被英伟达点名的杭州团队，把蛋白质设计搬进了Agent工作台

9月中旬，杭州AI蛋白质设计公司力文所发布了名为Lévin™ Harness的产品，并宣布面向科研社区开放使用，目前支持搭载Apple芯片的Mac。这不是一个单一模型，而是一款以Agent为核心的蛋白质设计应用：用户用自然语言提出研究目标，Agent负责理解需求、规划步骤，再调用相应工具推进计算与分析。

力文所要解决的，是蛋白质设计里长期被忽略的那段“最后一公里”。以设计一个结合蛋白（binder）为例，研究人员需要查文献、看结构、下载权重、配置环境、把计算任务送上服务器；拿到结果后还要换工具查看结构、筛选候选，判断哪些分子值得投入实验。模型本身越来越强，但模型前后的衔接工作，仍然只能靠人一步步接起来。

这一判断与今年以来的行业动向一致。文章提到，OpenAI在今年4月推出面向生命科学的GPT-Rosalind，Anthropic在6月发布Claude Science，8月又公布Agent参与蛋白质设计、并衔接外部实验验证的研究。共同的变化是：AI不再只承担模型内部的计算环节，而开始参与模型之外的研究工作——分析结果、调整方案、继续推进任务。

落到产品设计上，Lévin Harness把数据、模型、插件工具、算力和工作流放进同一个Agent工作区。通用大模型负责理解研究人员的意图并规划步骤，文中列举的开放模型包括DeepSeek、Kimi、GLM、Qwen与小米MiMo；蛋白质结构预测、序列设计等专业计算则交给科学模型和分析工具，例如用于结构预测的AlphaFold、为给定结构设计序列的ProteinMPNN、面向全原子生成的Pallatom，以及服务抗体设计的RFantibody。

为了让Agent“看懂”分子，工作区内置了三维分子可视化工具，屏幕上的结构信息与相关操作可以直接转化为Agent的上下文。研究者在对话中说“这里”，Agent也能对应到具体的空间位置；是否调整某个残基、局部相互作用如何变化，因此有了可供共同审阅的依据。此外，Harness通过插件系统自动完成工具的下载、安装与调用，也可以连接本地工作站，或把任务提交到远程GPU服务器，让批量筛选在后台完成；一套跑通的方法还能沉淀为Workflow，供类似任务重复运行和修改。

力文所成立于2021年9月，公司名取自蛋白质科学中的Levinthal悖论。团队早期搭建了Lésign智能化蛋白设计平台，随后把重心推进到全原子蛋白质生成，自研模型Pallatom于2024年公开，入选ICML 2025 Spotlight，还曾被英伟达官网收录为代表性“蛋白质基础模型”，与AlphaFold 3、ESM-3、Proteína并列；面向小分子配体结合蛋白设计的Pallatom-Ligand则入选了ICLR 2026。公司成立之初就同时搭建了算法与湿实验团队，其在杭州的产业化平台面积超过3000平方米，其中包含1000平方米万级洁净区。

从内部工具走向社区产品，还有一个绕不开的问题：数据边界。Lévin Harness强调，用户的项目、对话、设置与API密钥都保存在用户自己的机器上，对话会发送给用户配置的大模型提供商，是否备份、备份到哪里由用户自行决定，力文所不会使用用户的私有对话或文件训练自己的模型。机构因此可以在引入外部智能能力的同时，掌握设计成果与研究记录的保存方式。

真正值得关注的，是AI for Science的分工正在变化：通用模型理解目标、专业模型负责计算、实验体系验证结果，而这些环节之间的调用、组合、判断与反馈，开始成为新的瓶颈。力文所提出的目标，是让Harness继续连接合成与实验，逐步靠近“24小时的智能研发工厂”。对一家从模型走向工作台的公司来说，这既是产品路线的延伸，也是一次把内部经验开放给更多实验室的尝试。