目标不是做一个“会聊天的化学助手”，而是做一个能完成闭环科研任务的 Agent：
-
输入：反应底物/条件候选、历史实验记录、文献片段、你的预测模型结果（yield/property/retrosynthesis）
-
输出：可执行的实验建议（高层级，不提供危险/违禁合成步骤）、理由链、风险点、下一轮要补的数据、以及“为什么上次失败”的反思报告
-
闭环能力：
Plan → Act(tool) → Observe → Reflect → Update(memory/strategy)
最后 6 个月你要交付的不是“读了很多论文”，而是：
- 一个可运行 Demo（最好有 UI）
- 一套可复现实验与评估（evaluation harness）
- 一份技术报告（像短 paper 一样）
- 一条清晰的故事线（简历/面试能讲）
能力栈拆解（你需要“并行推进”的四条主线）
把 6 个月分成四条 track，每周都动一点，避免“只读不做”或“只做不总结”。
Track A｜LLM/Agent 基础（推理 + 工具调用 + 规划）
- Tool-use / Planner-Executor / ReAct-ish patterns
- 结构化输出（schema）、多轮决策、失败重试策略
Track B｜World Model / Self-learning（从预测模型升级为“可交互世界”）
- 把 yield prediction 看作局部 world model（状态→结果的动力学近似）
- 加入“行动空间”（实验条件选择、路线选择）与“反馈更新”（主动学习/反思记忆）
Track C｜Chemistry 领域对齐（把你已有研究资产变成工具）
- yield/property/retrosynthesis/GNN 都当成tool或evaluator