夜雨聆风在AI席卷各行各业的今天，生物医学研究这个高度专业化的领域也需要自己的智能助手。Darwin是我基于feynman改造得到的一个开源的生物医学生成式代理，它不仅能帮你检索文献、设计实验，还能完成系统综述、证据分级、甚至写出符合期刊规范的手稿。这篇文章带你深入了解darwin的每一个功能模块，看看AI如何真正融入科研工作流。
一、darwin是什么？
Darwin是基于feynman深度改造而来的生物医学专用AI研究工具。feynman偏向计算领域，缺少生物领域数据库访问以及领域相关的agent，且不支持DeepSeek。Darwin是在feynman框架下（核心还是Pi智能体）改造成的生物医学领域专家 —— 它懂PubMed的检索语法，知道PRISMA的系统综述规范，能识别HGNC基因命名，甚至能在你引用一篇论文前自动检查它是否已被撤稿。
Darwin 的核心定位有三点：
- 系统文献综述：不是简单堆砌摘要，而是遵循 PRISMA 指南的结构化分析
- 临床证据分级：自动识别RCT、队列研究、预印本，建立证据金字塔
- 可重复方案生成：输出附带检查清单（MIQE/CONSORT/ARRIVE）的实验方案
二、十六个工作流：从文献检索到手稿撰写
和feynman一样，darwin的交互方式非常直觉 —— 你可以像和同事聊天一样自然提问，也可以使用斜杠命令快速触发特定工作流。以下是全部16个工作流的详细说明：
/deepresearch <主题> — 深度多代理调查
这是最"重"的研究模式。Darwin会调动多个代理并行工作：一个负责PubMed检索，一个负责临床试验数据库，一个负责预印本监控，最后由一个证据整合代理将结果汇总成一份带引用来源的深度报告。适合对一个陌生领域进行快速但全面的摸底。
/systematic-review <主题> — PRISMA 合规系统综述
这是Darwin的招牌功能。输入一个研究问题后，它会：
- 制定检索策略（含MeSH词）
- 在多个数据库执行结构化检索
- 按PRISMA流程图筛选文献（识别、筛选、纳入、排除）
- 提取关键数据点
- 生成质量评估表格
- 输出结构化综述文本
/lit <主题> — 文献综述
比 /deepresearch 更轻量，专注于文献梳理而非深度分析。覆盖PubMed、bioRxiv、medRxiv 、等来源，自动生成带时间线的研究进展图。
/target-dossier <基因/蛋白> — 靶点档案
输入一个基因符号（如 KRAS G12C）或蛋白名称，Darwin会生成一份综合靶点档案：
- 基础信息：基因功能、通路、表达谱
- 成药性评估：小分子口袋、抗体表位、已上市/在研药物
- 专利与文献 landscape
- 相关临床试验状态
/trial-tracker <药物/适应症> — 临床试验追踪
实时监控ClinicalTrials.gov 和EU CTR，生成临床试验全景图：
- 按阶段分布（I/II/III/IV 期）
- 关键终点与入排标准对比
- 监管里程碑（IND、NDA、PDUFA日期）
- 竞品药物平行对比
/retraction-sweep <主题> — 撤稿与勘误扫描
在引用前执行尽职调查。PubMed Retraction Watch、Retraction Database 等多源交叉验证，标记 Expressions of Concern 和 Publisher Corrections。
/protocol <名称> — 实验方案起草
输出符合国际标准的可重复实验方案：
- 湿实验：附带 MIQE（qPCR）、ARRIVE（动物实验）、CONSORT（临床试验）检查清单
- 计算机模拟：附带代码版本、依赖环境、随机种子
/biomarker-roc <标志物+疾病> — 生物标志物 ROC 分析
设计并评估诊断/预后标志物：
- 计算敏感度、特异度、AUC
- 生成 ROC 曲线与置信区间
- 提供验证队列建议
/dosage-calc <药物+患者> — 用药剂量计算
基于标准参考文献（如 Lexicomp、Sanford Guide）计算个体化剂量：
- 肾功能调整（Cockcroft-Gault、MDRD）
- 肝功能调整（Child-Pugh分级）
- 药物相互作用警示
/ic50-fit <化合物+数据> — 剂量-反应曲线拟合
四参数逻辑回归（4PL）拟合，输出：
- IC50 / EC50 及 95% 置信区间
- Hill 斜率
- 拟合优度评估
/review <成果> — 生物医学同行评审
模拟领域专家评审，按期刊要求输出：
- 主要发现总结
- 方法学评价（统计方法、样本量、对照设置）
- 报告规范检查（CONSORT、ARRIVE、MIQE、PRISMA）
- 具体修改建议
/audit <项目> — 证据完整性审计
比 /review 更严苛的"挑刺"模式，专门寻找：
- 数据与结论不一致
- 引用链断裂（引用文献不支持原文陈述）
- 可重复性风险点
- 潜在的利益冲突
/compare <主题> — 来源对比矩阵
对同一主题的多篇文献进行结构化对比，输出矩阵表格：样本量、方法、结论、局限性。
/draft <主题> — 手稿式草稿
将研究发现转化为符合期刊风格的草稿文本，含标题、摘要、引言、方法、结果、讨论结构。
/watch <主题> — 定期文献监控
设置监控主题后，Darwin 会定期检查新发表文献，生成周报/月报推送。
/outputs — 成果浏览器
交互式浏览所有生成过的报告、方案、图表，支持导出为PDF或Markdown。
三、六大代理：各有所长的研究团队
Darwin 的代理系统模拟了一个真实的研究团队，不同代理负责不同环节：
bio-researcher（基础研究代理）
- 专长：PubMed 高级检索、MeSH 词优化、预印本监控
- 工具：PubMed API、bioRxiv/medRxiv RSS、Google Scholar
- 输出：带引用的文献摘要、研究 gap 分析
clinical-researcher（临床研究代理）
- 专长：RCT 质量评估（Cochrane Risk of Bias）、指南解读
- 工具：ClinicalTrials.gov、Cochrane Library、NICE/ASH 指南
- 输出：证据等级表、临床建议分级（GRADE）
bioinformatician（生物信息学代理）
- 专长：NGS 流程设计、差异表达分析、通路富集
- 工具：GEO 查询、BLAST、AlphaFold API、Ensembl
- 输出：分析流程代码（Python/R）、结果解读、可视化建议
bio-reviewer（评审代理）
- 专长：报告规范检查、统计方法审计
- 工具：CONSORT/ARRIVE/MIQE/PRISMA 检查清单
- 输出：结构化评审意见，含严重程度分级
bio-writer（写作代理）
- 专长：学术英语润色、期刊格式调整
- 工具：目标期刊 author guidelines
- 输出：符合投稿要求的手稿段落
evidence-verifier（证据验证代理）
- 专长：事实核查、引用溯源、撤稿检测
- 工具：Crossref、Retraction Watch、PubPeer
- 输出：验证报告，标记可疑引用
四、技能与工具生态
Darwin 的能力不仅来自大模型本身，更来自其丰富的技能（Skills）系统 —— 这些是 Markdown 格式的指令文件，启动时自动同步到 ~/.darwin/agent/skills/。
文献检索类
- PubMed Search：支持布尔逻辑、MeSH 树、日期范围、期刊筛选的高级检索
- bioRxiv / medRxiv Monitor：追踪预印本，设置关键词自动提醒
- Clinical Trial Check：ClinicalTrials.gov 和 EU CTR 双库检索
数据验证类
- Retraction Check：引用前自动扫描撤稿状态
- Statistics Check：审计 p-hacking 迹象（如 p 值分布异常、选择性报告）
- Gene Lookup：HGNC 官方符号验证，防止基因别名混淆
生物信息学类
- BLAST：序列比对，自动选择最优数据库（nt、nr、swissprot）
- Pathway Enrichment：ORA（过表达分析）和 GSEA 指导，支持 KEGG、Reactome、GO
- AlphaFold Fetch：获取预测结构，评估 pLDDT 分数和预测可靠性
- GEO Reanalysis：查询 GEO 数据集，生成重分析代码模板
临床计算类
- Biomarker ROC：诊断性能评估，含 Delong 检验
- Dosage Calc：肾/肝调整剂量计算，引用标准参考文献
- IC50 Fit：四参数逻辑回归，自动异常值检测
通用工具类
- Web Search：Exa、Perplexity、Gemini API 多源搜索
- Session Search：跨会话的语义检索，"上周查的那个基因叫什么？"
- Preview：一键导出浏览器可读格式或 PDF
六、来个简单案例
研究Akkermansia muciniphila与人体健康的关系。
第一条命令
darwin /lit "Akkermansia muciniphila and human health"然后看着Darwin自动完成从检索到成稿的全过程。
七、为什么Darwin不一样？
上面结果是不是很惊艳？市面上不乏AI文献助手，但Darwin有几个独特的坚持：
- 证据层级优先：不会把预印本和RCT混为一谈，每句话都标注证据等级
- 撤稿先行：引用前必查撤稿状态，避免踩坑
- 可重复性内建：生成的方案附带检查清单，计算机模拟结果明确标注"in-silico"
- 开源可控：代码、技能、代理定义全部开源，你可以修改SYSTEM.md调整行为，也可以写自己的技能
结语
Darwin不是来替代研究者的 —— 它是来替代那些重复、枯燥但又不能出错的科研杂活。把文献检索、格式检查、撤稿扫描交给Darwin，把真正需要创造力的思考留给自己。
开源地址：https://github.com/yejunbin/darwin
Darwin —— 让AI成为实验室里靠谱的科研助理。
