微生态科研迎来垂类AI Agent时代，未知君发布xBiome OS

8月31日，未知君正式发布微生物组与活菌药研发专业科研智能体——xBiome OS v1.0，宣告公司沉淀多年的AI微生物组研究平台正式以AI Agent形态落地，精准服务与赋能领域内的学术专家、临床专家、企业科研人员。

xBiome OS 致力于打造微生态领域的“专家级科研Agent”，v1.0 版本已实现深度文献研判、私有知识资产接入、科研工作流编排与算力随需调度，把分散的数据、算法、系统与算力，集成为使用者可以“一句话调用”的科研能力。目前，xBiome OS已开放云端体验版试用申请，并同步提供私有化部署方案。

图为xBiome OS™系统界面

专家级科研 Agent

微生态——覆盖益生菌、微生物组治疗、活菌药及相关研发服务——是一个研发密集型领域，每一项新成果、新产品的诞生，都对应着大量的菌株筛选、基因组解析、功能验证与临床评估。

在过往的科研范式中，分散的数据、复杂的专业能力、干湿实验数据之间的屏障，是拖垮科研效率与成功率的“三座大山”。单纯依赖通用AI难以解决这些问题——微生态的知识仍在快速迭代，而通用智能体不会围绕某一垂直领域长期建设科研能力。

xBiome OS 应运而生。

它让研究者仅凭自然语言，即可调用所在主体的私有数据、分析算法与流程、协同系统及计算资源，并把结论沉淀回自身的知识与项目体系。过去需要跨平台切换、跨团队协作才能得到的信息与分析，如今在一个对话框里即可自助完成——多年沉淀的数据、算法与流程，就此转化为更多研究者可直接调用的科研生产力。查：跨库检索菌株来源、基因组注释、组学与项目记录，答案可溯源；读：检索并通读论文全文，产出带证据分级、逐条可溯源的深度研判；算：用自然语言驱动全基因组分析、比较基因组、引物设计等自研算法与标准化生信流程；编：将跨平台能力按研究逻辑串成可复用工作流，关键节点可插入人工审核；调：按需调度企业自有本地算力；私有化部署，核心数据保留在用户指定环境内。

高度还原真实科研链路

此次发布的xBiome OS，并非零散工具与skills的堆叠，而是高度还原真实科研链路进行组织，并把序列、通路、数据表与报告等结果直接呈现在对话中。

全文级深度文献研判。xBiome OS的深度文献研判引擎，直指专业调研的三个痛点——读得浅、引得错、查得慢。不同于同类通用工具，它会检索PubMed、bioRxiv等来源，在开放获取或已授权范围内获取论文全文与元数据，进一步研判研究方法、数据与局限。基于子智能体分身精读、收敛式检索、可信度检查与断点续跑等面向可信与效率的工程设计，一次高质量文献综述的时长可由天级缩短至小时级。根据目前的测试结果，xBiome OS平均222分钟即可产出一份综述，覆盖31篇全文，引用准确率99.3%。

打通用户私有资产。这是xBiome OS的核心价值。通过本体规范化，它将格式混杂、菌株命名不统一的历史数据治理为“AI可用”的形态，整合企业的自有数据、算法与标准化流程、知识资产与协同系统。由此，非技术岗位也能自助查数取材，专业团队则可把时间更多投入方法开发与深度分析；而每一次调研与结论，都可结构化回流至企业知识资产，让智能体在研发流程里有机生长。考虑到菌株基因组、临床样本与组学数据往往涉及受试者隐私与合规要求，xBiome OS面向企业客户主推私有化部署——智能体与数据访问均置于客户指定的部署边界内，依据授权策略连接既有系统，并可按需做深度定制适配。

智慧、自主的工作流编排。单点AI能力解决的是“这次怎么做”，工作流解决的是“以后每次都这么做”。xBiome OS内置一套工作流编排引擎，提供即插即用的Agent工具模板、用户自定义的串联编排、明确的上下游接口，以及可在关键节点插入的人工审核。由此，顶尖专家的个人经验得以固化为整个团队共享的流程资产。

算力随需调度。微生物组研究常涉及大规模序列比对、宏基因组处理等重负载计算。在私有化部署中，xBiome OS能够发现并调度企业自有的本地算力，也可对接企业已有的模型服务与算力集群，经安全通道提交任务并追踪进度；长任务不阻塞对话，完成后自动取回结果并接续分析。核心数据与重负载计算全程留在部署域内。

中国科学院深圳先进技术研究院合成生物学研究所副所长、合成微生物组学研究中心主任戴磊研究员认为，合成微生物组学研究必须拥抱数据驱动的研究范式——从定植预测到菌群设计，都离不开大数据分析与人工智能。xBiome OS作为领域专属的科研智能体，用户可以通过自然语言交互来开展微生物基因组的生信分析流程，并且分析结果可追溯、可复核，这是AI for Microbiome非常值得关注的方向。

让微生态AI “真懂科研+真正干活”

未知君团队介绍，xBiome OS不只是AI Agent的“新品”“单品”——它建立在公司 10 年沉淀的数据底座、自研算法与标准化分析流程之上。这些能力沿Decode（感知与数据解析）→ Model（领域世界模型）→ Predict（功能与表型预测）→ Program（设计与调控）一条完整回路组织。其中，xStrainPanDA、xMSEA、xP2G 等自研算法已有学术论文发表。

在底层技术设计上，xBiome OS 采取本体驱动（Ontology-grounded）、动态工作流（Dynamic Workflow）、多智能体协作、评测闭环与持续优化等机制，以高质量数据支撑算法与流程，再由一套编排串成能够持续评测和优化的整体，让xBiome OS“真懂科研”“真正干活”。

在v1.0版本基础上，xBiome OS将持续演进：向合成生物学延伸，让AI的角色从“解释一株菌为什么有效”转向“设计一株菌使其有效”；接通自动化实验平台，让Agent提出的假说由设备执行、实验数据自动回流并反哺模型，逐步打通干湿闭环；并随着微生物组基础模型与各环节算法的持续优化，不断抬升编排层的能力上限。

编辑 秦天 审核 吴席平 周梦璇