人们仍误解AI代理的七个关键点：从NVIDIA BioNeMo谈起

人们仍误解AI代理的七个关键点

人们仍然误解代理工具是什么，为什么NVIDIA BioNeMo是一个工具包而非“额外模型知识”，以及为什么代理科学依赖于工具（如MCP）、工作流、权限和人工审核。

在BIO AI峰会与Kimberly Powell（@kpowgerade）的问答环节中，NVIDIA宣布开源了他们的BioNeMo Agent Toolkit，我听到几位撰写AI报道的记者提了几个让我火冒三丈的问题。你得多误解整件事才能问出那种问题？

然后我冷静下来，记起：没有愚蠢的问题，只有信号。

而这个信号非常有用。它揭示了有多少人——包括以写AI为生的人——仍然不明白代理是什么、工具是什么，以及将两者连接后会发生什么。

所以，让我们把这件事讲清楚。小任务，没压力。

问题大致是：如果Claude拒绝帮助某人制造生物武器，那么一个科学工具包现在是否赋予它深度知识从而协助此事？

生物武器是一个合法的安全话题。没有人应该忽视这一点。但这个问题暴露了一层误解。它假设NVIDIA赋予了模型新的危险科学知识。

而这正是对工具包的根本性误解。

BioNeMo是什么？BioNeMo Agent Toolkit是NVIDIA收集的科学模型、工具和工作流的集合，AI代理可以调用它们来执行生命科学任务。很清楚——但其实并不。

BioNeMo 更像是给科学家提供实验室设备，而不是教他们生物学。甚至更简单：就像给某人一套自行车修理工具。螺丝刀用于拧螺丝和卸螺丝（试着大声说出来）。扳手用于紧固螺栓。气泵用于给轮胎充气。补丁用于修补刺孔。你能用螺丝刀或补丁从这辆自行车造出炸弹吗？这不是不可能的！但这远不止于此。

工具包为你提供特定任务所需的特定工具。

这就是理解NVIDIA所宣布事项的最简单方式。BioNeMo Agent Toolkit 将生命科学工具和模型封装成代理可调用的技能：蛋白质折叠、分子对接、生成化学、基因组分析、蛋白质设计、生物标志发现以及相关工作流。

而这正是字面意思：AI代理现在可以调用科学仪器。

另一个让我有点惊讶的问题是：OpenAI 和 Anthropic/Claude——两者都被列为该工具包可以使用的模型——是如何同意合作的。

嗯，它们没有，也不需要同意，而这一点在你知道——再说一次——工具包是什么之后就非常明显了。

是什么使得它成为代理工具包，而不只是一堆模型？

因为代理可以串联工具和模型。

例子：设计一个蛋白质结合剂

科学家说：“为这个靶蛋白找到一个可能的结合剂。”

代理不会神奇地“变成生物学家”。它遵循一个工作流： - 使用 RFdiffusion 模型设计可能的结合剂骨架。 - 使用 ProteinMPNN 模型为这些骨架提出氨基酸序列。 - 使用 Boltz-2 或 OpenFold3 模型预测结合剂和靶蛋白是否实际折叠在一起。 - 使用置信度和界面指标对候选进行排序。 - 将最佳候选返回给科学家，并附上注意事项。

BioNeMo 仓库甚至包含一个生成蛋白质结合剂的工作流，它结合了 RFdiffusion、ProteinMPNN 和 Boltz-2 / OpenFold3 来处理这种序列：骨架 → 序列 → 共折叠 → 过滤。就像代理可能需要的技能集。

为什么理解这一点如此重要？

当我们一头扎进这个新的代理时代时，对其的基本理解变得至关重要。因为理解这一区别会改变我们看待AI未来的方式——将焦点从AI知道什么转移到AI能做什么。

如果我们回到生物技术和BioNeMo，区别将是：聊天机器人可以解释分子对接（如果你随意问起的话）。而拥有正确工具的代理可以运行一个对接工作流。这更关乎构建而非学习。到时候你需要知道一些东西。聊天机器人可以描述蛋白质设计。拥有正确工作流的代理可以生成蛋白质骨架、提出氨基酸序列、预测它是否会折叠、检查输出，并将结果带回给人类科学家。

科学家是关键。

而这正是许多人仍然迷失的地方。他们一直将模型视为全部，但它不是。

哪个模型更智能？这是个好问题，但并不是最有趣的。现在更好的问题是：模型在哪里行动？

在代码库内部？在GitHub内部？在实验室内部？在医疗扫描仪内部？在药物发现工作流内部？在一个反复测量、测试、调整和改进的系统内部？一旦AI开始行动，有价值的层就是围绕模型的循环。

而科学充满了循环。

药物发现、蛋白质设计、基因组学、生物标志发现、临床研究、医学影像、文献综述、方案生成：这些领域很少会出现一个干净的尤里卡时刻。大部分工作是迭代。这就是为什么拥有代理和代理工具如此令人兴奋。它们可以帮助科学家更快地穿越循环。我自己也在不断重复这个循环。

BioNeMo 讨论中有一个引人入胜的点：早期对AI用于科学的梦想是模型能直接消化所有科学知识、连接所有点，然后发现就会蹦出来。但这并不是实际运作的方式。真正的进展发生在系统进入循环时：查阅文献、提出实验、分析数据，然后用那个结果提出下一个实验。

这正在发生，尽管大多数人仍然没有意识到。这是我在BIO AI峰会上最大的启示之一：我们正处于代理科学的开端。

是的，这应该让我们兴奋。

因为许多科学家花在真正做科学上的时间太少。如果代理能够压缩一些工程和操作工作，它们就还给科学家一些宝贵的东西：更多时间沉浸在创造性科学空间中。更多时间查看数据。更多时间提出下一个问题。更多时间注意到意外事情并追踪它。这对我们其他人意味着什么？更快治疗疾病的能力。感觉比一个新生产力工具更好。

这就是为什么BioNeMo不仅仅是一个生物技术故事。它是更大转变的一部分——我不断回来说的：模型不再是全部。围绕模型的循环正在成为有趣的层。

完整文章请参阅：https://www.turingpost.com/p/ai-agent-toolkits-what-people-still-dont-understand