CAi Copilot：通过意图驱动的agentic工作流降低分子设计的操作负担

早期分子设计是一个迭代过程，而不只是生成分子这一任务。研究者要把宽泛目标转化为设计策略、打磨候选分子、评估多种性质，并在合成与测试前收集证据。AI方法可以生成分子、优化多个目标、预测性质、做化合物对接并考虑可合成性。然而，这些功能分散在各自的专用工具中，专家仍须协调每一步、判断中间结果并整合证据。因此，核心挑战是把研究意图转化为扎根于科学工具、自适应且可追溯的运行过程。我们将这一挑战定义为意图到证据的分子设计工作流执行，并提出面向专家的智能体CAi Copilot，它由三个相互衔接的层组成：研究接口层把意图转化为可执行计划；Agent推理层利用中间结果指导每次运行；执行基底提供分子工具、指标、可复用工具库与后端服务。在45个任务上，CAi取得最强的整体表现，结果得分为84.59，领先次优结果18.07分。额外的基准考察CAi如何协调生成、筛选与多准则评估，同时暴露了其在长程执行上的局限。这些结果表明，CAi能把宽泛的分子设计意图转化为透明、可追溯的工作流，把中间决策与候选分子层面的证据连接起来。