Google DeepMind 为 Antigravity 推出化学信息学技能：在一个肺癌药物案例里，智能体一小时内整理数千个化合物并提出带合成路线的大环分子
一套领域技能包：模型负责编排，确定性的化学工具做精确计算，以插件形式发布。
// 要点
- 语言模型负责流程编排、数据库检索和科学推理，分子计算交给基于 RDKit 的确定性工具，并接入 ChEMBL 和 PubChem
- 以克唑替尼和劳拉替尼为例，智能体检索数千个化合物，做匹配分子对分析，建立并在留出集上验证活性模型，提出刚性化的大环分子和合成路线
- DeepMind 称这类流程通常一轮就要好几天；提出的设计只是可检验的假设，必须经过合成和实验验证
- 现已可用：在 Antigravity 应用里安装 Science 插件
开发者视角可以照搬的是这个分工：模型负责规划和选工具，必须精确的部分交给确定性代码。AI 云盘做文件信息抽取我也会这么做：模型决定要抽什么，最终字段由解析器或校验器产出。把领域经验打包成插件，还意味着领域规则可以独立于模型发布。