用途：面向药物发现的计算化学流程，把分子结构（SMILES、SDF）转化为可操作的预测结果，缩小需合成与测试的化合物范围。
主要能力：解析并校验分子结构；计算描述符（分子量、LogP、氢键供体/受体、TPSA、可旋转键、环数等）；按 Lipinski 五规则做成药性过滤；预测 ADMET（吸收、分布、代谢、排泄、毒性）风险标记；用 Morgan 指纹（radius=2，2048 位）做相似性搜索与 Tanimoto 打分；虚拟筛选排序；分子对接结构准备；化学空间与构效关系可视化；可对接 PubChem、ChEMBL 检索化合物并与已知活性/非活性物做基准比较。
使用方式：在支持 Python 与 RDKit 的环境（如 Cursor、VS Code、Windsurf、Claude Code、Cline）中生成可复现流程。典型步骤为解析校验、描述符计算、成药性过滤、ADMET 预测、虚拟筛选打分、对接准备、输出候选排序列表。示例函数包括 molecular_properties、lipinski_filter、similarity_search、admet_flags。
适用场景：化合物库成药性筛选、先导化合物 ADMET 预测、分子相似性检索、对接前结构准备、化学空间与构效关系可视化。
限制与注意：需先校验 SMILES 解析，无效结构会产生静默错误；Lipinski 五规则宜作初筛而非绝对阈值；相似性搜索应报告所用 Tanimoto 阈值；比较前需标准化分子（去盐、中和、规范化）；aider 平台仅部分支持，仅限代码生成。具体收费、价格与效果资料暂未提供。