AI for Science 的竞争焦点，正从单一模型能力向科研闭环延伸。
以蛋白设计为例，尽管现有模型日益强大，但研究人员仍需手动完成文献调研、环境配置、任务提交及结果筛选等繁琐环节。整个流程中，各环节往往依赖人工拼接，缺乏自动化衔接。
国际巨头如 OpenAI、Anthropic 已开始布局 Agent 参与科研全流程。国内团队亦迅速跟进，杭州AI 蛋白质设计公司力文所近日发布Lévin™ Harness，面向科研社区开放。
△ 图源：力文所 Lévin™ Harness 产品界面
该产品将数据、模型、插件工具、算力及工作流整合至同一 Agent 工作区。研究人员定义目标与关键决策，Agent 则负责推进计算、分析结果并动态调整方案。系统不绑定特定模型，支持通过插件扩展新能力，并将成熟的研究方法沉淀为可复用的Workflow。
Lévin™ Harness 的核心价值在于解决 AI for Science 面临的深层痛点：如何让智能真正进入科研现场并持续运转。
AI 模型解决科学问题，Agent 组织科研闭环
Lévin™ Harness 是一款以 Agent 为核心的蛋白质设计应用，可视作生命科学研究的专用 Agent 工作台。在该环境中，研究者通过自然语言描述需求，由通用大模型（如 DeepSeek、Kimi、GLM 等）理解意图并规划步骤，再调用专业科学模型执行结构预测、序列设计等具体计算任务。
△ 图源：力文所
Harness 负责连接能力、数据与算力，并完整保留研究过程。这种分工大幅缩短了从想法到结果的路径，使非编程背景的科研人员也能高效完成复杂设计。
以蛋白 binder 设计为例，传统流程需人工明确靶点、结合位点及设计约束。而在 Harness 中，Agent 可辅助调研靶点、整理信息并分析结合位置，研究者仅需确认方法与约束即可启动计算。
针对 Agent 需“看懂”分子的空间关系这一难点，系统内置了三维分子可视化工具。屏幕上的结构信息及操作可直接转化为 Agent 上下文，使其能理解“这里”等模糊指代，确保结构分析贯穿设计全程。
△ 图源：力文所 Lévin™ Harness 产品界面
在计算执行层面，Agent 可根据任务意图自动选择 AlphaFold、ProteinMPNN、Pallatom 或 RFantibody 等专业工具。通过定制插件系统，Harness 实现了工具的自动部署与参数配置，解决了多工具间环境不一致及数据流转难题。用户亦可开发专属插件，引入新的模型与科学能力。
△ 图源：力文所 Lévin™ Harness 产品界面
此外，系统支持连接本地工作站或远程 GPU 服务器，实现大型计算任务的后台运行与自动分析。当候选分子未达预期时，Workflow机制允许研究者与 Agent 共同回看结合位点与设计约束，调整策略后快速重启新一轮迭代。实验结果也可反馈至项目，形成“设计 - 计算 - 实验 - 优化”的完整闭环。
△ 图源：力文所 Lévin™ Harness 产品界面
目前，Lévin™ Harness 已面向科研社区开放，支持搭载 Apple 芯片的 Mac 设备。
AI 蛋白设计公司，为何自研 Harness？
杭州力文所生物科技有限公司成立于 2021 年，其名源自蛋白质科学中的经典命题——Levinthal 悖论，即如何在巨大的构象搜索空间中快速找到有效路径。
△ AI 生成
公司创始团队拥有跨学科背景，旨在打造通用型蛋白质设计公司。其代表性成果为自研的全原子蛋白质生成模型 Pallatom。该模型从全原子层面处理序列与结构的协同设计，输出包含完整原子坐标的结构，相关研究入选 ICML 2025 Spotlight，并被英伟达官网列为代表性“蛋白质基础模型”。
Pallatom 提出的全原子生成思路已成为行业重要方向，后续发布的 RFdiffusion3 及 BoltzGen 等模型均采用了类似技术路线。
△ Pallatom 模型架构示意，图源：力文所
力文所坚持“干”（计算设计）与“湿”（生物实验）能力并建的策略。公司在杭州建有超 3000 平方米的产业化平台，具备从实验验证到中试放大的全链条能力。这种“伞形结构”使得通用 AI 能力与具体产品线能相互校验。
依托该模式，力文所已成功制备甜菊糖苷酶制剂（转化率 95%，成本降 50%）及巴西甜蛋白（纯度 90%，成本降至植物提取法的十分之一）。
△ 图源：力文所
随着研发链条拉长，流程衔接成本凸显。Lévin™ Harness 正是为解决这一问题而生。该项目始于 2026 年初，最初服务于内部研发，后因应社区需求转化为公开产品。
让研究机构拥有自己的 AI 科研系统
面对药企或实验室已有的研究环境，Lévin™ Harness 通过灵活的插件扩展与算力接入，确保机构原有模型、脚本及方法能在新系统中继续发挥作用。
△ 图源：力文所 Lévin™ Harness 产品界面
针对科研机构最关注的数据边界问题，Harness 规定用户的项目、对话、设置及 API 密钥均保存在本地，对话仅发送至用户配置的模型提供商。力文所承诺不使用用户私有数据训练模型，备份策略由用户自主决定。
△ AI 生成
通过将可执行、可复用的研究方法沉淀为Workflow，机构可逐步构建专属的AI 科研系统：通用模型提供智能，专业模型负责计算，自有 Workflow 体现独特 research logic。
△ 图源：力文所 Lévin™ Harness 产品界面
这一开放生态允许开发者贡献模型插件，研究人员分享工作流，而使用机构则在公共能力之上保留核心数据资产。力文所的终极目标是推动 Harness 连接合成与实验，跟踪任务与样品，向「24 小时的智能研发工厂」演进。
△ AI 生成
当前，AI for Science 正形成更细致的分工：通用模型规划任务，专业模型负责计算，实验体系验证结果。真正的挑战在于如何将这些环节无缝衔接。力文所凭借从 Pallatom 到 Lévin™ Harness 的技术积累，正成为这一新型科研组织模式的先行者。