Biomni: 通用生物医学 AI Agent

概述

Biomni 是一个通用生物医学 AI agent，旨在自主执行跨多个生物医学细分领域的广泛研究任务。通过将尖端的 LLM 推理与检索增强规划（Retrieval-augmented planning）及基于代码的执行相结合，Biomni 能够帮助科学家显著提高研究效率并生成可验证的假设。

快速入门

安装

我们的软件环境较为庞大，因此我们提供了一个 setup.sh 脚本来进行统一设置。请首先按照此文件完成环境配置。

随后，激活环境 E1：

conda activate biomni_e1

接着安装官方的 biomni pip 包：

pip install biomni --upgrade

如需获取最新更新，请从 GitHub 源码版本安装，或执行：

pip install git+https://github.com/snap-stanford/Biomni.git@main

最后，通过以下任一方式配置你的 API keys：

选项 1：使用 .env 文件（推荐）

在项目目录下创建一个 .env 文件：

# 复制示例文件
cp .env.example .env

# 使用你的实际 API keys 编辑 .env 文件

你的 .env 文件应如下所示：

# 必需：用于 Claude 模型的 Anthropic API Key
ANTHROPIC_API_KEY=your_anthropic_api_key_here

# 可选：OpenAI API Key (如果使用 OpenAI 模型)
OPENAI_API_KEY=your_openai_api_key_here

# 可选：Azure OpenAI API Key (如果使用 Azure OpenAI 模型)
OPENAI_API_KEY=your_azure_openai_api_key
OPENAI_ENDPOINT=https://your-resource-name.openai.azure.com/

# 可选：AI Studio Gemini API Key (如果使用 Gemini 模型)
GEMINI_API_KEY=your_gemini_api_key_here

# 可选：groq API Key (如果使用 groq 作为模型提供商)
GROQ_API_KEY=your_groq_api_key_here

# 可选：设置 LLM 的来源，例如：
#"OpenAI", "AzureOpenAI", "Anthropic", "Ollama", "Gemini", "Bedrock", "Groq", "Custom"
LLM_SOURCE=your_LLM_source_here

# 可选：AWS Bedrock 配置 (如果使用 AWS Bedrock 模型)
AWS_BEARER_TOKEN_BEDROCK=your_bedrock_api_key_here
AWS_REGION=us-east-1

# 可选：自定义模型服务配置
# CUSTOM_MODEL_BASE_URL=http://localhost:8000/v1
# CUSTOM_MODEL_API_KEY=your_custom_api_key_here

# 可选：Biomni 数据路径 (默认为 ./data)
# BIOMNI_DATA_PATH=/path/to/your/data

# 可选：超时设置 (默认为 600 秒)
# BIOMNI_TIMEOUT_SECONDS=600

选项 2：使用 Shell 环境变量

或者，在你的 bash 配置文件 ~/.bashrc 中配置 API keys：

export ANTHROPIC_API_KEY="YOUR_API_KEY"
export OPENAI_API_KEY="YOUR_API_KEY" # 如果只使用 Claude 则可选
export OPENAI_ENDPOINT="https://your-resource-name.openai.azure.com/" # 除非使用 Azure，否则可选
export AWS_BEARER_TOKEN_BEDROCK="YOUR_BEDROCK_API_KEY" # AWS Bedrock 模型可选
export AWS_REGION="us-east-1" # 可选，Bedrock 默认为 us-east-1
export GEMINI_API_KEY="YOUR_GEMINI_API_KEY" # 如果要使用 Gemini 模型则可选
export GROQ_API_KEY="YOUR_GROQ_API_KEY" # 可选：设置此项以使用 Groq 托管的模型
export LLM_SOURCE="Groq" # 可选：设置此项以使用 Groq 托管的模型

⚠️ 已知的包冲突

由于依赖冲突，某些 Python 包在 Biomni 环境中默认未安装。如果你需要这些功能，必须手动安装这些包，并且可能需要取消代码库中相关代码的注释。请参阅 docs/known_conflicts.md 获取最新的详细列表。

基础用法

进入环境后，即可开始使用 Biomni：

from biomni.agent import A1

# 使用数据路径初始化 agent，数据湖将在首次运行时自动下载（约 11GB）
agent = A1(path='./data', llm='claude-sonnet-4-20250514')

# 使用自然语言执行生物医学任务
agent.go("Plan a CRISPR screen to identify genes that regulate T cell exhaustion, generate 32 genes that maximize the perturbation effect.")
agent.go("Perform scRNA-seq annotation at [PATH] and generate meaningful hypothesis")
agent.go("Predict ADMET properties for this compound: CC(C)CC1=CC=C(C=C1)C(C)C(=O)O")

控制数据湖（Datalake）加载

默认情况下，当你创建 agent 时，Biomni 会自动下载数据湖文件（约 11GB）。你可以通过以下方式控制此行为：

# 跳过自动下载数据湖（初始化速度更快）
agent = A1(path='./data', llm='claude-sonnet-4-20250514', expected_data_lake_files = [])

这适用于：

更快的测试与开发
存储或带宽受限的环境
仅需使用特定工具而不需要数据湖文件的情况

如果你计划使用 Azure 作为模型来源，请务必在模型名称前加上 azure- 前缀（例如 llm='azure-gpt-4o'）。

Gradio 界面

为 Biomni 启动交互式 Web UI：

from biomni.agent import A1

agent = A1(path='./data')
# 启动 Gradio 界面
agent.launch_ui()