About
关于本站
这里是 o_insist 的学习笔记，记录我在软件工程、Agent 开发、人工智能、深度学习与 AI 制药领域的学习、实践和思考。
我希望把工程能力、智能体工具链和生命科学问题连接起来，用更系统的方式理解 AI 如何参与药物发现。
Background
我的背景
- 🎓计算机与人工智能学院 211硕士在读
- 💼3 年软件开发工作经验： 前端vue3 + 后端Java
- 🎯 研究方向： 工程能力 + AI在生物制药中的应用
AI Pharma / Software Engineering / Agent
把工程能力接入 AI 制药探索
致力于探索软件工程（前端开发、后端开发、DevOps）、智能体开发（LangChain、RAG 知识库、向量数据库、Skill）与人工智能（深度学习）在 AI 制药中的应用。
AI + 生物信息学全栈工程实践Agent 与知识库
探索链路
From engineering to AI pharma
🧬
01
软件工程底座
前端、后端、DevOps 与可复用工具链
02
智能体工作流
LangChain、RAG、向量检索与 Skill 编排
03
深度学习建模
蛋白质、分子表示与 AI4Science 方法
04
AI 制药应用
药物发现、靶点理解与实验效率提升
Capability Map
技术栈与研究工具链
不是简单罗列工具，而是围绕“工程实现、智能体协作、模型方法、AI 制药场景”组织能力。
软件工程
前端体验、后端服务与 DevOps 交付能力
TypeScriptVue3 / NuxtTailwind CSSJava / SpringBootMySQL / SQLiteREST APIDockerLinux / CI-CD
智能体开发
让知识检索、推理步骤和工具调用进入可编排流程
PythonLangChainRAG 知识库向量数据库OpenAI APISkillPrompt Engineering
人工智能
以深度学习方法理解生物序列、结构与分子表示
Deep LearningPyTorchTransformerEmbeddingGraph LearningAI4Science
AI 制药应用
把工程系统、知识库与模型方法落到药物发现问题
BioinformaticsAlphaFoldProteinMoleculeDrug DiscoveryTarget Discovery
这个博客写什么
主题
内容
论文精读
NeurIPS / ICML / ICLR 中 AI4Science 方向的论文解读
方法实现
用 PyTorch Geometric / RDKit 复现论文方法
工具链笔记
DeepChem、AutoDock、AlphaFold 等工具的使用记录
学习反思
每周或每月的学习总结
为什么做这个博客
“The best way to learn is to teach.”
把学到的知识写成博客，既是对自己的整理和检验，也希望能帮助同样走在 AI 制药路上的同学。
联系我
- 📧 Email：待补充
- 🐙 GitHub： github.com
- 📍 目前所在：待补充