ChatT2：面向天然产物领域研究的 LLM Agent 自适应开发框架

摘要

对微生物天然产物（NP）的科学研究对新手而言挑战巨大，主要因为微生物系统的复杂性、生化多样性、技术技能要求，以及生物信息学与数据分析流程的要求。为解决这些问题，我们提出 ChatT2，一个专门针对细菌 II 型聚酮独特特性定制的大语言模型（LLM）智能体。这类聚酮是一类结构独特、具有重要治疗价值的天然产物家族。ChatT2 在一个由导师（mentor）、执行器（executor）与评估器（evaluator）组成的自主多智能体框架内开发，各自职责明确。导师充当 ChatT2 与用户之间的中介，利用思维链提示细化用户意图；在导师指导下，执行器通过检索增强生成技术综合多模态信息并无缝集成生物信息学与化学信息学工具；评估器最终评估执行器的输出，以确保检索信息的丰富性与准确性。我们的研究展示了采用该多智能体框架设计的 ChatT2 如何应对通用 LLM 在理解有限、专业化语料与复杂生物信息方面的挑战，为专家和新手提供探索各类感兴趣天然产物的宝贵工具。ChatT2 网络服务见原文链接。

ChatT2：面向天然产物领域研究的 LLM Agent 自适应开发框架：论文配图 — 图 1：ChatT2 框架的工作流。核心流程：导师（Mentor）与执行者（Executor）进行 t 轮交互。在每一轮中，导师向执行者提交一个查询，执行者对其进行处理并从各类知识库中检索相关的上下文信息。这些信息可能包括文本、图像、引文以及其他用于处理当前查询的支撑材料。导师根据用户的原始意图和执行者在先前各轮返回的结果拟定下一个查询。完成 t 轮后，导师将交互中的所有问题与答案总结为最终回复，并返回给用户。评估流程：评估器（Evaluator）在检索与答案生成过程之前、之中和之后与执行者交互，以提升回复质量。报错：若评估器在执行者的检索过程中发现异常，则向导师报告。