Biomni 最初于 2024 年 6 月作为斯坦福大学开源的通用生物医学 AI Agent 启动，2025年6月在 Biorxiv 上发表了预印本文章，于 2027年7月正式在《Science》发表。后续一作 Kexin Huang 团队于 2026年2月创业成立了 Phylo ，开启商业化运营，并获得了 1350 万美元的种子轮融资。其商业化平台为 Biomni Lab （非开源） 。下面介绍的是其 Biorxiv 最初的 Biomni 文章。类似的工具还有之前介绍过临港实验室的 OriGene，以及 Kepler AI 和 Claude Science
1 摘要
1、Biomni 是一个通用的生物医学 AI Agent，旨在自主执行涵盖多个生物医学子领域的各种研究任务。它首先构建了一个统一的 Agentic 的环境， 从数万篇文献中挖掘关键工具、数据库和协议。在此基础上，Biomni 采用了一种通用代理架构，该架构集成了 LLM 推理、检索增强规划和代码执行，使其能够动态地组合和执行复杂的生物医学工作流，完全无需依赖定义的模版或者工作流程
2、Benchmark 结果显示，Biomni 在生物医学任务中展现出强大的泛化能力，包括基因排序、微生物组分析和分子克隆等
2 引言
1、Biomni-E1 是定义 Agent 交互的基础环境，包括了 150 种生物医学工具，105个软件包和59个数据库
2、Biomni-A1 是一种通用 Agent 架构，能够利用 Biomni-E1 提供的工具和数据集执行各种任务。它能识别任务所需的最相关的工具、软件和数据库，并基于 LLM 的推理和领域专业知识来生成详细的分布计划，每个步骤都可以通过可执行代码表达
3 结果
3.1 Biomni 概述
1、利用 bioRxiv 定义的 25 个学科类别，并从中选取每个类别最新的 100 篇文献，提取出文献中所述研究所需的关键任务、工具、数据库和软件
2、Biomni-E1，是一个供生物医学人工智能代理执行各种操作的环境，由于不同的生物软件的用法不同，并非总能简化为静态的函数，所以文章构建了一个预装了105个常用生物软件包的执行环境，支持Python、R和Bash脚本
3、在数据库集成方面，文章将资源分为两类。第一类是可通过Web API访问的大型关系数据库（例如PDB、OpenTarget、ClinVar），没有创建多个单独的检索工具，而是为每个数据库实现了一个统一的功能。每个函数都接受自然语言查询，并在内部使用语言学习模型（LLM）解析数据库模式并动态生成可执行查询；没有 Web 界面的数据库被下载到数据湖中，并在本地预处理成结构化的 pandas DataFrame，以便与智能体无缝集成
4、 Biomni-A1 是一种避免为每个任务硬编码的工作流程架构，它融合了多项创新。包括 LLM 的工具选择机制，使用代码作为通用操作接口（执行并行，循环等复杂工作流程），自适应规划策略（执行过程中迭代优化，迅速感知上下文）。这些创新共同使Biomni-A1能够泛化到以前未曾遇到的任务和领域，动态组合智能动作，并以体现通用生物医学智能的方式与软件、数据和工具进行交互 Fig1c
3.2 Biomni 可推广至各个子领域的现实任务
1、文章设置了8个涵盖遗传学、基因组学、微生物学、药理学和临床医学的全新生物医学基准测试。包括变异优先级排序；GWAS 致病基因检测；CRISPR 扰动筛选；罕见病诊断；给定一种罕见疾病和一系列候选药物，选择最佳治疗匹配方案；单细胞 RNA 注释；微生物组疾病分类分析；患者基因优先级排序
2、未经过特定任务微调的 Biomni 与三个基线进行了比较，包括基础 LLM（Claude Sonnet 3.7），直接函数调用和代码执行功能的编码代理（ReAct+Code），Biomni-ReAct（Biomni 的一个简化版本，用 ReAct 式的链式调用取代了基于代码的规划）
3、在所有任务中，Biomni 的性能均优于基础 LLM，平均相对性能提升 402.3%，优于编码代理 43.0%，优于其自身消融变体 Biomni-ReAct 20.4%。这些发现凸显了以代码为中心的规划和环境基础的重要性，使 Biomni 能够构建精确、灵活且具有上下文感知能力的动作
4 方法
4.1 Biomni 环境构建
1、根据任务与主要研究方向（药物发现和临床生物医学）的相关性进行重点工具的筛选。人类科学家与配备网络搜索功能的软件工程师合作，共同开发了每款专用工具。每款工具都经过了严格的验证，需要通过明确定义的测试用例。这一严谨的流程最终形成了包含 150 款专用工具的精选合集
2、每个工具都严格按照一份全面的清单进行定义，该清单要求：（1）一个清晰且描述性的名称，（2）详细的文档，（3）输出格式为针对 LLM 解释而优化的详细研究日志，（4）包含并成功通过特定的测试用例，以及（5）专业化标准——如果一项任务可以通过简短的 LLM 生成的代码轻松实现（例如，简单的数据库查询），则不会创建专门的工具
4.2 Biomni-A1
1、Biomni Agent 是基于 CodeAct 框架构建的通用生物医学 AI Agent,给定用户查询，Biomni 首先提示 LLM 生成清晰的、编号的列表式计划，详细说明解决给定问题所需的步骤，并在此过程中仔细跟踪进度和调整
2、为了避免冗长的上下文信息，Biomni 使用了一个基于提示的检索器，该检索器由一个独立的 LLM 提供支持，智能体可以从可用资源中动态选择最相关的函数、数据集和软件库。在执行过程中，LLM 生成代码，并在编码环境（Python、R 或 Bash）中执行该代码，并将结果返回以指导后续推理。这种迭代方法会持续进行，直到智能体收敛到准确且经过验证的解决方案
