国际Google DeepMindGoogle DeepMind
Google DeepMind 用 Antigravity 把化学信息学流程交给 Agent 跑
阅读原文 ↗为什么值得读
这是 DeepMind 自己给出的一个交付型样本：把化学信息学的检索、筛选、分子设计拆成 Agent 可执行的技能，人负责定方向和验收，Agent 负责跑流程。看的是分工怎么切，不是工具本身。
核心发现
- 01
DeepMind 把化学信息学能力封装成 Agent 可调用的技能，覆盖化合物检索、筛选和刚性大环分子提案。
- 02
Antigravity 承担流程执行，人保留问题定义和结果判断，形成决策与执行分离的协作结构。
- 03
落点是加速药物发现工作流，而不是单轮问答，交付物是可评估的候选分子方案。
Ruby 怎么看
这条我站「人机协作，不止对话，更要交付」这边。决策在人：问题怎么定义、候选分子收不收，化学家拍板。执行交给 Agent：检索、筛选、按规则生成刚性大环，这些重复且可验证的步骤让 Antigravity 跑。兜底也在人：结果不对，人得能回溯每一步、能复现、能说不。真正值得抄的不是模型多强，是他们把技能拆到 Agent 能接、人能验的程度。要落地，先问自己一句：这条流程里，哪一步交给 Agent 之后，人还能兜得住。
若我在业务里怎么验证
拿一条自己团队的真实研发流程，把检索和初筛两步交给 Agent 跑一遍，记录人工介入次数、结果可复现性和最终采纳率，再对比纯人工基线。
延伸阅读 / 原文
本文为 Ruby 个人观点与阅读笔记，不代表原发布机构立场。正文为摘要与评论，非全文转载。完整内容请阅读原文。