杭州AI蛋白质设计公司力文所推出以Agent为核心的科研工作台Lévin Harness，面向科研社区开放，目前支持搭载Apple芯片的Mac。它把数据、模型、插件、算力与工作流整合进同一环境，力文所自研的全原子生成模型Pallatom曾入选ICML 2025 Spotlight并被英伟达官网收录为代表性蛋白质基础模型。
AI解读：力文所这次发布的不是又一个蛋白质模型，而是把模型前后那些零碎活儿——查文献、配环境、传文件、看结构、定下一轮方案——收进一个Agent工作台。对每天在命令行和网页工具之间来回切换的科研人员来说，这是把重复劳动外包出去的一次尝试。
它的关键设计是不绑定模型。通用大模型负责理解需求、规划步骤，专业科学模型负责结构预测和序列设计，谁都可以通过插件把自己训练的模型接进来，跑通的方法还能沉淀成Workflow重复使用。
局限也很实在：目前只支持Apple芯片的Mac，对话内容会发送到用户自己配置的模型提供商，力文所声明不拿用户私有数据训练自己的模型，但真实项目是否愿意放进来，仍取决于各机构对数据边界的判断。
从Pallatom到Harness，力文所想解决的是AI for Science的“最后一公里”——计算给出候选，实验验证结果，中间那套判断和衔接过去靠人扛，现在交给Agent去组织。
杭州AI蛋白质设计公司力文所发布Lévin Harness，一款以Agent为核心的蛋白质设计应用，面向科研社区开放使用，目前支持搭载Apple芯片的Mac。
据量子位报道，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，由研究人员定义目标、方法和关键决策，Agent据此推进计算、分析结果，再根据反馈调整下一轮方案。
Lévin Harness本身不绑定特定模型，通用模型层保持开放，已接入DeepSeek、Kimi、GLM、Qwen、小米MiMo等开放模型；新的模型和科学能力可以通过插件继续加入，任何人都可以为自己的模型制作专属插件。
力文所方面表示，其自研全原子蛋白质生成模型Pallatom于2024年公开，随后入选ICML 2025 Spotlight，并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。
Agent在工作台里做什么：从靶点调研到候选筛选
按力文所的介绍，Lévin Harness的工作方式接近一个专门服务生命科学研究的Agent工作台。研究者提出目标、查看分子结构、组织计算，结果出现后修改方案，这些动作围绕同一个项目进行，前一步的信息能供后一步使用。
Agent依靠通用大模型理解研究人员需求、规划步骤，再调用相应工具执行任务；专门训练的科学模型和分析工具承担蛋白质结构预测、序列设计等计算任务。研究人员只需负责科学目标、方法和关键决策，并可随时审阅结果、补充条件或纠正方向。
以蛋白binder设计为例：研究人员提出针对某个靶点设计binder的目标，Agent参与靶点调研、整理相关信息，辅助分析可选择的结合位置，研究者再根据研究目的确定方法和约束。之后Agent组织候选生成与评估，并结合结构分析给出筛选依据。
- Lévin Harness内置三维分子可视化工具，屏幕上的分子结构信息及相关操作可直接转化为Agent的上下文；研究者在对话中提出“这里”这类模糊词汇，Agent也能理解具体的空间位置。
- Agent会根据任务意图自行选择相应能力，例如AlphaFold等模型用于结构预测、ProteinMPNN为给定结构设计氨基酸序列、Pallatom面向全原子蛋白质生成、RFantibody服务于抗体设计。
- 对于已接入的插件，系统可自动完成工具的下载、安装和调用，Agent再根据目标选择合适的工具、配置参数，串联相应计算。
- 计算资源同样接入这条工作链：Harness可连接本地工作站，或把任务提交到远程GPU服务器，大型计算在后台进行，完成后再由Agent分析产物、推进后续步骤。
Workflow与数据边界：机构原有积累怎么接进来
一轮计算结束通常还不是研究终点。如果候选没有满足约束，或在不同评价项上表现不一，研究人员仍需要判断问题出在哪里。Lévin Harness的做法是让可执行、可复用的研究方法沉淀为Workflow：研究者确定科学方法和关键决策，Agent协助连接、运行与调试，再根据结果参与调整。
力文所方面称，候选进入实验后，整理好的实验结果可以返回项目，成为下一轮设计的依据；经过验证的工具组合、参数和检查步骤能够留在Workflow中，供类似任务复用。
面对已有研究环境的机构，Harness保留模型选择、插件扩展和算力接入空间：团队可以选择适合自身的通用大模型，通过插件接入新的专业能力，沿用已有计算资源，再围绕自己的项目组织流程。
- 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。
- 力文所表示，各团队选择方法、调整筛选标准的经验以及实验对原有假设的修正，都来自各自的具体项目，因此同一个公开模型被不同实验室使用时，团队并不会拥有相同的研究能力。
力文所的底子：从Pallatom到湿实验平台
力文所全称杭州力文所生物科技有限公司，成立于2021年9月。公司名字来自蛋白质科学中的Levinthal悖论：蛋白质理论上存在的可能构象数量极其庞大，随机尝试寻找天然结构的理论耗时可能远超宇宙年龄，但自然界的蛋白质能在极短时间内完成折叠。
公司创始人兼CEO王浩博拥有北京大学博士、哈佛大学博士后背景，师从蛋白质AI领域学者Sergey Ovchinnikov，研究经历横跨有机化学、结构生物学、生物信息学和人工智能。团队同时汇集计算机科学、结构生物学、化学领域的专业知识和真实实验能力。
力文所早期搭建Lésign智能化蛋白设计平台，随后把技术重心推进到全原子蛋白质生成。其自研的Pallatom从全原子层面处理序列与结构的协同设计，输出包含全原子坐标的结构。据量子位报道，BoltzGen论文在梳理技术路线时引用了Pallatom，并将Pallatom、RFdiffusion3与BoltzGen并列为采用padded atom14表征的全原子生成方法。
- 力文所已把能力延伸到结合蛋白、抗体、环肽等任务，形成Pallatom产品家族；面向小分子配体结合蛋白设计的Pallatom-Ligand入选ICLR 2026。
- 公司成立之初就同时搭建算法与湿实验团队。量子位获悉，其杭州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，配置发酵、离心、均质、过滤和柱层析等设备。
- 公司资料显示，其制备的甜菊糖苷酶制剂酶转化率高达95%，生产成本下降50%；巴西甜蛋白通过AI驱动的重组表达法替代传统植物提取，纯度达90%，成本降至植物提取法的十分之一。
项目背景与目标
据力文所介绍，公司在2026年初推进Harness项目，把调研、模型调用、计算和分析放进同一套环境。项目最初服务于内部研发，后来团队察觉到科研社区需求逐渐明确，开始将其整理为面向社区开放使用的产品。
力文所提出的长期目标是让Harness继续连接合成与实验，跟踪任务和样品，将数据收集、分析及反馈纳入持续迭代，逐步向“24小时的智能研发工厂”靠近。
- 力文所此前公开了Pallatom初代模型代码，如今开放Harness使用，是把模型之外的环节进一步组织起来。
- 公司此前主要服务于内部研发的经验，一旦转化为可复用的插件和工作流，就有机会进入更多实验室。