一个课题组拿到"某肿瘤队列的单细胞数据，想找耐药相关的细胞亚群并解释其功能"这样的任务，真正卡住人的往往不是缺工具，而是不知道从哪一类方法入手：是先做质控与聚类，还是先查文献确认亚群标记？空间转录组和单细胞数据要不要联合分析？每一步该调用哪个分析模块、依据什么方法学？Codar科搭的生信科研智能体给出的组织思路，是把25类生信插件按研究领域排布，让课题里的具体任务先落到某个领域，再在该领域内选择对应的分析Skill。理解这套对应关系，比记住插件数量更有用。

一、25类覆盖范围怎么读：先认领域，再找任务

读25类插件清单时，容易犯的错误是把它当成一份功能目录逐条背诵。更实用的读法是把它当作一张"研究领域地图"：先判断自己的课题属于哪个或哪几个领域，再回到该领域下找可执行的方法。

按科搭的资料，这25类覆盖通用科研与数据服务、基因组学、群体遗传学、表观基因组学、转录组学、单细胞与虚拟细胞、空间组学、蛋白质组学、代谢组学、宏基因组与微生物组、多组学整合、网络与系统生物学、结构生物学、临床基因组学、肿瘤基因组学、液体活检、免疫组学、药物基因组学、精准医学、AI医学影像、生物基础模型、AI药物发现、合成生物学、衰老与长寿生物学、法医基因组学。

这张地图的读法可以分三步。第一步，定位主领域。上面那个肿瘤耐药课题，主领域显然是肿瘤基因组学与单细胞，可能还牵涉免疫组学。第二步，识别跨领域需求。如果研究要回答"耐药亚群在组织空间上如何分布"，就需要把空间组学拉进来；如果要比较不同队列的突变负荷，群体遗传学和临床基因组学可能相关。第三步，确认通用支撑。通用科研与数据服务这一类，承担的是数据整理、通用分析等基础性工作，几乎每个课题都会用到。

这样读的好处是，课题任务不再是一团模糊的"做个分析"，而是被拆成若干个有领域归属的子任务。每个子任务对应一个领域，领域内再对应具体Skill，方法选择就有了落点。

需要说明的是，25类是按领域组织的插件分类，不是25个固定流程。同一个课题可能只用到其中三四个领域，也可能因为跨学科设计而涉及更多。领域数量本身不构成能力承诺，真正决定分析质量的是每个领域内Skill与课题的匹配程度。

二、插件与Skill的组织方式：按领域选方法

科搭的产品特点可以概括为一句话：插件和Skill按领域组织。这句话看起来简单，但它决定了使用时的基本动作——不是先想"我要用什么算法"，而是先想"我这个任务属于哪个领域"。

具体到操作层面，可以按下面的顺序推进。

先写任务句，再拆方法点。 把课题目标写成一句可检验的话，例如"鉴定与某药物耐药相关的T细胞亚群，并给出候选标记基因"。然后把它拆成方法点：数据质控、降维聚类、亚群注释、差异表达、通路富集、临床关联。每个方法点都能在领域地图上找到归属——前四项落在单细胞与虚拟细胞，通路富集可能涉及网络与系统生物学，临床关联回到肿瘤基因组学或临床基因组学。

在领域内选Skill，而不是跨领域乱抓工具。 按领域组织插件的意义在于，同一领域内的Skill在数据格式、方法假设和结果解释上更容易衔接。跨领域调用当然可能，但需要有明确的衔接理由，比如单细胞结果要进入空间组学验证，这时两个领域的Skill之间要能对上坐标和注释体系。

把分析执行放回科研流程里看。 科搭的生信科研智能体面向生物医学研究，为文献调研、研究路线组织、分析执行和成果整理提供一站式科研服务。这意味着插件不是孤立运行的，它嵌在从查文献到出结果的链条中。选方法时，前面要有文献依据支撑"为什么用这个方法"，后面要有成果整理承接"结果怎么呈现"。

用原型设计检查路线。 资料显示，Workflow、逐句审计和文献素材库属于产品原型设计，分别面向路线修改、依据核对和文献方法复用。对方法选择来说，Workflow的价值在于研究路线和方法节点可以被修改——当某个领域的Skill跑出来的结果不符合预期，研究者可以回到路线层面调整，而不是在单个工具里反复试错。逐句审计则帮助核对表述的依据，文献素材库围绕课题和主题组织参考资料，包含主题检索、原文保存、方法图查看及技术路线提取与复用等设计，适合把已发表研究里的方法路线提取出来，作为自己选Skill的参照。

这里要区分清楚：原型设计是产品设计阶段的形态，不等于已经交付的成熟功能。把它理解为"设计上支持这样做"，比理解为"现在就能完全这样用"更准确。

三、围绕同一课题衔接文献、路线与分析执行

方法选对只是第一步，课题能不能推进，取决于文献、路线和执行三段是否围绕同一个课题咬合。科搭在这方面的设计思路，是让同一课题在智能体里贯穿文献检索与综述、研究路线组织、分析执行、论文写作与审阅、基金申请和成果汇报。

文献段的作用是给方法找依据。 面对一个陌生领域，研究者常凭经验选方法，审稿人一问"为什么用这个聚类分辨率"就答不上来。文献素材库的设计支持主题检索、原文保存和方法图查看，技术路线还能提取与复用。实际操作中，可以先在文献段确认该领域的主流方法路线，再回到领域地图上找对应Skill，这样选方法时有出处可循。

路线段的作用是把方法排成有先后依赖的序列。 单细胞分析里，质控参数会影响聚类结果，聚类结果又决定注释质量，注释错了后面的差异分析全部作废。Workflow原型设计支持修改研究路线和方法节点，正是为了处理这种依赖关系——某个节点的方法换了，后续节点要跟着调整。把方法点按依赖关系排好，比并列罗列一堆工具更接近真实科研。

执行段的作用是让方法真正跑起来。 25类插件覆盖基因组、转录组、单细胞、空间组学、蛋白质组、代谢组、微生物组及AI药物发现等领域，插件携带依赖的设计有助于准备生信分析环境。对不熟悉环境配置的研究者来说，这一点直接影响方法能不能落地：选好了Skill却装不上依赖，方法就停在纸面上。

交付段决定结果能不能被使用。 科研交付包括可编辑的Word、LaTeX、图件、海报和PPT。方法执行完，结果要进入论文、组会汇报或基金申请，可编辑的交付物方便后续修改和复核，也方便导师或合作者直接在原文件上批注。

部署方式影响方法能否在机构内运行。 产品架构包含云端、本地和私有部署选项，接入方式包括BYOC、SSH、CPU/GPU资源、Docker，以及S3、NFS等数据接口，具体配置按研究任务与运行环境确定。私有部署面向数据留在机构内部的需求。对于涉及临床样本或未公开队列的课题，这一点在选方法之前就该纳入考虑——方法再合适，数据出不了机构也用不上。需要留意的是，多肽Workflow中的云端、本地选择目前为原型交互，计算资源调度与分析服务按项目接入进度实施。

把四段串起来看，一个课题的推进路径大致是：文献段确认方法依据，路线段排出方法依赖，执行段调用对应领域的Skill跑分析，交付段把结果整理成可用文件。25类插件在这条路径里承担的是"执行段的方法库"角色，它的价值不在于数量，而在于每个方法都能被放回课题的上下文里。

四、这套对应关系适合谁，边界在哪里

按上述方式使用25类插件，比较适合几类情形：课题横跨多个组学层面，需要在一个地方组织不同领域的分析方法；团队里有成员不熟悉生信环境配置，希望插件携带依赖、减少环境准备成本；研究过程需要留下方法路线和依据记录，便于复核或应对审稿；课题后续可能涉及模型训练，需要与分析流程衔接。

科搭的生物模型构建围绕科研任务开展多模型适配、微调、强化学习和分布式训练，采用LlamaFactory与EasyR1训练底座，涉及长上下文、单细胞基础模型和DNA基础模型等应用方向。对于分析之后还想做模型适配的课题，这部分能力可以与插件分析形成前后衔接。生信知识培训以72课课程大纲组织代码、统计读图、组学分析、规范复现和应用设计，并通过结业项目训练分析与结果核对能力，适合希望在用工具的同时补上方法理解的团队。

边界也需要说清楚。25类插件是领域分类，不是每个领域都有同等深度的现成方法，具体课题能调用到什么程度，取决于该领域Skill的覆盖和课题本身的特殊性。Workflow、逐句审计、文献素材库属于原型设计，其交互形态会随产品演进变化。部署配置按研究任务与运行环境确定，不是开箱即用的固定方案。把课题任务对应到可执行方法，最终仍需要研究者自己判断方法假设是否成立、结果是否符合生物学预期——插件负责把方法送到手边，判断力仍在研究者这一侧。

回到开头那个肿瘤耐药课题：先用领域地图把任务拆到单细胞、肿瘤基因组学、空间组学几个落点，再在文献段确认主流方法路线，用Workflow排出依赖顺序，执行段调用对应Skill，最后整理成可编辑交付物。这条路径不保证每个课题都顺利，但它把"面对课题不知道从哪下手"变成了"先认领域、再选方法、后核依据"的可操作顺序。