你给研究助理一个问题，理想情况不是只收到一份资料清单，而是对方能边查论文、边选工具、边分析结果，再决定下一步。2026 年 8 月 20 日刊登于 Science 的论文介绍了 Biomni：一个尝试这样推进生物医学研究的通用 AI Agent。这里的 Agent，是能围绕目标分解任务并调用工具的系统；“自主”指工作流可自行推进，不等于科学家可以退出。
它不只负责回答问题
据 PubMed／Science 论文摘要，Kexin Huang 等人开发的 Biomni 面向多类生物医学任务。系统先用一个“动作发现”Agent，从数千篇文献中寻找可用的工具、数据库和实验规程，覆盖 25 个生物医学领域，再把这些资源整理进统一的可执行环境。
可以把它理解成先盘点实验室里有哪些设备、资料和操作手册，再按具体问题临时组织工作。Biomni 将大语言模型推理、检索增强规划和代码执行结合起来。检索增强规划，就是一边从外部论文、数据库或规程中找依据，一边制定和修正计划。它动态拼装流程，而非依赖预先写好的固定模板。
为什么值得现在看
论文报告的评测涉及因果基因优先排序、药物再利用、罕见病诊断、微生物组分析和分子克隆，并称没有为每项任务逐一专门调优。摘要列出的真实案例还包括解读多模态数据——如基因序列、分子结构、医学图像和文本记录——优化蛋白质稳定性、编排湿实验仪器，以及生成可供实验检验的规程。
这使 AI 的角色从“帮人找资料”向“串起研究流程”推进。真正值得关注的不是“AI 科学家”这个醒目称呼，而是数据库、分析工具、实验规程乃至仪器操作，开始被放进同一套可执行工作流。
局限与未知
- 现有材料未提供实验设计、评测数字和对照结果，无法判断研究质量，也不能确认 Biomni 是否优于人类或其他模型。
- 摘要虽提到湿实验仪器和可检验规程，但不足以证明系统独立完成了完整湿实验。
- “Autonomous biomedical research”来自论文标题。更稳妥的理解是流程具有一定自主推进能力，而不是 AI 已能脱离科学家监督。