本指南介绍用于生物研究的 AI 智能体（BioAgent）系统及其架构与实践。
用途：将文献检索、假设生成、实验设计、数据分析与论文起草整合为半自主或全自主研究流程，应用于药物发现、蛋白质工程、基因组分析和系统生物学等领域。
架构：由基于大语言模型的编排器统筹文献、假设、实验与分析四个模块，分别对接 PubMed、Semantic Scholar、BioRxiv 等知识库、湿实验室设备与计算集群。
主要能力：以代码示例给出文献驱动假设生成框架（生成可证伪陈述、机制、支持与反对证据、新颖性与可测试性评分并按综合分排序）；药物发现流程涉及靶点识别、命中识别、先导优化与临床前验证及其工具；提供 ESM-2 蛋白质嵌入用于功能预测、适应度预测与定向进化；给出可编排的 RNA-seq 分析流程（FastQC、Trim Galore、STAR、featureCounts、DESeq2、GSEA 等命令）。
实验室集成：通过 API 连接 Emerald Cloud Lab、Strateos 等云实验室，按协议提交、监控、回收结构化结果，并用贝叶斯优化形成主动学习闭环。
评估与伦理：从文献覆盖、假设质量、实验设计、数据分析、稿件质量与成本效率等方面评估；并讨论双重用途风险、可复现性、署名与数据隐私。
最佳实践：关键决策保留人工、对一切做版本控制、先用已知结果验证，使用结构化输出，警惕幻觉，从窄任务起步。
限制：本指南仅提供框架与代码模式，未给出具体安装命令或收费信息；示例中的部分实现为占位或需自行接入模型与数据，实际使用须自行验证生物学结论。