Biomni 本地部署教程：完整跑通生物医学 AI 代理，一句话驱动科研自动化

Biomni 本地部署教程完整跑通生物医学 AI 代理一句话驱动科研自动化【免费下载链接】BiomniBiomni: a general-purpose biomedical AI agent项目地址: https://gitcode.com/GitHub_Trending/bi/BiomniBiomni 是一款可本地部署的通用生物医学 AI 代理把大模型推理、检索增强规划与代码执行整合在一起让科研自动化跑在自己的机器上。你只需一句话下达任务它会自动拆解步骤、调用 300 多个专业工具产出可验证的结果。下文带你从零完成安装配置跑通第一个任务。先说能干什么一句话看懂 Biomni假设你拿到一个真实科研问题我要做 CRISPR 筛选实验找出调控 T 细胞耗竭的基因并给出扰动效果最大化的 32 个基因列表。传统做法要查文献、查数据库、跑注释、设计方案忙上几天。在 Biomni 里你只需要敲下一句话from biomni.agent import A1 agent A1(path./data, llmclaude-sonnet-4-20250514) agent.go(Plan a CRISPR screen to identify genes that regulate T cell exhaustion, generate 32 genes that maximize the perturbation effect.)这一句话背后是一条完整的自动化链路理解任务大模型把科研问题拆成可执行的子步骤检索定位检索增强规划从 300 多个专业工具、30 多个本地数据库中快速找出这一步该用的函数与 API执行代码自动生成 Python / R 代码并在本地运行逐步查数据、算结果交付成果输出基因列表、表格、图表和实验设计建议每一项都能被检验、复现。过程中 A1 代理还会引用 biomni/know_how/ 里的经验文档sgRNA 设计、单细胞注释最佳实践等相当于给模型配了一位领域专家。本节带走你不需要会写生物信息学代码。给一句明确的话就能拿到一份可验证的流程初稿。装之前先看系统要求与三种环境系统要求与数据湖存储需求Biomni 首次运行会自动下载约 11GB 的数据湖内置本地数据库集合。先规划磁盘再动手安装组件基础版完整版扩展版核心代码~500 MB~500 MB~500 MB数据湖本地数据库可跳过~11 GB50 GB模型文件2 GB5 GB20 GB缓存空间1 GB5 GB20 GB合计~3.5 GB~21.5 GB90 GB两条硬性约束完整环境 E1 的安装脚本需要 10 小时以上、磁盘 ≥30GB官方在 Ubuntu 22.04 64 位上验证精简环境也需磁盘 ≥13GB。克隆仓库 conda 环境配置第一步克隆仓库git clone https://gitcode.com/GitHub_Trending/bi/Biomni cd Biomni第二步按需选择环境。Biomni 环境配置安装共四种方式官方提供基础 / 完整 E1 / 精简三种主环境外加一个 Py3.10 专用环境# ① 基础环境最快上手先跑通代理主流程新手推荐 conda env create -f biomni_env/environment.yml # ② 完整环境 E1含全部 CLI 工具与 R 包耗时 10 小时、磁盘 ≥30GB cd biomni_env bash setup.sh # ③ 精简环境无 R 和 CLI 工具磁盘 ≥13GB conda env create -f biomni_env/fixed_env.yml # ④ Python 3.10 专用拷贝数 / 纯度 / 倍性分析 conda env create -f biomni_env/bio_env_py310.yml第三步激活环境并安装 Biomni 包conda activate biomni_e1 # 完整 E1 环境Py3.10 环境则激活 biomni_py310 pip install biomni --upgrade第四步配置模型密钥在项目目录创建.env文件填入ANTHROPIC_API_KEY也支持 OpenAI、Gemini、Groq、Bedrock 等提供方。本节带走新手选 ①一小时搞定要全工具链选 ②放一晚上跑完磁盘紧张选 ③。它内部怎么运转四大核心模块整个系统就是四个目录、四种分工模块角色一句话说明biomni/agent/大脑A1 主代理基于 LangGraph 的状态机接收自然语言指令循环执行规划 → 执行 → 观察 → 再规划biomni/tool/工具箱覆盖 20 子领域的 300 工具函数schema_db/存放 30 数据库结构protocols/收录 Addgene、Thermo Fisher 的标准化实验协议biomni/model/检索器ToolRetriever 检索增强模块在庞大的工具目录里为每一步快速定位正确函数biomni/task/任务模板标准化生物医学任务模板base_task、hle、lab_bench配合 biomni/eval/ 做效果评估一次完整运转是这样的指令 → 模型规划 → 检索器定位工具 → 生成代码本地执行 → 检查结果 → 不满意就重新规划循环直到任务完成。本节带走想读懂或改造行为从这四个目录入手tool/下的工具就是普通 Python 函数好读也好扩展。落到真实科研三个可直接上手的场景CRISPR 基因编辑实验设计一句话指令agent.go(Plan a CRISPR screen to identify genes that regulate T cell exhaustion, generate 32 genes that maximize the perturbation effect.)自动流程检索文献与数据库中 T 细胞耗竭相关基因 → 按扰动效果排序 → 参考 know-how 库中的 sgRNA 设计指南 → 输出 32 基因列表、对照组设置与验证方法。CRISPR 实验设计从此从专家排期变成随手一句而且未发表的想法和基因列表全程留在本地。单细胞 RNA 测序分析一句话指令[PATH]换成你的本地数据路径agent.go(Perform scRNA-seq annotation at [PATH] and generate meaningful hypothesis)自动流程数据质量控制 → 聚类 → 细胞类型注释参照 single_cell_annotation.md 最佳实践→ 差异表达与通路富集 → 给出可进实验室验证的生物学假设。把单细胞测序自动化分析从会写 R 的人才能做变成会提需求的人就能做。性能上10 万细胞量级的数据集本地通常 2 小时内完成分块处理避免内存爆掉同样流程走云端往往要 4 小时以上还要加上数据上传时间。药物 ADMET 预测一句话指令直接粘贴化合物 SMILESagent.go(Predict ADMET properties for this compound: CC(C)CC1CCC(CC1)C(C)C(O)O)自动流程解析分子结构 → 调用分子性质与药理工具 → 输出吸收、分布、代谢、排泄、毒性五维 ADMET 画像。化合物结构与筛选记录不出本地早期药物分子的知识产权得到保护。本地部署的真正价值数据隐私与离线能力 对生物医学研究来说AI 本地部署的核心价值只有一句话敏感数据不出机器。数据全本地代码执行、数据库查询、文件读写都在你自己的机器上完成天然贴合 HIPAA、GDPR 等合规要求不向任何云端上传患者或分子数据离线可跑数据湖30 本地数据库下载完成后序列比对、变异注释、基因集查询、协议参考都不依赖外网计算可控资源按任务分配不用在共享云端排队响应以秒级计一次投入没有按量计费的持续性成本适合长期科研项目。按硬件选方案硬件配置推荐部署方案适用场景个人笔记本8GB RAM基础环境 轻量级模型个人研究、教学演示实验室服务器32GB RAM完整环境 E1 中等模型团队协作、中等规模分析高性能集群128GB RAM分布式部署 Biomni-R0大规模基因组分析、药物筛选跑得更快性能优化与资源管理⚡ 四个官方支持的旋钮不用改任何代码控制数据湖加载——快速测试时跳过 11GB 自动下载# 跳过数据湖自动下载初始化更快仅测试不依赖数据湖的工具时使用 agent A1(path./data, llmclaude-sonnet-4-20250514, expected_data_lake_files[])调长执行超时——默认 600 秒大规模基因组分析要放开from biomni.config import default_config default_config.timeout_seconds 1800 # 也可在 .env 中设置 BIOMNI_TIMEOUT_SECONDS管理数据目录——用BIOMNI_DATA_PATH环境变量把数据指到快速磁盘让数据湖、缓存这类频繁读写的文件落在 SSD 上。定期清理中间产物——释放长期积累占用的磁盘# 删除 7 天前的缓存文件目录按你的实际路径调整 find ./data/cache -type f -mtime 7 -delete本节带走数据湖开关、超时、磁盘布局、缓存清理四项覆盖日常 80% 的性能优化需求。踩坑速查高频问题与解决️ 遇到问题先查这张表绝大多数不用翻源码问题快速解法依赖冲突包装不上查 docs/known_conflicts.md 的最新清单冲突包用pip install package --no-deps手动安装并按文档取消对应代码的注释不想等 11GB 数据湖A1(..., expected_data_lake_files[])跳过自动下载快速测试首选磁盘空间不够按上方存储对比表规划基础版 ~3.5GB 即可起步数据湖和缓存按需扩展想扩展自己的工具 / 数据库在 biomni/tool/ 加工具函数在 biomni/tool/schema_db/ 放新数据库结构向 biomni/know_how/ 提交协议与经验文档进阶与共建接入 Biomni-R0 与社区贡献Biomni-R0生物科学专用推理模型Biomni-R0 基于 Qwen-32B、用代理交互数据做强化学习训练专攻工具调用与多步推理支持 131K 上下文。本地部署后代理的思考也跑在你自己的机器上python -m sglang.launch_server --model-path RyanLi0802/Biomni-R0-Preview --port 30000from biomni.agent import A1 # 代理推理走本地 Biomni-R0OpenAI 兼容接口 agent A1( llmbiomni/Biomni-R0-32B-Preview, sourceCustom, base_urlhttp://localhost:30000/v1, api_keyEMPTY, )加入 Biomni-E2 共建官方正在构建下一代环境Biomni-E2公开征集社区贡献 新工具专业分析函数与算法、 数据集生物医学数据与知识库、 软件集成接入现有生物信息软件、 基准测试评估数据集与指标、 Know-How最佳实践、协议、领域知识。激励很实在重大贡献者10 工具集成或同等贡献可受邀成为后续论文的共同作者所有贡献者都会出现在出版物致谢中。流程见 CONTRIBUTION.md。行动清单与安全提示四步跑通你的第一个本地科研自动化任务git clone克隆仓库到本地按需【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