MolClaw：具备分层技能的药物分子评估、筛选与优化自主智能体

计算药物发现，尤其是药物分子筛选与优化的复杂工作流，需要在多步骤工作流中编排数十种专用工具，然而当前的AI智能体难以保持稳健性能，在这类高复杂度场景中持续表现不佳。本文提出MolClaw，一个主导药物分子评估、筛选与优化的自主智能体。它通过三层分层技能架构（共计70个技能）统一了超过30种专业领域资源，以支持智能体在运行时的长期交互：工具级技能标准化原子操作，工作流级技能将其组合为带质量检查与反思的已验证流水线，而一门学科级技能则提供支配该领域所有场景中规划与验证的科学原理。此外，我们引入MolBench，一个包含分子筛选、优化与端到端发现挑战的基准，任务横跨8至50多次顺序工具调用。MolClaw在所有指标上均取得最先进性能，消融研究证实其增益集中于需要结构化工作流的任务，而在那些可通过临时脚本解决的任务上增益消失，从而确立工作流编排能力是AI驱动药物发现的首要能力瓶颈。