QM9 分子性质预测：如何正确评估
明确 QM9 目标和单位，区分分子图与几何输入，防止评估泄漏，并保留原始数据与处理过程的来源记录。
指南
了解化学 AI 的核心概念、工具选型、部署方法与评估原则。需要具体的工具组合和设置步骤？可继续探索 Recipes。
分子图学习工具：PyG、e3nn 与 DGL-LifeSci
区分图学习基础设施、等变运算库及面向化学的 DGL 工具包，并从表示、评估和版本边界出发选择。
机器学习原子间势选型：MACE、SevenNet、CHGNet 与 MatGL
从训练域、能量与导数输出、计算器接口、模型资产许可及参考验证出发，比较材料研究中的原子间势与框架。
理解 Boltz-2：结构置信度与小分子亲和力
正确解读 Boltz-2 的置信度和亲和力输出，避免把结构分数当作结合测量，或把预测 IC50 当作 Kd。
ASE 与机器学习势：单位、优化及验证
理解 ASE 计算器、固定与可变晶胞、力收敛及机器学习势优化成功之后仍需完成的科学验证。
AI 蛋白设计：骨架生成、序列设计与结构预测
区分 RFdiffusion 骨架生成、ProteinMPNN 序列设计和 Boltz 预测，理解文件交接、适用条件及实验验证边界。
化学 AI Agent 指南：从聊天助手到自主科研工作流
一份实用指南，介绍八个化学与生物医学研究智能体：工具、记忆、规划和多智能体角色如何运作，哪些项目适合不同任务，以及如何在科学监督下评估有界自主性。
AI 药物发现工具指南：Agent、MCP 与科研平台
按工作流程阶段选择工具：靶点证据、蛋白质结构、已知结合位点、分子生成、性质分析和筛选。比较研究智能体、MCP 集成、托管 API 与平台，并参考一个拟议的端到端示例和实用评估关卡。
材料科学 AI 工具指南：MCP、Agent 与 Skills
材料数据库、研究智能体与科学 Skills 实用指南：如何组织晶体筛选、计算与分析，同时区分凸包、平衡、声子和实验稳定性相关主张。
化学 AI Skills 是什么？科研 Agent 的能力模块详解
了解化学 AI Skills 如何作为可复用的流程模块：`SKILL.md` 包含什么内容，宿主如何加载指令，Skills 与 MCP 和智能体有何区别，以及如何选择、组合和评估它们，同时避免将操作指导误认为科学验证。
MCP、Skills、Agents 和 APIs 有什么区别？
了解 API、MCP 服务器、Skills 和智能体在化学工作流中如何分别承担接口、流程指导、执行与规划职责，以及如何选择或组合它们，而不把访问能力与科学有效性混为一谈。
蛋白质与结构生物学 AI 工作流：UniProt + RCSB PDB + Agent
构建以证据为依据的蛋白质工作流：从 UniProt 身份信息和序列，到 RCSB 结构元数据、已观察到的配体接触，以及拟议的下游候选物评估；并明确检查物种、蛋白质亚型、链、缺失数据和实验验证。