cblC 多组学研究平台与知研 Agent
从论文方法到可运行实验，再到有依据的研究问答。
演示需登录，可联系作者获取体验账号。研究平台使用独立账户体系。
医学研究中的数据、训练脚本、论文依据和实验报告常分散在不同文件中。这个项目将它们接入 Web 工作台，让使用者能选择研究任务、运行模型、查看评估结果，并追问方法依据。
平台服务于科研表型分析与演示，研究不同表型的组学特征和分类表现。2026 年 10 月完成研究平台与知研 Agent 重构上线。
工程职责
项目开发：模型训练与推理工程、研究工作台、Agent 工具集成及部署。
从研究输入到实验报告
工作台将三视图组学数据和分组信息转换为可校验的模型输入。选择任务和参数后，执行预处理、训练与评估，保存实验记录并导出报告。
基于导师提供的 MOGONET 代码，改造 PyTorch 多视图 GCN/VCDN 训练与推理流程。加载模型时校验特征名称、顺序及预处理工件，让页面操作对应实际模型运算。
模型服务支持自定义地址与密钥、拉取模型列表，以及多提供商并发研究解读；分别保存输出并隔离单家调用失败。模型计算结果与大模型生成的研究解释分开展示。
研究数据与任务范围
交付的三视图矩阵涉及 298 例、1,620 维特征，其中三表型任务使用 230 例疾病样本。这些数字描述研究数据规模，不代表线上用户数、临床验证规模或诊断准确率。
本案例公开系统说明与界面截图，不提供私有训练数据、原始矩阵或未经公开授权的完整论文。
我完成的工程工作
工程重点是将已有方法与代码接入可使用、可检查、可保存结果的研究流程。
- 将离线训练与推理接入 FastAPI 和可视化工作台，贯通数据导入、实验配置、执行、结果查看及报告导出。
- 基于已有图网络代码修正类别加权，补充损失与梯度记录、模型工件保存和加载，并通过具名特征及预处理契约检查输入。
- 建立论文与系统说明的检索索引，实现模型驱动的工具选择、个人实验查询、来源校验和服务器端会话保存。
- 接入可配置的模型服务和数字人中文语音交互，区分模型计算与大模型研究解释。
- 部署 Linux / HTTPS 服务，验证外部模型调用、线上训练、用户数据隔离与重启后的数据保留，并配置加密备份。
知研如何使用工具
数字人提供可视化入口与中文语音播报。Agent 的核心是受限的“选择工具—获取真实结果—继续回答”循环，实验查询只访问当前用户有权查看的内容。
当用户问“查看我的实验，解释这次结果并建议下一步”，模型可先列出实验、读取目标实验，再检索方法依据并组织回答。用户可以对照来源和工具记录检查解释。
当前工具主要用于检索、读取和解释。Agent 不具备任意服务器操作权限，也未提供自主发起训练或无人审批的系统操作。
- search_knowledge：检索论文与研究方法依据。
- system_guide：读取系统功能与使用说明。
- list_experiments：列出当前用户可访问的实验。
- read_experiment：读取授权实验的配置与结果。
一条完整的使用路径
使用体验账号登录，进入论文算法工作台，查看示例实验的任务、配置与评估结果；有研究权限时可创建新实验。
打开知研，询问“这个实验使用了什么方法，结果应如何解释？”，查看回答的来源与工具记录，并对照实验和论文说明。下载报告后，保留参数及结果用于后续比较。
体验账号可联系作者获取。患者侧 GCN 与模型服务配置需要管理员权限，普通体验账号的功能范围受权限限制。
// 关键点
- ▸真实模型训练
- ▸论文与实验工具调用
- ▸可追溯的研究流程
