DrugHarness：可进化AI Agent如何加速药物发现

计算药物发现正从“跑通一个模型”转向“组织一套可复用的科研操作”。新近提出的 DrugHarness 把可组合的科学执行与条件化技能归纳耦合在一起，试图让 AI Agent 在真实药物设计任务中越用越强。

从“工具调用”到“技能进化”

DrugHarness 的核心思路不是给 Agent 堆更多工具，而是让它从执行轨迹中提炼可复用的“技能”。其环境集成了 80 多种科学操作、生物医学资源和任务专用代码，并保留候选分子、结果与产物之间的关联。Agent 在完成任务后，系统会从轨迹和结果反馈中归纳出带有可观察适用条件的行动假设，这些假设再经过一个独立审查 Agent 的源验证或定向执行试验，合格者才被接纳为技能。

这种“条件化技能归纳”与普通的提示词复用有本质区别：技能带有明确的适用边界和证据支持，并且会随着后续反馈被修订。换句话说，Agent 不是记住“上次怎么做的”，而是学会“在什么条件下该怎么做”。

条件化技能归纳是 DrugHarness 方法的核心机制，可与强化学习中的“选项发现”（option discovery）和程序合成中的“抽象提炼”类比。传统 Agent 工具调用是一次性的：每次任务都从零规划，历史经验仅以对话上下文或检索片段形式被动复用。条件化技能归纳则把成功轨迹中的行动序列与触发条件（如分子骨架特征、靶点类型、约束类型）绑定，形成“若满足条件 C，则执行动作序列 A”的可复用单元，并附带支撑证据。关键区别在于三点：技能有显式适用边界，越界使用会被审查机制拦截；技能有证据溯源，来源是源验证或定向试验；技能可被后续反馈修订甚至废弃。这使得技能库成为一个持续演化的知识资产，而非静态提示词集合。

MolBench 与 MolClaw-CC 需要补充背景以便理解基准对比。MolBench 是面向分子性质预测与亲和力比较的基准，通常包含靶点-配体配对和活性排序任务；MolClaw-CC 则是此前报道的、以工具调用与上下文压缩为特点的分子 Agent 基线。文中“亲和力比较准确率”指 Agent 判断两个候选分子对同一靶点结合亲和力孰高孰低的正确率，“前三活性命中数”指在推荐列表中排名前三的分子中真正具有高活性的数量。DrugHarness 在未启用进化时即高出 10.8 个百分点和 55%，说明其环境集成与任务组织本身已带来增益，而技能进化是在此基础上的进一步放大。

基准测试：不进化已超基线，进化后提升显著

在 MolBench 和 SMDD-Bench 上，DrugHarness 展示了分子筛选、优化与约束设计能力。据论文数据，在未启用进化的情况下，它在 MolBench 上的亲和力比较准确率已超过此前报道的 MolClaw-CC 结果 10.8 个百分点，平均前三活性命中数高出 55%。

启用技能进化后，提升更为明显：在技能开发任务上的回顾性评估显示，Qwen 的亲和力比较准确率从 62.2% 提升到 81.1%，优化成功率从 79.5% 提升到 87.2%。这说明技能进化并非锦上添花，而是对模型能力有实质放大作用。

前瞻性验证：从计算设计到实验闭环

更具说服力的是前瞻性 HPK1 研究。在系统特异性候选分子中，DrugHarness 取得了比 Biomni 更有利的中位对接分数。更关键的是，一个合成化合物实现了 14.19 nM 的细胞 IC50，相比最佳输入参考分子效力提升 2.64 倍，活性与两位资深药物化学家设计的选定化合物相当。

这一结果的意义在于打通了“计算设计—实验验证”的闭环。多数计算药物发现工作止步于打分和排序，而 DrugHarness 的产出直接进入合成与细胞实验，并给出可量化的效力数据。

HPK1 与细胞 IC50 是理解前瞻性验证分量的关键。HPK1（造血祖细胞激酶 1）是 T 细胞受体信号通路的负调控因子，抑制 HPK1 可增强抗肿瘤免疫应答，因而成为免疫肿瘤学热门靶点。细胞 IC50 指在细胞水平上使激酶活性或相关信号抑制达到 50% 所需的化合物浓度，数值越低效力越强；14.19 nM 属于亚微摩尔级的高活性区间。文中的“中位对接分数”来自分子对接，一种用打分函数估计配体与靶点结合构象稳定性的计算方法，分数越负通常提示结合越有利，但它只是计算预测，不能替代实验。将对接排序、合成、细胞实验串联成闭环，正是该工作区别于纯计算筛选的核心证据。

独立审查 Agent 的设计值得单独说明。让 Agent 从自身轨迹中归纳技能，存在“自我确认偏差”风险：错误假设可能因被反复引用而固化。DrugHarness 引入一个与技能归纳器分离的审查 Agent，通过源验证（核对技能所依赖的数据或代码来源是否真实可靠）或定向执行试验（在受控条件下实际运行该技能并观察结果）来设置准入门槛。这相当于为技能库增加了一道质量闸门，使技能进化不是无约束的自我强化，而是带有证据门槛的筛选过程。

对科学 Agent 的启示

DrugHarness 的实验支持了一个判断：科学 Agent 的竞争力不只取决于底层模型，更取决于能否在任务流中沉淀可审查、可修订的技能。独立审查 Agent 的设计也回应了一个常见担忧——让 Agent 自我进化是否会积累错误。通过源验证和定向执行试验设置准入门槛，技能库的质量得到控制。

当然，技能进化的代价是额外的审查与试验开销，其在更大规模任务空间中的可扩展性仍需观察。但就目前证据看，条件化技能进化是连接计算药物设计与实验验证的一条可行路径。