南湖新闻网讯（通讯员 张云龙 ）近日，华中农业大学玉米团队智能育种课题组在Molecular Plant 发表了题为“智然体 (HAIant)：A human-centered AI framework for secure, personalized intelligence augmentation in biological research”的论文。该文章系统分析了人工智能在数据安全、隐私保护和领域能力增强方面的关键挑战，构建了基于本地部署的智然体人本智能增强框架及BioSkills生物信息工具模块，用于实现用户可控的个性化科研辅助与生物数据分析，助力构建安全、高效、可扩展的智能科学工作流范式。

过去十年间，AI技术深刻重塑了科学研究范式。特别是在生命科学领域，AI已广泛渗透至基因组学、蛋白质结构预测及药物研发等核心环节，并催生了AlphaFold3、RFdiffusion及基因组语言模型等里程碑式工具。大语言模型（LLMs）的兴起进一步推动了科研流程的自动化，实现了科研辅助的智能化。然而，AI的开放应用也引发了关于数据安全、隐私保护、自主性及认知影响等多重担忧。此外，现有系统多侧重于云端通用任务，往往忽视了科研场景下的个性化与本地化需求。

鉴于此，本研究提出了“以人为中心的智然体（HAIant）”框架。该框架通过构建个人知识库、集成领域专用工具及本地部署大模型，实现了持续的上下文感知与任务执行。研究在生物智然体（Bio-HAIant）中验证了该框架在实验记录管理、生物信息分析及知识交流中的应用，为构建安全、高效的AI与生物学科研融合路径提供了新视角。

面向知识增强智能交互的 HAIant 安全本地化架构

安全、本地化部署的AI交互框架：智然体

智然体是基于本地部署大语言模型的AI框架，通过集成多模态交互与向量数据库，实现灵活交互与高效语义检索。系统内置领域智能体以扩展专业能力，并依托本地化部署保障数据隐私。在协作层面，既支持局域网点对点安全共享，也可通过私有云满足跨地域通信，且用户始终保有数据控制权。结合本地知识库与检索增强生成，框架可持续增强领域认知，统一了安全智能、分布式协作与知识增强，构建以人为本的AI框架。

本地离线大模型模式下，可以确保未发表科研数据的绝对隐私。建议在处理敏感实验数据、撰写未投稿论文或讨论核心科研思路时，使用本地离线大模型。该模式完全在设备本地运行，无需网络连接，从根本上杜绝数据泄露风险。而线云端大模型则针对需要最新知识储备、复杂逻辑推理或大规模代码生成的任务。该模式调用云端计算资源（由硅基流动平台提供），具备更强的语言理解与生成能力，适合处理常规问答、文献综述整理或技术方案设计等非敏感工作（图1）。

图1 使用本地/在线模型进行智能交互

除智能问答功能外，智然体支持通过局域网与私有云两种模式与其他用户进行交互，以满足不同场景下的科研团队协作需求。值得注意的是，在这两种模式下，用户可通过在对话框中选择本地知识库自动响应对方的提问。局域网该模式适用于实验室内部网络环境下的即时通讯，无需互联网连接即可实现设备间的点对点通信，特别适合对网络隔离有严格要求的涉密研究或封闭实验环境。私有云模式适用于跨地域的科研团队协作，支持好友管理、群组讨论与知识库共享，打破物理位置限制实现远程协同（图2）。

图2 局域网、私有云模式下的智能交互

个人记录系统构建AI辅助科研的基础

智然体内置了完善的个人记录系统，涵盖通用事件与实验记录两大核心模块，支持多终端数据录入，经由大语言模型智能总结后，统一存储于本地。其中，实验记录模块能够实时捕捉科研流程与实验结果，并支持AI辅助分析；为确保数据的完整性与可追溯性，记录一旦保存即具备不可篡改性。系统还构建了基于实验记录的多智能体稿件生成框架。该框架遵循标准学术论文结构，采用“人机协同”的审核机制：用户可对生成内容进行逐节核验，有效阻断错误的级联传递。

图3 智然体手稿件生成示例

借助AI智能体实现生信能力模块化增强

智然体采用可插拔架构，目前支持84个生物信息学工具的动态集成与自动依赖解析，并根据配置元数据动态生成用户界面（图4）。通过插件中心与 BioSkills 两种模式，为科研人员提供从基础序列分析到复杂组学数据处理支持。用户既可以通过图形界面直观操作各类生信工具，也可通过自然语言对话直接调用分析功能，大幅降低了生物信息学分析的技术门槛。

图4 智然体的插件中心

图5 BioSkills赋能的智能体系统，实现生物信息学工作流的确定性执行

智然体在基因组选择与智能表型分析中的概念验证应用

为验证智然体在生物育种领域的适用性，本研究开发了两个端到端应用案例。其一，通过插件化集成AutoGP基因组选择算法，支持用户以自然语言交互方式上传基因型与表型数据，实现表型的智能预测，分析流程与结果实时呈现于对话界面。其二，面向视频源的表型数据提取，系统可基于多视角玉米植株视频，通过三维建模与器官分割，高效提取株高、叶形等关键农艺性状指标。上述案例表明，智然体为复杂生物信息分析提供了友好易用的AI平台（图6）。

图6 智然体生物学应用的概念验证

图7 移动端APP功能演示

本研究认为，智然体不是替代科学家作出判断，而是组织科研人员散落的记录、知识、方法与经验，让AI在明确的数据边界和持续的人工监督下工作。它将一次性使用的AI工具转变为能够长期积累、持续协作的科研伙伴，为植物科学和生物育种提供兼顾数据安全、专业能力与个性化需求的智能化路径。

该研究由华中农业大学李林教授领衔的玉米团队智能育种课题组完成。李林教授与冯在文副教授、李伟夫副教授为本论文的共同通讯作者，博士研究生张云龙和吴昊、硕士研究生王韵铭、以及本科生郑志龙为论文共同第一作者。中国农科院作物所张红伟研究员、吉林省农科院刘相国研究员等也参与该研究。该研究得到国家重点研发计划项目（2023YFF1000100）、国家自然科学基金委联合基金项目（U23A20186）和作物遗传改良全国重点实验室前沿探索项目（ZW26B0301）等资助。

李林教授课题组长期致力于农作物重要农艺性状基因组等大数据智能设计育种，利用农学、生物学、信息学与人工智能多学科交叉技术，系统解析玉米密植高产的遗传基础，提出“稀有等位基因是玉米株型建成的决定因子”的重要观点。团队开发了QTG-seq、DeepBSA、QTG-Miner等人工智能快速定位克隆策略，构建了玉米第一代全息功能图谱，并在此基础上开发了作物精准智能设计育种体系CropGPT及智能育种平台AutoGP，整合约2000份大面积推广的国审/省审品种与近万份全球种质资源材料，实现亲本组合智能推荐与推广区域精准预测。近年来，玉米团队智能育种课题组相关成果发表于Nature Genetics、Nature Biotechnology、Molecular Plant、Genome Biology等国际主流期刊30余篇，总引用超6000次。

【英文摘要】

Artificial intelligence (AI) has achieved human-level capabilities across multiple domains; however, concerns regarding data security, privacy, and domain-specific capability enhancement remain. Here, we present human + AI + ant (HAIant), a human-centered framework for secure and personalized intelligence augmentation based on locally deployed AI. HAIant integrates locally deployed large language models with personal data, individual reasoning processes, and domain-specific tools, enabling user-controlled AI systems while preserving data privacy. Within this framework, HAIant establishes a unified AI-assisted biological research workflow through personal biological knowledge base construction, multi-user communication, and bioinformatics tool invocation. To support domain-specific applications, a bioinformatics skill-execution module named BioSkills, consisting of 84 analytical tools and two domain knowledge bases, is integrated into HAIant. As a proof of concept, we show that the Biological HAIant can support experimental record management, bioinformatics analysis, and automated manuscript generation from experimental data. Collectively, out work demonstrates that HAIant and BioSkills provide a scalable architecture for secure, human-oriented AI systems that advance intelligent scientific workflows.