概览
STELLA 是一个生物医学研究智能体框架，旨在将科学问题与文献检索、数据库查询和计算分析连接起来。其研究设计通过不断扩展的模板库与可扩充的工具池相结合，尝试解决固定工具集合的局限。所提供的资料介绍了可运行的仓库代码和托管的浏览器界面，而不只是论文提案。研究论文介绍其底层的自我演进方法，当前 README 则描述了其他工作流和案例研究脚本。
用户提交科学目标后，管理器会将其拆解并检索相关工作流模板；开发智能体执行分析和搜索；评议智能体检查结果并提出改进建议。若现有工具不足，可选的工具创建智能体会提供新工具。模板是结构化工作流指令，可在成功运行后复用或创建，并非独立的自主智能体。资料中列出的输出包括附有证据摘要和理由的基因候选排名，以及带有评分和支持性说明的酶变体提案；案例脚本会保存 CSV 和文本文件。
应将 STELLA 作为研究软件进行评估，而不应视为经过独立验证的发现服务。本地运行需要 OpenRouter API 密钥，搜索和文献服务则为可选项。模型可以配置，补充的生物医学资源需单独获取。README 明确指出，基因排名结果可能因模型随机性和文献索引更新而变化。其案例研究和基准测试材料可作为复现工作的起点，但其中报告的发现和实验结果仍属于来源方的说法。仓库代码许可证并未确立托管服务、外部模型或单独下载资源的使用条款。
主要功能
- 管理器、开发和评议智能体协同完成目标拆解、生物信息学执行、证据检索和结果改进。
- 模板系统检索并应用结构化工作流，也会根据成功运行创建新模板。
- 当预定义工具无法覆盖任务时，可选的工具创建智能体会扩展工具池。
- 资料所述工具池支持文献检索、数据库查询和虚拟筛选工作流。
- NK-cell/AML 案例研究依据文献新颖性、机制证据、NK 细胞表达和 AML 背景对基因候选进行排名，并提供结构化证据字段。
- Strictosidine Synthase 案例研究使用先前 HPLC 筛选反馈进行 ESM 重新评分、通过 FoldX 筛选稳定性，并提出优先级排序后的变体方案。
使用场景
- 建议的评估：复现 NK-cell/AML 候选排名工作流，并检查每项理由是否得到检索到的文献支持。
- 建议的评估：考察受反馈引导的 Strictosidine Synthase 变体优先级排序，并将提出的候选及其说明与所提供的案例研究输出进行比较。
- 建议的评估：使用仓库的基准测试材料，对比启用和禁用模板检索时的生物医学问答工作流。
- 建议的评估：针对范围明确的文献或生物信息学任务，考察可选工具创建功能是否能补足有用的缺失能力。
使用方式
阅读官方 README和论文，区分智能体架构与仓库后来补充的案例研究描述。选择一个范围明确的研究问题，并定义什么证据能使输出具有实用价值。
选择使用托管界面或按照仓库所述部署源代码。README 也链接了 Docker 软件包；请按照其文档配置，不要假定不同环境等效。
若要本地使用，请遵循 README 中的依赖说明，并以私密方式配置 OpenRouter 密钥。根据任务判断是否需要可选的搜索密钥和补充生物医学资源。
选择模型配置，并决定是否使用模板检索或可选的工具创建功能。通过文档所述的 Gradio 界面或编程入口提交科学目标。
如需进行复现评估，请使用 README 中的案例研究或基准测试链接。检查保存的结果、核实支持性文献，并在比较不同运行结果之前记录模型设置和检索时间。