用分子描述符与集成模型预测 ADMET 性质:把安全优先提前到设计阶段
2026 年药物优化已从分步筛选走向多目标优化,将吸收、分布、代谢、排泄与毒性(ADMET)评估前移到分子设计阶段。本文给出可复现流程:用 RDKit 计算分子描述符,在 TDC 的 ADMET 基准上训练随机森林模型,对新分子做性质预警。
2026 年药物优化已从分步筛选走向多目标优化,将吸收、分布、代谢、排泄与毒性(ADMET)评估前移到分子设计阶段。本文给出可复现流程:用 RDKit 计算分子描述符,在 TDC 的 ADMET 基准上训练随机森林模型,对新分子做性质预警。
2026 年实体零售加速数字化门店,计算机视觉货架识别成为高 ROI 场景:实时发现缺货、错位与价签错误,直接改善陈列质量与巡店效率。本文给出可复现流程:用 YOLOv8 训练货架商品检测模型,结合图像比对做陈列合规判定,并说明边缘部署与隐私边界。
调试经验是非标设备企业最易流失的资产,复用价值必须先算清再立项。本文给出调试知识复用的三笔账测算口径,覆盖重复排障、新人上手与售后响应三个环节,并提供可直接运行的参数化测算脚本与敏感性分析方法,帮助企业在知识库立项前算清投入产出,明确优先覆盖的高频问题类别、成本边界与验收指标。
销售人员离职交接是贸易企业客户流失的高发期,损失来自客户知识的成批断层。本文拆解交接期的三类知识断层:口头承诺与让价口径、沟通偏好与历史脉络、在途事项清单,指出根源在于客户知识缺乏组织载体,并给出标准化交接清单、过程沉淀、向量库权限入库与交接验证的四步治理路径及验收指标。
教育 AI 正从问答机器人走向会规划课程、记住进度、生成测验并持续反馈的智能体。本文以 OpenMAIC、DeepTutor、Study Tutor Agent 等开源项目为例,给出基于 Ollama 本地模型与 Streamlit 搭建隐私友好的 AI 导师工作台的实操步骤,包含环境准备、模型拉取与最小可运行示例。
生物医学文献呈指数增长,人工抽取药物、基因、疾病等实体已不可行。本文给出基于 BioBERT(或 PubMedBERT)的命名实体识别与关系抽取可复现流程,使用 Hugging Face Transformers 微调并抽取实体,最终沉淀为可查询的药物—靶点知识图谱,为药物重定位与靶点发现提供数据支撑。
电商商品文案长期面临量大、重复、难统一的痛点。本文给出基于本地大模型 Ollama 与结构化提示词的批量生成工作流,将商品属性 CSV 自动转化为带卖点、SEO 关键词与多语气版本的描述,并提供质量校验与人工复核建议,帮助企业以低成本实现规模化文案生产。
非标设备的调试与售后经验大量消耗在现场,人员一流动便随之清零。本文拆解经验回传的三类断层:现场经验一次性消耗、回传无结构、隐性知识随人流失,并给出工单化回传、四段式结构、元数据入库与复用闭环四步治理路径,附 python-docx 与 Chroma 可复现代码,帮助企业把一次性现场经验转化为可检索的长期资产。
第三方仓储与集团多事业部场景下,知识库一旦共用一个库,A 货主的 SOP 就可能出现在 B 货主的答案里,轻则泄露作业细节,重则引发合同纠纷。本文给出两层权限设计:货主之间用 Chroma 租户与数据库做硬隔离,货主内部用元数据行级过滤收窄范围,附可复现代码与上线后三项运营指标,实现数据隔离与检索精度兼得。