AI4S-BioLab

在沐曦曦云 C500 GPU 平台上，用 OpenDDE-Harness 把 ProteinMPNN、Boltz-2两个开源蛋白质科研模型组织成可审计的科研 Agent 工具链，并以 GLM-5.3、Agents-A1、Sage-A1.5 三个 Agent 模型完成同一冻结任务的端到端复跑。

这套教程面向 零基础或 AI4S 初学者：计算机、生物、材料等专业学生均可。基础路线约 2 小时，不需要自己拥有 GPU

开始学习

你需要一台 Windows 11（或带 WSL2 的 Linux）电脑、稳定的网络，以及一个可访问的沐曦 C500 实例。

第一步：打开 tutorials/01-wsl2-ubuntu.md，按基础路线走完五篇，约 2 小时即可在本地把 OpenDDE-Harness 跑起来、用 GLM-5.3 调通第一次科研 Agent 案例。

前置条件一览：

项	要求	说明
操作系统	Windows 11 或支持 WSL2 的系统	基础路线第一步会装 WSL2 Ubuntu
网络	能访问 GitHub、Hugging Face、沐曦文档	权重与源码下载受网络影响，慢时另计
GPU	基础路线不需要	端到端案例与模型部署才需要 C500
C500 实例	进阶阶段需要	沐曦曦云 sGPU，配额见 models/00
编程基础	会用命令行即可	教程逐条标注终端与命令

学习安排

学习分四个阶段，按下面的顺序走最顺。先用基础路线建立”端到端跑通”的体感，再借助 AI 协作工具把模型落到 C500 上，最后把同一份”冻结任务”交给不同 Agent 复跑做对比——这样初学者能先看到完整工作流长什么样，再回头学每个模型怎么部署。

第一阶段 · 基础路线（约 2 小时，无需 GPU）

在本地把 OpenDDE-Harness 与首个科研 Agent 案例跑通。五篇教程循序渐进：

路线	教程	预计时间	学到什么
1/5	01 Windows 11 到 WSL2 Ubuntu	20–35 分钟	准备 Linux 开发环境
2/5	02 OpenDDE-Harness 安装与启动	20–30 分钟	装好科研 Agent 编排器
3/5	03 API 配置	20–30 分钟	让 Agent 用上大模型 API
4/5	04 第一次科研 Agent 案例	30–40 分钟	端到端跑通第一个案例
5/5	05 MetaX MIM Skills 安装与验证	20–30 分钟	给 Agent 装上调用科研模型的能力

第二阶段 · 用 MacaWiki 与 Codex 协助部署

想在 C500 上自己部署三个科研模型？这一步教你借助两个 AI 协作工具，把部署难度降下来：

指南	预计时间	作用
Codex 与 MacaWiki 辅助科研模型部署	20–30 分钟	让 Codex 协助排障、MacaWiki 提供沐曦 MACA 软件栈权威参数
Codex 与 MacaWiki 可复用提示词	15–25 分钟	复制即用的提示词模板，替换占位符即可

MacaWiki 是沐曦 MACA 软件栈的官方文档，部署 C500 模型时遇到 CUDA/MACA 兼容问题，先查 MacaWiki 再问 Codex。

第三阶段 · 在 C500 上部署三个模型

最后才是真实模型部署。五篇教程覆盖环境检查、三个模型，以及把它们接成 HTTP API 供 OpenDDE 调用：

路线	教程	预计时间	模型 / 状态
1/5	00 连接 C500 与环境检查	25–40 分钟	SSH、GPU、MACA、PyTorch 检查
2/5	01 ProteinMPNN 部署与测试	30–45 分钟	蛋白质序列设计 · GPU 验证通过
3/5	02 Boltz-2 部署与测试	45–70 分钟	结构预测与置信度 · GPU 验证通过
4/5	03 模型 API 与 OpenDDE 联调	30–45 分钟	把模型接成 HTTP 服务供 Agent 调用
5/5	04 RFdiffusion 部署尝试记录	阅读 15 分钟	蛋白质从头设计 · 适配尝试与已知问题

第四阶段 · 链接 API，三个 Agent 模型跑通同一任务

基础路线用 GLM-5.3 跑通了第一例。这里把同一份”冻结任务”交给三个不同 Agent 模型各跑一次，构成对比矩阵——这是本仓库的核心实验资产。实验架构、固定设置、复现步骤与结论边界见 实验总览，下面三个链接是各自的完整过程记录：

案例	Agent 模型	关键看点
GLM-5.3 案例	agent-plan/glm-5.3	首次构建并验证，含 CRLF2 蛋白设计完整工作流
Agents-A1 案例	intern-inkstone/Agents-A1	同一冻结任务的第二次执行，含一次工具超时误判与证据纠正
Sage-A1.5 案例	intern-inkstone/Sage-A1.5	第三次执行，三模型对比矩阵闭合

目录索引

目录	内容	谁该看
tutorials/	基础路线五篇（WSL2 → OpenDDE → GLM API → 科研案例 → MIM Skills）	所有人，从这里开始
examples/	科研案例（GLM-5.3 / Agents-A1 / Sage-A1.5 三模型对比矩阵）+ 输入说明 + 适配脚本	想看端到端案例的人
models/	C500 科研模型部署五篇（环境 / ProteinMPNN / Boltz-2 / HTTP API / RFdiffusion）	要自己部署模型的人
agent-guide/	Codex 与 MacaWiki 协作指南 + 可复用提示词	进阶部署阶段
scripts/	C500 部署与校验脚本（setup / run / validate / smoke）	部署与复跑者
troubleshooting/	常见问题 FAQ（各教程内已含”常见问题”小节）	卡住时查
CONTRIBUTING.md	贡献规范	想提交改进的人
LICENSE	开源许可	—

已验证环境

本仓库的部署结论与案例数据来自一次真实环境：

项	配置
GPU	MetaX C500
GPU 配额	sGPU 50% Compute / 32000 MiB
操作系统	Ubuntu 24.04（平台容器内）
Python	3.12.11
PyTorch	2.8.0+metax3.7.1.3
MACA	3.7.1.5
GPU Driver	3.8.30
部署方式	平台容器内原生 Python（venv --system-site-packages）
Agent 编排	OpenDDE-Harness 0.0.5

许可与贡献

本仓库内容遵循 LICENSE 所述许可。模型源码与权重各自遵循其上游许可（ProteinMPNN / Boltz-2 / RFdiffusion），再分发前请确认。贡献流程见 CONTRIBUTING.md。