本文收录于专栏agent智能体系列—— 专栏系统覆盖 AI Agent 概念、框架与工程实践点击订阅可跟踪后续更新。本系列共 2 篇本文是第 2 篇概念与评估第 1 篇《智能发展史七十年》讲这条概念链的历史来路。你需要给产品做定位或选型却分不清智能原生“智能体原生”Agent Harness这组词——接了大模型 API 算不算智能原生Cursor 和 Devin 差在哪一步这篇给你移除测试判据、五概念对照表、四组实例对比Cursor vs Devin、手机两代、国内产品图谱、四层嵌套图、12 维评估清单和 33 条概念中英对照表事实全部标注一手出处。读完你能给任何产品定位它在范式迁移中的位置直接拿评估清单做横向打分。关键字智能原生智能体原生Agent NativeAgent HarnessAgent Enable移除测试智能体评估概念中英对照目录§1. 相关教程与核心文献§2. 一句话先分清五个概念各自回答什么§3. 智能原生AI Native移除测试与五个特征§4. 智能体原生Agent Native从能对话到能执行§5. 举例说明区别编程、手机与国内产品图谱§6. 两个支撑概念Agent Enable 与 Agent Harness§7. 概念层级四层嵌套与 12 维评估清单§8. 概念中英对照表33 条§9. 局限与展望§10. 结语§1. 相关教程与核心文献资源链接与本文关系Levels of AGIGoogle DeepMindarXiv:2311.02462§9 AGI 分级与趋势判断参照Bostrom《Superintelligence》牛津大学出版社§9 对齐思想的来路Anthropic MCP 公告anthropic.com§6 Harness 层工具协议标准Gartner 2025 十大战略技术趋势gartner.com§9 Agentic AI 趋势与风险预测Cognition Devin 发布博客cognition.com§5 智能体原生代表产品文中其余事实Claude Code、STEPX Neo、Kimi Work、vivo 蓝心 Harness 等的出处统一列在文末参考来源正文用〔N〕编号对应。概念的历史来路为什么此刻出现这组词见本系列第 1 篇《智能发展史七十年》。§2. 一句话先分清五个概念各自回答什么这组概念经常被混着说但它们在评估对象和评估层级上不一样概念回答的问题典型能力智能原生AI Native系统是否以 AI 为核心底座模型推理、自然交互、数据闭环、Agent 能力智能体原生Agent Native系统是否原生支持自主 Agent 运行规划、工具调用、多步闭环、多 Agent 协同智能体赋能Agent Enable如何让某个系统具备 Agent 能力接入工具、记忆、权限、编排、观测AI 赋能AI EnableAI 有没有真正增强原有系统总结、问答、生成、推荐智能体框架Agent HarnessAgent 运行时本身好不好用、可不可控工具调用、循环控制、状态管理、安全护栏汽车类比智能原生是整车电动化智能体原生是整车为自动驾驶设计Agent Enable 是给车装上自动驾驶能力。层级关系一句话智能原生是上层大框架智能体原生是它的高阶子集——智能原生 AI 是系统底座智能体原生 在智能原生之上系统原生支持自主循环智能体运行。§3. 智能原生AI Native移除测试与五个特征3.1 定义与判断标准智能原生 AI 是系统底座。国内官方标准译法为AI Native / 智能原生指产品、系统、企业从架构、交互、数据流到业务流程都以大模型为核心底座构建。判断标准是移除测试Removal Test把 AI 拿掉后——如果产品核心价值崩塌就是智能原生如果只是体验降级通常只是 AI 增强AI Enabled / AI Enhanced。这是最直观的判据WPS 去掉 AI 还是 WPS降级但去掉 AI 的 Devin 就不存在了崩塌。3.2 五个核心特征特征含义架构原生大模型推理、向量库、智能调度嵌入核心层交互原生以自然语言、意图驱动为主UI 变轻进化原生有数据闭环越用越聪明智能体驱动能规划、调用工具、多步执行概率化设计内置校验、重试、护栏和人审软件从确定性工程变为概率性工程在智能原生系统里人仍然是最终操作者AI 深度参与理解、生成、建议但关键动作点击、确认、购买、合入、发布由人完成。§4. 智能体原生Agent Native从能对话到能执行4.1 定义智能体原生 在智能原生之上系统原生支持自主循环智能体运行。“Agent Native” 一般指以智能体为中心来设计系统、产品和工作流而不是把 AI 只当作一个对话窗口或插件。它强调应用天然具备感知、规划、工具调用、记忆、协作和自主执行能力。4.2 和传统应用的区别维度传统应用Agent Native 应用交互方式用户点击、填表、搜索用户给目标Agent 拆解并执行能力边界固定功能可调用工具、API、数据库工作模式被动响应主动规划、持续跟进状态管理页面/会话状态长期记忆、任务状态、上下文可靠性要求功能稳定即可需要可观测、可回滚、可审计4.3 关键组成任务规划Planning能把帮我整理竞品报告拆成搜索、筛选、总结、输出等步骤。工具使用Tool Use可以调用搜索、代码执行、数据库、CRM、文档系统等。记忆系统Memory包括短期上下文、长期用户偏好、历史任务状态。多 Agent 协作Multi-Agent Collaboration不同角色分工比如研究 Agent、写作 Agent、审核 Agent。安全与治理Safety Governance权限控制、工具白名单、敏感操作二次确认、执行日志。评估与观测Evaluation Observability不仅看回答质量还要看任务完成率、成本、延迟、失败恢复能力。4.4 相比普通智能原生的增量能力智能体原生回答的不是系统有没有 AI而是系统是否原生支持智能体自主感知、规划、执行、反思和协作。通常还要具备循环闭环支持多轮迭代、自省、快照和失败恢复。标准工具交互工具、API、系统能力被封装成 Agent 可安全调用的接口。安全门禁语法校验、预演、输出契约、人工审批等嵌入执行链路。多智能体协同能动态创建子 Agent、分配任务、仲裁分歧。自进化机制Agent 能根据反馈调整策略、提示词或执行阈值。4.5 常见落地形态与开发要点落地形态个人助理型邮件、纪要、日程、检索、研发/办公型代码补全、文档生成、数据查询、报告自动化、业务流程型客服工单、销售线索、运营报表、数据智能型查数、解释指标、图表、异常定位。开发时要重点关注不要只接一个 LLM API要设计工具层、状态层、评估层。把能做什么和不能做什么写清楚避免过度自主。重要操作要有人审、回滚、日志追踪。用真实任务做评估而不是只看单轮问答效果。成本、延迟、失败重试机制要提前设计。§5. 举例说明区别编程、手机与国内产品图谱5.1 编程领域Cursor / Claude Code智能原生 vs Devin智能体原生智能原生例子Cursor / Claude Code。核心是AI 深度嵌入开发工作流但执行主体仍然是人。比如你在 Cursor 里说把 data_processor.py 里的同步函数改成 async/await并更新所有调用处。它会理解项目代码结构、找到相关文件、给出修改建议或直接编辑、帮你运行测试解释报错但你仍然需要决定改不改、什么时候合入、是否发布。它已经非常AI 原生没有大模型这个产品就不成立但它通常不会自动创建分支、自动合 PR、自动部署生产环境。人仍然是最终操作者。Claude Code 于 2025-02-24 随 Claude 3.7 Sonnet 以研究预览形式发布〔19〕Anthropic 自述定位为第一方 agentic coding 工具——在本文概念光谱上属智能原生偏智能体一侧执行主体仍是发起会话的开发者。智能体原生例子Devin。差异在于你给一个高层目标它自己规划、执行、验证、修复并在沙盒里完成端到端交付。比如你说建一个带用户注册、商品展示和支付功能的网站并部署到 Netlify。Devin 会规划技术栈、写前后端代码、运行测试、调试报错、调用浏览器或部署平台最后交付一个可访问的应用。这里人更像架构师/验收者Agent 更像执行工程师。Cognition 2024 年 3 月发布自称首个 AI 软件工程师〔13〕。一句话区分Cursor 帮你更快写代码Devin 尝试替你完成一个完整开发任务。5.2 手机领域系统级 AI 助手智能原生 vs 智能体手机智能体原生智能原生例子手机里的 AI 助手。华为小艺、OPPO 小布、vivo 小 V、三星 Galaxy AI、Apple Intelligence 已经深度嵌入操作系统能总结通知、润色文字、识别图片、安排日程。但典型工作流是你问帮我查一下明天去上海的高铁→ 它给出方案 → 你再点进去买票、改签、加日历。最终操作仍然由你完成。智能体原生例子阶跃星辰 STEPX Neo / 努比亚 AI 智能体手机。目标不是多一个 AI 功能而是让智能体成为系统的执行主体。你说帮我订一张明天上午去上海的高铁并把行程加到日历出发前提醒我它理解意图、查询车次和价格、调用购票服务、写入日历、设置提醒只在支付等关键节点让你确认。事实核对〔20〕STEPX Neo 于 2026-07-13 在上海发布会亮相搭载智能体原生操作系统 Step AOSStep Agentic-native OS、内置个人智能体 Amoo官方称全球首款大模型原生智能体手机是首款也是当时唯一通过《人工智能终端智能化分级》系列国家标准 L3 级测试的智能体手机L3 为当时开放测试的最高级别Step AOS 提出记忆、决策与执行、安全三大核心特征及可信、可见、可控、可逆安全框架。一句话对比智能原生手机帮你理解信息、给建议但你要自己点智能体原生手机跨应用替你完成一整件事你是任务发起人和最终审批人。放到开发环境VSCodium 一类里也类似AI 只帮你补全代码、解释报错是智能原生它能自动改代码、跑测试、提交 PR、等你审核后再合并就更接近智能体原生。5.3 国内产品图谱智能原生一档共同点没有大模型产品核心价值会明显下降AI 深度进入交互、数据流和业务流程但人通常仍是最终操作者。代表为什么算智能原生WPS AI / WPS 灵犀AI 深度进入文档、表格、PPT、合同、数据分析等办公流程鸿蒙生态 / HarmonyOS 6大模型、系统服务、原生应用、跨设备协同都围绕 AI 重构海尔智家大脑、华为鸿蒙智家用垂域大模型做感知、记忆、决策和主动服务联想AI 原生公司、词元工厂PC、服务器、智能体、云端协同围绕 Token 生成流转消耗重新组织阿里云百炼、百度文心千帆、腾讯元器模型、工具、工作流、知识库和企业系统集成的开发平台5.4 国内产品图谱智能体原生一档更强调用户给目标智能体负责规划、调用工具、跨应用执行、持续跟进并交付结果。代表为什么更接近智能体原生智谱 AutoGLM远程操作云设备、跨 App 完成任务Kimi Work可挂载本地文件夹、浏览网页、运行代码K2.6 模型 Agent Swarm 最多 300 个子智能体并行、4000 协作步上一代 K2.5 为 100 个/1500 步Kimi Work Beta 2026-06-03 内测〔21〕MiniMax Agent 2.0面向长程复杂任务桌面端支持本地文件操作与网页自动化阶跃星辰 STEPX NeoStep AOS Amoo《人工智能终端智能化分级》国家标准 L3 级测试唯一获证智能体手机〔20〕vivo 蓝心小 V Pro / 蓝心 Harness6000 多项原子能力转为 Agent 可调用工具OriginOS 72026-09-16 发布支持超万种任务〔22〕腾讯 WorkBuddy、阿里 QoderWork、豆包工作桌面智能体接入本地文件、办公应用和企业系统从辅助生成走向替用户执行工作流实在 Agent、易鑫 Agentic 平台前者无 API 跨系统 RPA 式执行后者汽车金融场景长链路任务自主交付数据口径说明表中三家已独立核实的产品参数STEPX Neo 的 L3 证书、Kimi Work 的 300 子智能体、vivo 的 6000 项原子能力有公开报道佐证〔20-22〕其余产品的定性描述属厂商宣传口径选型时应以实测为准。场景化参考办公场景优先看 Kimi Work、QoderWork、WorkBuddy、WPS 灵犀平台能力看智谱 AutoGLM、阿里百炼、百度千帆、腾讯元器端侧智能体关注 STEPX Neo、vivo 蓝心 Harness、鸿蒙系统。§6. 两个支撑概念Agent Enable 与 Agent Harness6.1 Agent Enable智能体使能 / 智能体赋能Agent Enable 指为智能体赋能/使能核心是把模型、工具、记忆、权限、编排等能力系统性地接入 Agent让它从能对话变成能执行。它通常不是顶层架构范式而更偏工程动作和能力建设。常见四种语境语境含义例子能力使能给 Agent 接入工具、记忆、搜索、代码执行、数据库让 Agent 能查库、调 API、写文件治理使能加入安全、权限、审计、校验、恢复机制防止 Agent 越权调用或误操作基础设施使能提供运行时、沙箱、工具网关、观测、鉴权让 Agent 可部署、可观测、可扩展组织/产品使能让业务系统、团队或平台具备使用 Agent 的能力把 CRM、工单、知识库开放给 Agent 调用和 Agent Native 的关系Agent Native 回答系统是否从底层就围绕智能体设计Agent Enable 回答如何让某个模型、系统或平台具备智能体能力。Agent Native 是架构目标Agent Enable 是实现路径——要做一个 Agent Native 系统通常要做大量 Agent Enable 工作。典型要 “enable” 的六层内容模型层模型选择、推理配置、上下文管理、工具层搜索、数据库、API、文件、代码执行、记忆层短期任务状态、长期知识、用户偏好、编排层任务拆解、多步执行、多 Agent 协作、治理层权限、沙箱、审计、回滚、成本延迟控制、观测层决策链路、工具调用、失败原因追踪。6.2 Agent Harness智能体框架以 DeepSeek Harness 为例Agent Harness / Agent 框架指把模型变成能持续执行任务的智能体的工程底座。DeepSeek Harness 属于这一类。概念DeepSeek Harness 的关系Agent Enable最接近这一类本质是让模型具备 Agent 能力的运行时层智能原生它本身不是智能原生产品而是构建智能原生应用的基础设施智能体原生它提供智能体原生系统需要的关键能力工具调用、任务循环、记忆、沙箱、可观测性更具体地说DeepSeek Harness 不是大模型也不是聊天产品而是Model Harness Agent中的 Harness 层——负责把模型接到真实环境里让 Agent 能读文件、调工具、规划任务、执行命令、记录轨迹、失败重试和持续工作。它的架构特点是一切皆插件模型、工具、会话、沙箱、UI、任务循环都可以作为插件替换和组合既是可运行的 Agent 桌面/命令行应用也是可二次开发的 Agent 框架。§7. 概念层级四层嵌套与 12 维评估清单7.1 四层嵌套关系图┌─────────────────────────────────────────────────────────┐ │ Agent Native (智能体原生) │ ← 终极形态系统围绕Agent重构 │ ┌───────────────────────────────────────────────────┐ │ │ │ Agent Harness (智能体框架) │ │ ← 工程支撑安全/观测/状态/工具链 │ │ ┌─────────────────────────────────────────────┐ │ │ │ │ │ Agent Enabled (Agent Enable) │ │ │ ← 能力升级规划执行闭环 │ │ │ ┌───────────────────────────────────────┐ │ │ │ │ │ │ │ AI Enabled (AI Enable) │ │ │ │ ← 基础起点模型接入内容生成 │ │ │ └───────────────────────────────────────┘ │ │ │ │ │ └─────────────────────────────────────────────┘ │ │ │ └───────────────────────────────────────────────────┘ │ └─────────────────────────────────────────────────────────┘核心关系解读AI Enabled 是地基解决能不能用 AI的问题是所有上层建筑的起点。Agent Enabled 是能力层在 AI 基础上增加了手脚让系统从能说会道变成能干活。Agent Harness 是承重墙它不是业务功能而是让 Agent 能稳定、安全、可控运行的基础设施。没有 HarnessAgent 就是玩具有了 HarnessAgent 才能进生产环境。Agent Native 是顶层设计当以上三层都成熟后产品不再把 Agent 当功能做而是把整个产品重新设计为以 Agent 为核心的新物种。7.2 12 维评估清单评估维度关键问题对应概念AI 是否可移除去掉 AI 后产品是体验降级还是核心价值崩塌AI Enabled vs 智能原生AI 角色AI 是辅助工具、副驾还是主执行者AI Enabled / Copilot / Agent交互范式用户是点菜单、填表单还是给目标、验收结果智能原生 / 智能体原生执行闭环系统能否自主规划、调用工具、执行、纠错并交付结果Agent Enabled / 智能体原生工具与系统集成能否稳定调用 API、数据库、文件系统、业务系统Agent Enabled / Harness任务规划能力能否把复杂目标拆成多步并在失败后重试Agent Enabled / 智能体原生记忆与状态是否有短期上下文、长期记忆、任务状态和跨会话持久化Agent Enabled / Harness安全与权限是否有沙箱、权限控制、审批节点、审计日志和回滚机制Harness / 智能体原生可观测性能否追踪 Agent 决策链路、工具调用、成本、延迟和失败原因Harness / Agent DevOps数据闭环交互结果能否回流用于优化模型、提示词、工具和流程智能原生 / 智能体原生多智能体协作是否支持子 Agent、角色分工、任务分发和结果仲裁智能体原生 / Harness工程成熟度是否具备持久化执行、并发控制、异常恢复、版本管理和 SLOHarness / Runtime怎么选评估重点看产品定位用移除测试最直观看执行能力要看能否自主规划、调用工具并交付结果看工程底座要看状态管理、安全、可观测、持久化和恢复能力看系统重构程度要看是否从底层为智能体设计记忆、权限、接口和协同机制。做内部 Agent 平台选型时优先横向对比任务完成率、工具调用成功率、失败恢复率、越权拦截率、审计可追溯性、单任务成本和延迟。技术侧重点智能原生阶段重点看模型、网关、上下文和评估智能体原生阶段重点设计 Agent 运行时、工具网关、安全护栏和多 Agent 编排。§8. 概念中英对照表33 条中文英文常用缩写一句话含义智能原生 / AI 原生AI Native / AI-Native—AI 是系统底座移除后核心价值崩塌国内官方标准译法智能体原生Agent Native—系统原生支持智能体自主感知、规划、执行、反思、协作智能体使能 / 智能体赋能Agent Enable / Agent Enabled—给模型/系统接入工具、记忆、权限、编排等 Agent 能力的工程动作智能体框架Agent Harness / Agent RuntimeHarness把模型封装成可执行、可观测、可治理 Agent 的工程底座Model Harness AgentAI 赋能 / AI 使能AI Enabled / AI Enablement—在现有系统上叠加 AI 能力总结、问答、生成、推荐AI 增强AI Enhanced / AI Powered—同上语境AI 是增强项拿掉只降级不崩塌人工智能Artificial IntelligenceAI让机器执行需要人类智能的任务1956 达特茅斯会议命名〔2〕专用人工智能 / 窄智能Artificial Narrow IntelligenceANI只擅长单一任务的 AI深蓝、AlphaGo通用人工智能Artificial General IntelligenceAGI在广泛任务域达到人类水平的 AIDeepMind 分级框架〔12〕超级智能Superintelligence / Artificial SuperintelligenceASI在几乎所有领域全面超越最优秀人类头脑的智能Bostrom, 2014〔23〕生成式人工智能Generative AIGenAI以生成文本/图像/代码为主要能力的 AIChatGPT 起大语言模型Large Language ModelLLM以 Transformer 为底座、经大规模预训练的语言模型缩放定律Scaling Laws—模型能力随参数/数据/算力可预测提升的经验规律Kaplan 2020〔8〕Chinchilla 2022 修正〔9〕智能体 / 人工智能体AI Agent / Intelligent AgentAgent能感知、规划、调用工具、执行任务的自主 AI 系统多智能体系统 / 协作Multi-Agent System / CollaborationMAS多个 Agent 角色分工、任务分发、结果仲裁智能体编排Agent Orchestration—对多步任务、多 Agent 的调度组织工具调用 / 函数调用Tool Use / Function Calling—模型按需调用外部 API、数据库、代码执行等OpenAI 2023-06 标准化〔11〕模型上下文协议Model Context ProtocolMCPAnthropic 2024-11-25 开源的工具/数据接入标准“AI 的 USB-C”〔15〕感知—规划—执行—反思Perceive–Plan–Act–Reflect—Agent 的基本循环闭环自主执行Autonomous Execution—Agent 在少人工干预下完成任务并交付结果自进化机制Self-Evolution—Agent 根据反馈调整策略、提示词、执行阈值递归自我改进Recursive Self-ImprovementRSIAI 改进 AI 的递归加速ASI 讨论的核心担忧Bostrom 2014〔23〕对齐Alignment—让 AI 目标与人类意图一致的安全研究人机回圈 / 人工审批Human-in-the-LoopHITL关键节点由人确认支付、合入、发布数据闭环Data Feedback Loop—交互结果回流优化模型/提示词/工具/流程护栏Guardrails—校验、重试、阈值、拦截等安全机制沙箱Sandbox—隔离执行环境限制 Agent 副作用可观测性Observability—追踪决策链路、工具调用、成本、延迟可审计性Auditability—执行留痕、日志可追溯、可回滚短期上下文 / 长期记忆Short-term Context / Long-term Memory—会话内状态与跨会话持久化记忆移除测试(AI) Removal Test—判断 AI 原生程度的直观标准拿掉 AI 看崩塌还是降级任务完成率Task Completion Rate—Agent 评估的核心指标之一越权拦截率Unauthorized-Action Interception Rate—Agent 安全治理指标§9. 局限与展望三点边界帮你判断这套概念什么时候不管用、该盯什么信号概念边界是光谱不是开关。Cursor 2025 年后也在增加自主执行后台任务、agent 模式Devin 也要求人频繁验收。工程实践里很少有纯智能原生或纯智能体原生用 §7.2 的 12 维清单打分比贴标签更有用。自主度受安全与成本双重约束。Gartner 一边把 Agentic AI 列为趋势之首〔17〕一边预测 2028 年 25% 的企业安全事件将溯源到 AI agent 滥用〔30〕——自主性越强Harness 层权限、审计、回滚越是瓶颈。评估任何智能体原生产品时安全门禁的完备度比宣传的自主等级更值得看。分级标准还在演进。《人工智能终端智能化分级》国家标准当前开放测试到 L3〔20〕DeepMind 的 AGI 六级是研究框架不是产品认证——两者都只是路标。值得跟踪的信号L4 测试开放、Agent 任务完成率的公开 benchmark、多智能体协同的国标化。10. 结语一条完整的逻辑链收尾范式迁移——AI Enabled外挂功能→ 智能原生AI 是底座人主导操作→ Agent Enable Agent Harness让模型能执行、可治理的工程底座→ 智能体原生系统围绕智能体自主执行重构人是发起人和审批人实例锚点——Cursor vs Devin、手机 AI 助手 vs 智能体手机、国内产品图谱判断工具——移除测试 12 维评估清单。你下一步可以做的拿移除测试过一遍自己在用的工具栈标出哪些只是 AI Enabled选型智能体原生产品时直接抄 §7.2 的 12 维清单做横向打分表。这组概念的历史来路七十年发展史、超级智能缘由、AGI 分级见本系列第 1 篇《智能发展史七十年》。参考来源学术文献McCarthy, J. et al. (1955).A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence.Kaplan, J. et al. (2020).Scaling Laws for Neural Language Models. arXiv:2001.08361Hoffmann, J. et al. (2022).Training Compute-Optimal Large Language Models. arXiv:2203.15556Morris, M. R. et al. (2023).Levels of AGI: Operationalizing Progress on the Path to AGI. Google DeepMind. arXiv:2311.02462Bostrom, N. (2014).Superintelligence: Paths, Dangers, Strategies. Oxford University Press.官方公告 / 公司一手来源OpenAI: Function calling and other API updates2023-06-13Cognition: Introducing Devin2024-03Anthropic: Introducing the Model Context Protocol2024-11-25Gartner: Top 10 Strategic Technology Trends for 20252024-10-21Gartner: Top Predictions for IT Organizations and Users in 2025 and Beyond2024-10-22“By 2028, 25% of enterprise breaches will be traced back to AI agent abuse” 出处Anthropic: Claude 3.7 Sonnet and Claude Code2025-02-24国内产品报道§5 参数核对阶跃星辰 STEPX 发布会2026-07-13上海Step AOS、Amoo、STEPX Neo、L3 级测试唯一获证。见快科技、凤凰网评测等报道。Kimi Work / Kimi K2.62026-04 发布MoE 约 1T 总参/32B 激活/256K 上下文Agent Swarm 300 子智能体/4000 协作步Kimi Work Beta 2026-06-03 内测。vivo OriginOS 7 / 蓝心 Harness2026-09-16 发布6000 项原子能力支持超万种任务。见 vivo 官网新闻、36氪等。系列导航上一篇 智能发展史70年从AI到SI还有哪些 专栏全集agent智能体系列更多专栏蛋白 / 多肽分子模拟 / 动力学分子对接 / CADD / 工具其他开源蛋白结构推理预测分子模拟基础UCSF DOCK系列agent智能体系列开源蛋白生成方法实践分子动力学模拟-AmberrDock系列化学大模型介绍2025蛋白药物设计-原理与案例剖析分子动力学模拟-GromacsLeDock系列我胡师兄说药开源多肽设计模型和方法实践結合自由能CADD中的机器学习模型siRNA药物设计模型开源多肽性质预测高效计算基本配置小分子药物设计-原理与案例剖析ASO药物设计模型多肽药物设计-原理与案例剖析作用于DNA/RNA的药物设计实践开源小分子生成和设计实践开源药代动力学模拟软件