跳转至

打开可视化实验室

Task Lab 提供两个入口：想观察模型怎样决策，打开 Agent Observatory；想亲手选择实验操作， 打开 Student Lab。它们共享同一环境和任务合同，区别只在交互方式。

入口 适合谁 你会看到什么
Agent Observatory Agent 开发者与研究者 逐步决策、谱图请求、合法性、预算、token 与回放结果
Student Lab 学生、教师与首次使用者 当前可执行操作、实验动画、仪器曲线、分数与完整记录

启动本地服务

在仓库根目录运行：

python -m apps.task_lab.server --port 8876

若密钥保存在仓库根目录的本地 api.md，无需先设置环境变量：

python -m apps.task_lab.server --port 8876 --api-key-file .\api.md

该文件已被 Git 忽略；密钥只进入本地服务进程内存，不会进入浏览器、轨迹或结果文件。

Windows 下即使尚未激活虚拟环境，仓库也会自动使用 .venv\Scripts\python.exe 重新启动。 首次使用且依赖尚未安装时，请运行：

.\.venv\Scripts\python.exe -m pip install -e ".[dev]"
入口 地址 是否需要模型 API
产品首页 http://127.0.0.1:8876/ 否
Agent Observatory http://127.0.0.1:8876/agent/ 在线模型需要；经典算法不需要
Student Lab http://127.0.0.1:8876/student/ 否

仅在本机使用

服务默认绑定 127.0.0.1。不要将包含模型凭据的服务直接暴露到公网。

用 Agent Observatory 观察模型

Agent 端支持搜索和选择全部 15 个任务，也可使用快速双任务、严肃任务集或全任务预设。运行时页面 通过实时事件流展示：

  • 当前任务与逐步决策依据；
  • 动作是否合法、修正过程和剩余预算；
  • HPLC、GC、UV-Vis、IR、NMR 原始公开曲线与峰表；
  • 模型可读取的历史谱图目录、主动请求事件，以及该轮实际取回的谱图载荷；
  • 可按任务、实验、步骤和来源回看全部历史谱图，并用前后按钮逐张比较；
  • 模型对公开峰形、主要峰组和不确定性的结构化解读；
  • 公开指标、最佳分数和 final assay 状态；
  • 模型调用数、token 用量和动作有效率；
  • 每个任务的回放验证结果与可导出的评测汇总。

两种策略模式适用于不同目的：

  • 逐步自适应（adaptive，默认）：每一步发送最新公开报告、历史谱图目录和当前合法动作。目录只含 仪器、实验和步骤等索引；模型明确返回 spectrum_request_id 后，系统才在下一次调用中提供指定谱图；
  • 整段规划（plan）：仅作为低调用成本的基线对照，不作为产品默认模式。

界面展示的是模型主动返回的结构化决策记录，包括公开证据、谱图解读、实验假设、实验意图、 历史对照、动作依据和不确定性。MEASUREMENT OUTPUT 表示刚完成实验的输出， MODEL RETRIEVAL · DECISION N 表示模型主动请求并实际收到的谱图载荷。没有请求时，历史曲线和峰表 不会自动进入模型上下文。模型侧可以开启强化推理， 但隐藏逐字思维链不会写入轨迹或发送到浏览器。

先理解“同一只反应器”

一次实验内的操作共享同一个反应器状态。加料会进入当前釜并累积体积或物料量；连续 heat/wait 会从当前组成和温度继续积分，因此反应时间、转化、能耗与风险都会累计。HPLC 等中间测量读取当前实验， 同时扣除相应样品体积和仪器成本，但不会自动生成一个新的配方实验。

只有成功完成 final_assay 才形成一个可独立比较的已完成实验。在 single_experiment 模式下这会结束 episode；在 campaign 模式下系统记录终检结果、增加 experiment index，并以相同世界参数恢复一只 全新的初始反应器。因而，同一釜内继续升温或追加物料不能被描述为独立对照实验；溶剂和催化剂类别也 应在单次实验内保持为同一配方选择。Agent prompt 会显式收到这些状态语义。

控制模型能看到多少谱图信息

Agent 端可选择三种可复现实验条件：

档位 模型获得的信息 用途
raw 降采样原始曲线，不含峰表 原始信号读取下限
unassigned 曲线以及未指认峰中心、面积和检出状态 默认严肃评测
assigned 曲线和带物种/峰组标签的峰表 教学或信息上限

选择 raw 或 unassigned 时，按需取回的载荷不会包含更高档位的峰信息。未请求谱图时，prompt 中 只出现可用目录和 retrieval_required 标记，不包含曲线、峰表或峰组汇总。Student Lab 保留已指认 教学视图，不受 Agent 消融设置影响。

看清每个操作真正改变了什么

Agent 和 Student 共用一套公开操作语义。每个可执行动作会说明它属于累计投料、连续过程、配置更新、 取样扣除、库存选择还是带损失转移；执行后再返回实际的 Δt、ΔV、样品消耗、风险和成本增量。 这能区分“修改设备设定”和“真正处理当前物料”，也能区分最近一次过程指标与累计库存变化。

核心 Gym 动作合同只接受运行时会原样执行的范围；Agent Observatory 和 Student Lab 直接呈现同一 合同，不再在网站层维护第二套校验规则。例如：

  • 结晶种子、加相体积以及冷却、蒸发、蒸馏和流动反应温区使用有效运行范围；
  • add_phase 只开放当前实现支持的 aqueous/organic 液相；
  • 萃取剂使用与公开溶剂目录一致的四个稳定材料代码，并实际驱动分配与风险模型；同一实验内追加 萃取剂会保持同一类别，避免把混合溶剂误算为最后一次投料；
  • 多次晶种投加按累计质量、累计目标物质的量和累计固相账本执行；同一实验内溶剂和催化剂类别保持 锁定，新的 final assay 实验边界会重置该选择。

这些约束属于核心动作合同，并由 Gym、Agent Observatory 和 Student Lab 共同使用。它们修正输入语义 与运行时的一致性；凡涉及确定性结果变化的项目均同步更新黄金表征，但不回写既有正式方法结果。

比较两次实验到底改了什么

每次 final assay 后，系统从实际执行的溶剂、投料、催化剂和温度程序中建立条件签名，并选择条件 距离最近的历史实验作为参考。事件流和结果 JSON 会标记：初始基线、完全重复、单因素对照或多因素 变化，并列出真实变化字段与分数差。该指标描述设计结构，不把 BO 的多变量选点错误判为失败；但当 模型声称单因素因果结论时，多因素变化会成为可直接检查的归因风险。

放大预算或开启连续 Campaign

面板中的“实验预算”可选择 1× 到 4×，“连续实验 Campaign”允许原本的单实验任务在终检后 开始下一轮。系统会把每轮公开条件、仪器、谱图结论、终检指标和分数压缩为实验记忆，下一轮 明确接收这些记录。剩余预算不足一个最小完整反应配方时，调度器停止启动新实验。

1× 且不覆盖 campaign 时使用冻结的官方任务合同。预算放大或 campaign override 都会切换为 extended-research，只产生 research_score；该分数与 official_score 和官方榜单严格隔离。

不用在线模型也能运行经典算法

Agent 后端可切换为：

  • random_recipe：随机完整配方对照；
  • latin_hypercube：空间填充初始设计；
  • greedy_local：围绕历史最佳配方进行局部扰动；
  • gp_pi：Matérn Gaussian Process + Probability of Improvement；
  • gp_ucb：Matérn Gaussian Process + Upper Confidence Bound；
  • gp_bo：Matérn Gaussian Process + Expected Improvement；
  • rf_ei：Random Forest ensemble + Expected Improvement；
  • safe_gp_bo：分数 GP 与风险 GP 共同约束的 Expected Improvement，并自动采用公开任务的 更严格安全上限。

GP、RF 和安全约束代理先做 4 个初始配方，第 5 个配方起使用已完成 final assay 的实验拟合代理模型； 随机、LHS 与局部搜索按各自规则直接选点。事件流会 展示训练样本数、采集阶段、采集函数值、历史最优和选中配方。经典配方编译器只适用于兼容的 反应任务，界面会禁用不兼容任务。运行经典算法不需要模型 API key。

连接在线模型

Task Lab 当前只接入 DeepSeek API。这是本地交互产品的 provider，不是双旗舰正式 campaign 使用的 Codex subscription adapter；切换 Task Lab 凭据不会改变或复现正式结果。

python -m apps.task_lab.server --port 8876 --api-key-file .\api.md

$env:DEEPSEEK_API_KEY = "<your-api-key>"
$env:DEEPSEEK_MODEL = "<provider-model-id>"
python -m apps.task_lab.server --port 8876

export DEEPSEEK_API_KEY="..."
export DEEPSEEK_MODEL="<provider-model-id>"
python -m apps.task_lab.server --port 8876

API key 只由本地 Python 服务读取，不进入浏览器、prompt artifact、trajectory 或 evaluation_result.json。

模型标识和可用推理参数可能随 provider 更新。请使用 provider 当前 API 文档列出的模型 ID； 正式比较必须把 provider、模型 ID、请求参数、prompt hash、token 来源和调用时间写入方法账本。 密钥只通过进程环境变量传入，不要保存在仓库、轨迹、prompt artifact 或提交包中。

读懂材料标签

界面把稳定数字 action 值同时显示为 Water、Ethanol、Acetonitrile、Toluene 或 Catalyst A–D。 真实溶剂名称表示身份，不表示当前任务的动力学已经由该物料的参考物性预测；Catalyst A–D 仍是 匿名 benchmark 配方。详见材料身份与真实化学边界。

从命令行批量评测

python -m apps.task_lab.run_evaluation --all-tasks --mode adaptive --max-steps 24

每次运行会生成 evaluation_summary.json，并为每个任务保存模型计划、完整轨迹和经过回放验证的 评分结果。可用 --tasks <task-id...> 选择部分任务，用 --resume --output-dir <目录> 续跑。

扩展 Task Lab 的 DeepSeek campaign：

python -m apps.task_lab.run_evaluation --tasks reaction-to-assay --mode adaptive `
  --max-steps 36 --budget-multiplier 2 --campaign-override `
  --spectrum-disclosure unassigned

经典 GP-EI：

python -m apps.task_lab.run_evaluation --agent gp_bo `
  --tasks reaction-optimization-standard --max-steps 72

用 Student Lab 亲手做实验

学生端先选择任务与 seed，再从当前合法操作中选择动作并填写参数。每次提交都会同步更新：

  1. 动作是否合法，以及失败时的参数修正建议；
  2. 已用/剩余预算和 experiment index；
  3. 可见分数、产率、风险、成本或表征指标；
  4. 由公开事务增量驱动的数字实验动画、仪器摘要和最佳得分学习曲线；
  5. 可切换通道的 HPLC、GC、UV-Vis、IR、NMR 曲线与公开峰指认；
  6. 可从 session 操作记录重建并前后切换的历史谱图；
  7. 可下载的完整操作—观测实验记录。

数字实验动画覆盖投料、升温、混合、取样/测量、分层、洗涤、结晶、过滤、蒸发、蒸馏、流动反应和 电化学过程。液位依据当前 experiment 的公开 ΔV 累积，测量会显示取样扣除，campaign 换釜后会 回到 fresh vessel。动画是已执行操作的状态示意，不会把未知组成、颜色或晶体形貌伪装成观测结果。

非法动作会在执行前被拒绝，不消耗预算，也不会改变世界状态。学生可将验证器作为实验前检查， 而不需要通过失败来猜测环境规则。

页面上的分数分别代表什么

official_score 只属于冻结合同下的合法 final assay；扩展研究终检写入 research_score。 total_score 是评测层的综合值，还会反映安全、成本、 非法动作和样本效率。没有 final assay 时，页面明确显示“未评分”，不会把中间 reward 当作正式 成绩。公开—私有泛化任务在本地只能产生占位评分；正式私有榜单结果必须由持有私有盐的评测服务生成。