现代 AI 代理充当简单的调度器，快速处理提示和 API 调用。然而，生物技术任务（如蛋白质折叠和化合物筛选）是复杂的持续模拟，与快速的 API 查找截然不同。由于超时和知识产权暴露风险，标准 AI 范式无法应对这些高需求的工作流。构建企业级研发代理需要一种新方法，超越单体助手模式。这涉及一个三层架构，将认知编排、计算执行和企业治理分离开来。执行层负责繁重的科学计算，工作负载在专用 GPU 或托管云端点上运行。为减轻 GPU 冷启动惩罚，维持热池和预加载权重对于响应性至关重要。容器化的 NVIDIA 推理微服务（NIMs）确保快速原型开发，同时为专有化学信息保持严格的数据隔离。认知层使用分层多代理结构编排代理工作流。关键的编排模式包括进程内原生代理交接以提升速度，以及通过云存储按引用传递大型负载以保持上下文窗口紧凑。工作流逻辑与生化推理解耦，将规划任务分配给通用大语言模型，将领域专业知识分配给专用模型。评估采用基于上下文的评估而非僵化的截断阈值，从而在药物候选评估中实现动态风险容忍度。性能最佳实践强调优化 I/O 和负载大小，而非原始 token 速度。将客户端并发与后端机制对齐，并避免深层工具链同样至关重要。按引用传递大型负载以及流式传输中间阶段完成结果可提升可见性和效率。将端到端管道封装在单一、清晰的接口之后可简化计算。Gemini 平台提供企业治理，包括代理身份、用于安全入口/出口的代理网关以及用于已批准工具的代理注册表。Model Armor 检查提示和负载的安全性。非对称自主权在可逆的自动化操作与需要人工审批的不可逆操作之间取得平衡。这种解耦的架构确保了可扩展、安全且可审计的研究系统，以应对未来复杂的模拟任务。