DrugAgent · 多智能体药物发现助手（v0.4）

一个「多智能体药物发现」原型：文献检索员 + 分子分析员 + 分子优化员 + 综合评审员 四个 LLM 智能体通过共享黑板协作，输入一个靶点/主题，输出一份带真实数据与文献引用的候选分子分析报告与规则式类似物优化建议。命令行 + 网页版双入口。

现在能做什么（v0.4）

• 🔍 文献检索员
  • 本地知识库语义检索（GLM embedding-3 向量检索，失败自动回退 BM25）
  • PubMed 在线检索：E-utilities 公开接口，抓真实论文摘要，结果自动缓存进本地知识库（越用越强）
• 🧪 分子分析员：从 PubChem 拉取候选分子 SMILES（真实数据），用 RDKit 计算 MW / logP / TPSA / HBD / HBA / QED，做 Lipinski 初筛
• 🧬 分子优化员（v0.4 新增）：对初筛最优母体做规则式类似物生成与优化（确定性管线，零模型依赖）——
  • 15 种药物化学常见小修饰（芳环取代 / 卤素交换 / 甲基化·脱甲基 / 脱卤等）经 RDKit 反应枚举批量生成类似物
  • 以 Lipinski 合规 + 与母体相似度（Morgan/Tanimoto ≥ 0.4） 筛选，按 QED（类药性评分） 排序，给出 ΔQED / ΔlogP 对比
  • 表格与类似物结构图全部由代码直接生成（SMILES → RDKit 绘制）；报告标注局限（非生成式模型产物、需对接/活性验证）
• 🧾 综合评审员：融合文献与分子数据，生成中文《候选分子分析报告》（背景 / 性质表 / 生成与优化 / 逐分子点评+排序 / 风险建议 / 参考来源含 PMID）
  • 性质表与优化表由代码直接生成、模型原样嵌入 —— 数据零转手、零误差
• 🖥 全程可追踪：每个智能体的工具调用实时打点；报告自动存到 reports/
• 🌐 网页版演示：一键启动，SSE 实时进度、RDKit 分子结构图（候选 + 类似物）、报告在线 Markdown 渲染

快速开始

cd D:/work/drugagent
.venv\Scripts\python.exe run.py "EGFR 抑制剂"

双击 run_demo.bat 也可以。 依赖：openai / rdkit / requests / rich / fastapi / uvicorn（已装进本项目 .venv） 模型：默认智谱 glm-4-flash（免费档）+ embedding-3，失败自动回退 DeepSeek；key 从 D:/Hermes/.env 读取。

网页版演示

# 双击 start_web.bat，或：
.venv\Scripts\python.exe web.py     # → http://127.0.0.1:8077

输入靶点、点击「开始分析」：四个智能体的实时进度、候选与类似物分子结构图、最终报告会在页面上逐步呈现。

架构

用户问题 ─→ 编排器（黑板状态）
              ├─ 文献检索员  ←→ search_local（语义检索：语料+论文缓存）
              │              ←→ search_pubmed（PubMed 在线 → 自动缓存）
              ├─ 分子分析员  ←→ analyze_molecules（PubChem + RDKit）
              ├─ 分子优化员  ←→ generate_analogs（RDKit 反应枚举 → 筛选 → QED 排序）
              └─ 综合评审员  ←→ 汇总输出报告（reports/*.md，含 PMID 引用）

文件结构：

drugagent/
├─ run.py             # 命令行入口
├─ web.py             # 网页版入口（FastAPI + SSE + RDKit 结构图）
├─ agents.py          # Agent（JSON 工具协议）+ Team（四智能体编排器）
├─ llm.py             # LLM 客户端（多 provider 回退 + embedding）
├─ config.py          # 读 key / provider 配置
├─ check_webui.py     # 无头 Edge + CDP 端到端验证（开发工具，产出 docs/ 截图）
├─ tools/
│  ├─ retriever.py    # 语义检索器（embedding-3 / BM25 回退，向量磁盘缓存）
│  ├─ molecules.py    # PubChem + RDKit 性质与 Lipinski
│  ├─ generation.py   # 规则式类似物生成与优化（反应枚举 / 筛选 / 排序 / 表格）
│  └─ literature.py   # 本地知识库检索 + PubMed 在线检索/缓存
├─ web/
│  └─ index.html      # 前端单页（SSE + 报告渲染 + 候选/类似物结构图；marked 已本地化）
└─ data/
   ├─ corpus.json        # 内置知识语料（可替换为论文库）
   ├─ paper_cache.json   # PubMed 抓取的论文缓存（自动增长）
   ├─ embed_cache.json   # embedding 向量缓存
   └─ egfr_candidates.csv # 候选分子表（演示用）

Roadmap

• v0.1 命令行三智能体协作 + 真实数据（PubChem / RDKit）
• v0.2 检索升级：语义检索（embedding-3）+ PubMed 在线检索 + 论文自动缓存
• v0.3 网页版 UI：SSE 实时进度 + 分子结构图 + 报告在线渲染（附无头 Edge 验证脚本）
• v0.4 分子生成与优化：规则式类似物枚举（15 种修饰）+ 相似度/QED 筛选 + 结构图（对齐「分子生成与优化」任务）
• v0.5 生成式模型接入（对接分子生成 AI 后端）/ 分子对接打分 / 对比实验模板

仅用于学习与研究演示；数据来自 PubMed / PubChem / RDKit，不构成任何医疗建议。