窄带发射体设计上也能达到 80% 的 DFT 验证成功率。Agent 层提供的增量是流程组织与失败应对，而非替代这些引擎——最好的架构是"Agent 编排 + 专用生成器集群"，而不是"一个 LLM 包打天下"。
6.5 自主性阶梯：四代 Agent 的坐标
把上述系统放在"自主性"维度上排序，可以得到一条清晰的阶梯（源自 2026 年科学 Agent 综述的 L1-L4 划分）：
- L1（秘书）：生成候选与路线，决策权完全在人；
- L2（计算搭档）：能解读计算结果并自主发起多轮计算迭代（如根据 DFT 能垒生成电子取代基变体）；
- L3（实验副手）：接入物理世界，控制微流控/机械臂，依据实时光谱信号修正实验条件；
- L4（科学合伙人）：能从多年项目数据中发现被低估的科学变量、发起全新研究计划并调度资源——至今仍是路标而非现实。
这套阶梯的价值在于：它为组织规划 Agent 系统的演进路线提供了验收坐标——先做到 L1 的可靠，再追求 L2 的闭环，谨慎地逼近 L3，对 L4 保持清醒的克制。
第七章 工程落地：五个绕不开的挑战
7.1 幻觉与验证缺口
LLM 在化学事实上的幻觉无法消除，只能围堵。工程对策是双重的：推理接地（所有数值断言必须经工具验证）与输出规范化（强制结构化输出，如 SMILES 必须通过 RDKit 合法性校验、性质数值必须带单位与置信区间）。任何未经验证的输出都应默认不可信——这是 Harness 验证器栈存在的全部理由。
7.2 数据飞轮的冷启动
代理模型的质量决定整套系统的筛选用地。逆向设计场景的数据天然稀疏且偏斜：公开数据库覆盖已知空间，而最有价值的训练样本（新颖候选的实测性质）恰恰在迭代过程中才产生。这意味着系统必须内置主动学习机制，把"高不确定性但高价值的候选"优先送去实测，形成"设计→实测→再训练"的飞轮。OMol25 这类大规模公开数据集的发布降低了冷启动门槛，但领域私有数据（如药企结构的 20167 个蛋白-配体复合物贡献，将高质量预测占比从 35.6% 提升到 52.1%）仍是护城河。
7.3 可复现性与基准
科学场景对可复现性的要求远高于消费场景。Agent 系统的随机性来自三处：模型采样、工具调用顺序、搜索剪枝策略。工程对策：完整的决策日志（每个环节的输入输出、版本、随机种子）、固定工具版本与依赖、以及条件允许时对关键结论做多次重复运行的稳定性统计。基准方面，CAiMD、SMDD-Bench 等测评基准的出现是里程碑，但"任务难度分级"（如按决策深度、工具多样性分级）仍是空缺——没有难度曲线，就无法科学评估 Agent 能力的边际增长。
7.4 安全与治理
逆向设计是一把双刃剑：同一套推理链既能设计新药，也能设计化学武器前体或逃避检测的分子。安全治理应内建为架构组件而非事后审查：① 生成前拦截（禁用/受限结构库检查，类似 PAINS 但扩展至安全相关子结构）；② 工具调用审计（所有合成相关工具调用留痕）；③ 分级权限（危险试剂、专利敏感数据的访问控制）；④ 负责任发布（高危能力默认不公开发布完整火控细节）。安全不是效率的对立面，而是长期信任的前提——一个因安全事故被叫停的分子设计 Agent 对组织的损失远大于任何效率收益。
7.5 成本与延迟的工程现实
一次完整的多智能体逆向设计可能产生数十万 token 与上千次工具调用。工程上必须区分"沙箱探索"与"生产执行"：沙箱允许高成本试错，生产则通过缓存工具结果、复用计算图、预算控制器（Budget Controller）限制每环节的花费。推理时计算的"深度"应当可配置：简单任务一个 ReAct 循环结束，复杂任务才展开 MCTS——把深度当作可调旋钮，而不是默认拉满。
第八章 未来图景：从"工具"到"同行者"
8.1 L4 的可行性窗口
L4（自主科学合伙人）的核心障碍不在模型能力，而在验证基础设施与科学评价体系：要让 Agent 自主发起研究计划，它必须能访问跨项目的数据资产、能评估"一个科学问题的价值"、能承担资源调度的责任。短期内更现实的路径是"L3+ 的半自主模式"：Agent 自主执行、人在关键决策点（研究目标变更、资源投入、论文级结论）把关。随着机器人实验平台的成本下降（Coscientist 已证明云端实验室可行）与标准化协议（MCP、A2A）成熟，L3 的体验将逐步逼近"提交任务即可"，而 L4 会在特定受限领域率先成型。
8.2 多模态与原生化：分子世界的"通用语言"
当前推理链的输入输出以文本（SMILES、自然语言）为主，正在向多模态演进：光谱数据（IR/NMR/质谱）直接作为验证信号、3D 构象与电子密度图参与推理、实验视频用于过程监控。多模态大模型（2025 年已从拼接式走向原生多模态）将让 Agent "看着光谱调反应"成为可能——这一步将显著压缩 L3 场景中"从数据到结论"的时延。
8.3 范式外溢：推理链的可迁移性
本文的"七环节推理链"并非分子领域的专利：目标定义 → 约束编码 → 生成 → 预测 → 多目标评价 → 可行性与安全 → 闭环验证，同样的骨架可以移植到合金设计、聚合物、电池电解质、蛋白质工程乃至配方科学。S1-MatAgent 团队即明确表示其框架与具体体系无关，可推广到电催化剂、电池材料与高性能聚合物。跨领域的 Harness 一旦标准化，"性能→结构"将从一个学科的方法论，变成一类通用工程范式。
8.4 与人类科学家的新分工
最后，Agent 化并不取代科学家，而是重新定义分工：人类负责提出有价值的问题、设置正确的约束与价值观、评判前沿上的取舍；Agent 负责把问题翻译成流程、把流程执行到底、把失败变成可学习的经验。 一个高效的组合不是"AI 替代人"，而是"AI 把科学家从重复劳动中释放出来，去问下一个为什么"。
结语
回到标题：Agent Plan × DeepSeek Harness：分子逆向设计从性能到结构的推理链。这条链的实质，是把一个古老而艰难的命题——“给我想要的性能，还你合格的结构”——从算法层面提升到系统层面：以生成模型实现"结构从哪来"，以验证器栈实现"凭什么信它"，以多目标优化实现"如何取舍"，以 Agent Plan 实现"整个研究怎么组织"，以 DeepSeek Harness 实现"每一步做多深、如何把失败变成下一次的起点"。
四代范式的演进告诉我们，真正的瓶颈从来不是生成能力，而是搜索的组织方式与验证的闭环质量。CAi Copilot 的 84.59%、S1-MatAgent 的 2000 万到 13、MEMOS 的 80%、Coscientist 的无人值守反应优化——这些数字勾勒的不是终点，而是"自主科学"的起跑线。当推理链的每一环都可解释、可回放、可归因，当验证层把每一次失败变成数据飞轮的新燃料，分子逆向设计才真正完成了从"性能到结构"的闭环——而站在闭环之上的，将是人类与 Agent 共同探索化学空间的崭新形态。
参考资料
- Nature Materials, Artificial intelligence-driven approaches for materials design and discovery（2025 综述，s41563-025-02403-7）。
- npj Computational Materials, Deep-learning-based inverse design model for intelligent discovery of organic molecules（s41524-018-0128-1）。
- M. Pan 等, Generative AI-powered inverse design for tailored narrowband molecular emitters, Digital Discovery 4, 2942（2025）。
- 上海人工智能实验室 × 南京大学, CAi Copilot：早期小分子设计专家 Agent（CAiMD 45 项任务基准，2025 年 8 月）。
- A. M. Bran 等, ChemCrow：Augmenting large-language models with chemistry tools（2024）。
- B. M. Boiko 等, Autonomous chemical research with large language models（Coscientist, CMU × Emerald Cloud Lab）。
- 阿斯利康, ChatInvent：用 Agentic AI 重塑真实药物发现（Drug Discov. Today, LangGraph 多智能体重构）。
- 中国科学技术大学, ChemAgents：机器人 AI 化学家多智能体系统（JACS, 2025 年 3 月）。
- ScienceOne AI, S1-MatAgent：Planner-driven multi-agent system for material discovery（高熵合金 HER 催化剂，性能提升 27.7%）。
- MIT EECS, Llamole: large language model for molecular discovery（LLM gatekeeper + 图模块触发 token）。
- 劳伦斯伯克利 × Meta AI, Open Molecules 2025（OMol25）：逾 1 亿分子模拟快照数据集（2025 年 5 月）。
- R. Yao 等, From LLM to Agent: 面向 MgH2 脱氢催化剂设计的 ML 框架, Journal of Magnesium and Alloys 14, 101858（2026）。
- Agent for Science 综述（上海 AI Lab 等）：科学 Agent 基础能力、核心流程与 L1-L4 自主性阶梯。
- Anthropic, Model Context Protocol（MCP）开源公告（2024 年 11 月）。
- OpenFold3 / Boltz-2：蛋白质-配体结构预测模型（药企私有数据共训 AISB 工作，Nature 报道）。
注：文中涉及的系统数据均引自上述公开文献与发布材料；AI 预测与实验验证数据的具体口径以原始论文为准。
欢迎加入DeepSeek 技术社区。在这里，你可以找到志同道合的朋友，共同探索AI技术的奥秘。
更多推荐
0
0- 0
已为社区贡献15条内容
所有评论(0)