用途：该技能面向需要细粒度分子控制的化学信息学任务，包括自定义净化、专用指纹与描述符、反应枚举、构象生成和程序化绘图。若只需 pandas 友好的高层流水线，宜用 alterlab-datamol；生成 ML 特征矩阵或预训练嵌入用 alterlab-molfeat；成药性规则集与 PAINS 结构警示用 alterlab-medchem；按名称或 ID 查询化合物用 alterlab-pubchem 或 alterlab-chembl；蛋白-配体对接用 alterlab-diffdock。
安装与版本：uv pip install rdkit，资料称当前版本 2026.03.6（截至 2026-09），示例假设 ≥ 2024.09。2026.03 中旧指纹辅助函数与 Atom.GetImplicitValence()/GetExplicitValence() 仍可用但会记录弃用警告，新代码应使用 rdFingerprintGenerator API 与 atom.GetValence(Chem.ValenceType.IMPLICIT | EXPLICIT)。
主要能力：涵盖十二个方面——分子读写与创建（SMILES、MOL/SDF、MOL2、PDB、InChI，支持供应商/写入器对象与多线程 SD 供应商）；净化与校验（13 步净化，可用 sanitize=False、SanitizeMol、DetectChemistryProblems 排错）；分子分析与性质（原子/键遍历、环信息、立体化学、片段与 Murcko 骨架）；描述符（MolWt、MolLogP、TPSA、氢键供受体、可旋转键，及 CalcMolDescriptors 一次计算全部）；指纹与相似性（RDKit 拓扑、Morgan、MACCS、原子对、拓扑扭转、Avalon，经 rdFingerprintGenerator 生成，Tanimoto/Dice/Cosine 比较，Butina 聚类）；SMARTS 子结构搜索；化学反应（反应 SMARTS、RunReactants、原子映射）；2D/3D 坐标生成（Compute2DCoords、ETKDG 嵌入、UFF/MMFF 优化、RMSD 对齐）；可视化（MolToImage、MolToFile、MolsToGridImage、MolDraw2DCairo）；分子修饰（加/删氢、Kekulize、ReplaceSubstructs、rdMolStandardize.Uncharger 中和电荷）；分子哈希与标准化（rdMolHash、随机 SMILES 数据增强）；药效团与 3D 特征（BaseFeatures.fdef 特征工厂）。
必要用法：MolFrom* 失败返回 None，使用前必须检查；导入时自动净化。文件流式处理用 ForwardSDMolSupplier，大文件可 MultithreadedSDMolSupplier。批量指纹用 mfpgen.GetFingerprints(mols, numThreads=4)，相似性用 DataStructs.BulkTanimotoSimilarity。大分子集可用 pickle 保存分子以加速重载。
限制：MolSuppliers 并发访问非线程安全，勿跨线程共享供应商对象。常见问题包括未检查 None、净化失败（用 DetectChemistryProblems 调试）、计算氢相关性质前忘加氢、2D/3D 坐标未生成、SMARTS 未指定属性匹配任意、以及供应商线程安全。参考资料位于 references/（code_recipes.md、api_reference.md、descriptors_reference.md、smarts_patterns.md），脚本在 scripts/。