moonbowterfly / dsh-bio-genie

🧬 dsh-bio-genie

面向 DeepSeek Harness (dsh) 的生物信息学「许愿式分析」插件

dsh bio analysis · dsh biology analysis · deepseek harness bioinformatics · Biopython · sequence analysis · genomics

说人话，出结果。用户用自然语言描述生物学分析需求，dsh 的 agent 自动完成分析。

下载安装即用 —— 无需用户安装 Python 或 Biopython，插件首次运行自动引导完全隔离的 Python 环境。

---

✨ 特性

特性	说明
🪄 许愿式分析（Wish Coding）	说人话就能分析："这条序列的 GC 含量和 EcoRI 酶切位点？"
🧩 双引擎全功能覆盖	bio_python 执行器可运行任意 Biopython 代码（比对、PDB、Phylo、motif、BLAST…）+ bio_r 执行器内置 R 4.6/Bioconductor 3.23（DESeq2 差异表达、fgsea GSEA、phyloseq 微生物组），配合 21 个领域 skill 配方
⚡ 高频语义化工具	17 个固定参数工具（GC 含量、翻译、限制酶、k-mer、文件 IO、Entrez 检索、通路富集、PubMed 文献、参考基因组、出版级绘图）+ 6 个执行器工具（bio_python / bio_r / bio_env / bio_r_env / bio_log / bio_memory）——省 token、输出稳定、参数有校验
📦 零安装	自动下载隔离的双环境（uv + venv + Biopython 绘图栈；R 4.6 安装器 + BiocManager 核心包集）到 $DSH_HOME/dsh-bio-genie/，不污染系统
🇨🇳 网络自动适配	默认直连官方源，任一环节失败自动切换国内镜像（uv→清华 PyPI、CPython→npmmirror、PyPI 包→清华镜像），无需任何配置
🛡️ 环境隔离	Python 子进程以 -I（isolated）模式运行，不受宿主 PYTHONPATH 污染
🔁 自愈执行（ACR）	bio_python 失败返回 needs_repair 信号 + stderr，模型自动修复重试（最多 3 次），失败即如实报告
📜 透明性日志	每次代码执行/工具调用异步记 JSONL 日志（哈希/预览/耗时），bio_log 可回溯任何一次分析
🧬 科学严谨性约束	persona 强制「生物学结论必须可溯源到工具输出」，纯推断标注 [推断-未验证]
🧠 会话记忆	成功代码模式 + 错误→修复经验自动沉淀（本地 JSON），bio_memory 查询，越用越聪明
⚙️ 设置面板	dsh 设置面板（⚙️ 齿轮）侧栏「BioGenie」菜单——四标签页：总览（包元信息/配置默认值）、Skill 模块（50 个条目按领域/R/协议/指南分组）、Python 环境（venv 包列表）、R 环境（Bioconductor 包列表）
📚 协议知识库	19 个高频任务协议（质控/比对/BLAST/克隆/建树/结构/富集/出版级绘图/坐标系统/统计检验/差异表达/GSEA…），每个含可执行代码模板 + 常见坑，随插件打包

---

📦 安装

本插件已发布为 npm 包 @dsh-bio/dsh-bio-genie，使用 dsh 官方标准的 dsh plugin 命令安装：

# 方式一：从 npm 安装（推荐，安装预构建代码）
dsh plugin --profile web add @dsh-bio/dsh-bio-genie

# 方式二：从 GitHub 安装（拉取源码；本插件为纯 ESM 无构建步骤，可直接加载）
dsh plugin --profile web add github:moonbowterfly/dsh-bio-genie

# 方式三：从本地目录安装（开发调试）
dsh plugin --profile web add ./dsh-bio-genie

安装后重启 dsh web 服务，插件即被加载。首次启动时插件会在后台自动引导 Python 环境（下载 uv → Python 3.12 → venv → biopython，约 1-2 分钟），之后秒级就绪。

验证插件层是否生效（无需启动）：

dsh --profile web --dump-config   # 输出中应包含 "# == dsh-bio-genie" 层

故障排除：profile 已有本地包导致 pnpm 校验失败

若你的 profile 里已装过不在 npm registry 的本地包（如皮肤插件），dsh plugin add 触发的 pnpm 全量校验可能报 ERR_PNPM_FETCH_404。此时可手动挂载（已验证可行）：

mkdir -p ~/.dsh/profiles/web/node_modules/@dsh-bio/dsh-bio-genie
cd /path/to/dsh-bio-genie
cp -r src index.js cordis.patch.yml package.json skills prompts python docs \
  README.md README.en.md LICENSE THIRD_PARTY_NOTICES.md \
  ~/.dsh/profiles/web/node_modules/@dsh-bio/dsh-bio-genie/

然后在 ~/.dsh/profiles/web/package.json 中：

• dependencies 添加："@dsh-bio/dsh-bio-genie": "file:.../dsh-bio-genie"
• dsh.profile.bundles 数组添加："@dsh-bio/dsh-bio-genie"

最后重启 dsh web 服务。

---

🛠 工具总览

执行器（双引擎，覆盖 100% 需求）

工具	功能
bio_python	运行任意 Biopython Python 程序（比对/PDB/Phylo/motif/复杂流程/自定义分析/出版级绘图）
bio_r	运行任意 R 程序（R 4.6 + Bioconductor 3.23：DESeq2/edgeR/limma 差异表达、fgsea GSEA、phyloseq 微生物组、ggtree/ComplexHeatmap）
bio_env	Python 环境诊断 / 重建
bio_r_env	R 环境诊断 / 核心包集重建
bio_log	执行日志回溯（bio_python/bio_r 代码哈希/预览/耗时 + 工具调用记录）
bio_memory	会话记忆查询（成功代码模式 / 错误修复经验，越用越聪明）

语义化工具（高频稳定操作）

工具	功能	典型触发词
bio_seq_analyze	长度 / GC% / 反向互补 / 六框翻译（正负链）/ 分子量 / 蛋白 AA 组成	GC含量、序列特征、翻译
bio_seq_translate	DNA→蛋白翻译（可指定密码子表）	翻译、蛋白序列
bio_seq_gc_skew	GC skew（复制起点识别）	偏斜、复制起点
bio_seq_find_orf	最长开放阅读框	ORF、编码区
bio_seq_kmer	k-mer 频率统计	k-mer
bio_seq_io_read	读 FASTA/GenBank（UTF-8/GBK 自适应）	读取fasta、解析文件
bio_seq_io_write	写序列文件	写fasta、保存序列
bio_seq_restriction	限制酶切位点（CommOnly 默认 / all 可选）	限制酶、酶切位点
bio_entrez_search	NCBI 检索（esearch+esummary；db=gene 返回基因元数据摘要：全名/染色体位置/别名）	NCBI、检索基因、查基因信息
bio_entrez_fetch	NCBI 取序列	下载序列
bio_enrichr	通路/GO 富集分析（基因符号列表 → p 值排序条目；GO/KEGG/Reactome/MSigDB 等库）	富集分析、通路、GO、KEGG
bio_pubmed_search	PubMed 文献检索（PMID/标题/期刊/作者/DOI）	查文献、PubMed
bio_pubmed_abstract	按 PMID 取结构化摘要（标题/摘要全文/作者/日期/DOI）	读摘要、PMID
bio_ref_genome	参考基因组 assembly 信息（Ensembl：assembly 名/染色体/下载目录）	参考基因组、基因组版本

序列类型自动判断

bio_seq_analyze 的 seq_type 默认 auto，自动识别三类序列：

• 含 U 无 T → RNA
• 含 IUPAC 模糊碱基（R/Y/S/W/K/M/B/D/H/V）、X（未知/修饰碱基）、比对 gap 字符（-/.）→ DNA（引物/探针/SNP/比对结果安全）
• 出现非核酸字母 → 蛋白质

X 与 gap 在翻译时按未知碱基处理（Biopython 标准行为），含 X/gap 的序列不会因模糊密码子崩溃。

---

📚 Skill 体系（22 个）

主 skill：dsh-bio-genie

工具分层决策树 + 双引擎路由表：先查语义化工具表 → 命中就用；否则按任务选引擎（Python/R）写代码执行。

21 个领域配方（15 Python + 6 R）

Skill	覆盖的 Biopython 模块
bio-core	核心工作流（任何分析先加载）
bio-io	Bio.SeqIO（FASTA/FASTQ/GenBank/EMBL…）
bio-seq	Bio.Seq / Bio.SeqUtils（GC、Tm、分子量）
bio-align	Bio.Align.PairwiseAligner / Bio.AlignIO
bio-blast	Bio.Blast（NCBIWWW / NCBIXML）
bio-searchio	Bio.SearchIO（BLAST/HMMER/Exonerate 解析）
bio-entrez	Bio.Entrez（esearch/efetch/esummary/elink）
bio-phylo	Bio.Phylo（Newick/Nexus、系统发育）
bio-structure	Bio.PDB（结构解析、距离、叠合）
bio-motif	Bio.motifs（PWM、JASPAR/MEME）
bio-restriction	Bio.Restriction（酶切位点、片段）
bio-utils	Bio.Data.CodonTable（遗传密码表、密码子用法）
bio-graphics	Bio.Graphics.GenomeDiagram（图谱绘制）
bio-popgen	Bio.PopGen（群体遗传学）
bio-figure	出版级科研绘图顾问（figurelib：选图决策、18 陷阱、期刊规格、CJK 中文）
bio-r-core	R 执行器核心（bio_r 契约、双引擎分工、ACR 信号表）
bio-r-basics	Biostrings / GenomicRanges / SummarizedExperiment（对象模型）
bio-r-rnaseq	DESeq2 / edgeR 差异表达管道与解读纪律
bio-r-enrichment	fgsea GSEA + enricher ORA（与 bio_enrichr 分工）
bio-r-microbiome	phyloseq 微生物组多样性（alpha/beta/PCoA/PERMANOVA）
bio-r-vis	ggplot2 / ggtree / ComplexHeatmap（R 生态可视化）

---

🧞 精灵专家人设（bio-genie preset）

本插件同时提供一个 dsh agent preset（智能体预设）——bio-genie，让 AI 一进 dsh 就成为精通本插件的「生物基因精灵」专家人设。

它是什么

• 人设文件（preset/bio-genie/preset.yml + agent.cordis.yml）——覆盖 base persona，告诉 AI「你手头有 21 个工具 + 33 个 skill + 双引擎」。
• 入门口诀（skills/dsh-bio-genie-expert.md）——一个 meta-skill：「先看工作区 → 二选一（语义化工具 / bio_python / bio_r） → 失败按 ACR 三层修 → 报告带可追溯链」。
• 一键安装：pnpm install 跑 postinstall 钩子会自动把 preset 复制到 ~/.dsh/.agent-presets/bio-genie/；无需手动操作。

它不是

• ❌ 不接管 21 个工具——所有 bio_* 工具仍由本插件的 cordis.patch.yml 注入，preset 不重声明任何工具，避免冲突。
• ❌ 不抢默认人设——postinstall 装完后，「生物基因精灵」出现在 dsh 预设选择器里；用户主动选择才激活。agent-presets.default 不会被改成 bio-genie。
• ❌ 不破坏其他插件——presets 与 plugins 是 dsh 的两个独立 seam，共存不冲突。

怎么用

1. 安装本插件：pnpm add @dsh-bio/dsh-bio-genie（postinstall 会自动装 preset）。
2. 重启 dsh web。
3. 设置面板 → 选「生物基因精灵」人设。
4. 之后 AI 启动会话即说：「我是生物基因精灵……你的工作区是 {{cwd}}……先看看你有什么数据再开工」。

手动安装 / 卸载

# 手动复制（postinstall 失败时）
node scripts/install-preset.js

# 强制覆盖（用户就地编辑过 preset 时也覆盖）
node scripts/install-preset.js --force

# 试运行（只看会做什么）
node scripts/install-preset.js --dry-run

# 卸载：直接删
#   Windows: rd /s /q %USERPROFILE%\.dsh\.agent-presets\bio-genie
#   macOS/Linux: rm -rf ~/.dsh/.agent-presets/bio-genie

故障排除

• 预设选择器看不见「生物基因精灵」 → 检查 ~/.dsh/.agent-presets/bio-genie/preset.yml 是否存在；不存在则 node scripts/install-preset.js 手动装。
• 切到 preset 后工具没出现 → 工具由插件注入，与 preset 无关；检查插件是否真在 dependencies（pnpm ls @dsh-bio/dsh-bio-genie）。
• 想自定义 persona → 直接编辑 ~/.dsh/.agent-presets/bio-genie/agent.cordis.yml（不被自动覆盖除非 --force）。

---

🚀 使用示例

场景 1：语义化工具路径（高频操作）

用户："分析这个文件里的序列 GC 含量和 EcoRI 位点：D:/data/genes.fasta"

agent 自动：
1. bio_seq_io_read        → 读取 FASTA
2. bio_seq_analyze        → 逐条 GC 含量
3. bio_seq_restriction    → 检查 EcoRI
4. 汇总报告 + 生物学解读

场景 2：执行器路径（语义化工具覆盖不到的功能）

用户："画一下这两个基因的蛋白结构比对"

agent 自动：
1. 加载 bio-align / bio-structure skill
2. bio_python 写 Biopython 程序执行
3. 产出文件 + 报告

场景 3：组合路径（实测）

用户："读取 FASTA 分析每条序列的 GC、最长 ORF 和 EcoRI 位点"

agent 自动（实测行为）：
1. 加载 dsh-bio-genie 主 skill（决策指引）
2. bio_seq_io_read 读取文件
3. bio_python 一次性完成 GC + ORF + 酶切组合分析
4. 输出汇总表（GC 48.28%、ORF 7aa、EcoRI nt 3-8）+ 生物学解读

---

🔧 环境引导（零依赖自举）

首次调用（或 dsh 启动后台预热）时插件自动执行：

1. 下载 uv            → $DSH_HOME/dsh-bio-genie/bin/uv
   （官方 GitHub 直连失败自动切换清华 PyPI 的 uv wheel，实测 18MB/约 2 秒）
2. uv python install  → $DSH_HOME/dsh-bio-genie/python/（私有 CPython 3.12）
   （官方源失败自动切换 npmmirror 的 python-build-standalone 镜像）
3. uv venv --seed     → $DSH_HOME/dsh-bio-genie/python-env/（预装 pip，方便按需补包）
4. uv pip install     → biopython + numpy + matplotlib + reportlab + pandas/scipy/seaborn/Pillow（出版级绘图栈；官方 PyPI 失败自动切换清华镜像）

R 环境（首次 bio_r 调用时惰性引导，默认不随插件加载预热）：

1. 下载 R 4.6.0 安装器 → $DSH_HOME/dsh-bio-genie/r/（官方 CRAN 失败自动切清华镜像，MD5 校验）
2. 静默安装（/VERYSILENT，用户零操作）
3. Rscript install_packages.R → BiocManager 安装核心包集（DESeq2/edgeR/limma/
   fgsea/phyloseq/ggplot2/ggtree/ComplexHeatmap 等）到 r-lib/（CRAN 走清华镜像、
   Bioconductor 走官方源——清华 Bioc 镜像二进制 zip 缺失；Windows 二进制优先）

• 网络自动适配：每个环节默认直连官方源，失败自动切换国内镜像，全程无需用户配置； 高级用户可用环境变量覆盖镜像地址（DSH_BIO_UV_BASE / DSH_BIO_PYTHON_MIRROR / DSH_BIO_PYPI_INDEX， 也尊重 uv 官方变量 UV_PYTHON_INSTALL_MIRROR / UV_DEFAULT_INDEX / UV_INDEX_URL）； ⚠️ uv 二进制下载后一律做 SHA256 校验（官方/镜像通道均校验，校验失败拒绝执行）—— 自定义 DSH_BIO_UV_BASE 镜像需在镜像根目录提供 sha256sums.txt（与 uv 官方 release 同格式）
• 全部产物在 $DSH_HOME/dsh-bio-genie/（默认 ~/.dsh/dsh-bio-genie/），删除即完全卸载
• 不假设系统有任何 Python/uv（自举）；引导失败自动回退系统 python（若有）
• 升级插件不丢环境：环境在 DSH_HOME 私有目录，与插件本体（node_modules）分离
• 幂等：已就绪则秒级复用；引导失败自动重试
• 首次引导需网络；引导完成后可离线使用语义化工具

---

🔄 兼容性

维度	要求
Node	^22.19 || >=24（与 dsh 一致）
dsh	peer 依赖 @deepseek-ai/dsh-tools 等为 ^0.1.0-rc.6，与 dsh 源码仓库当前构建版本匹配。若宿主 dsh 为 npm latest 旧版本（0.0.1-rc.1），可能解析出两份 dsh-tools 导致类型不匹配——建议使用与源码仓库同步构建的 dsh
平台	Windows / macOS / Linux（x86_64 / arm64），按平台自动下载对应 uv/Python

---

🧩 开发

纯 ESM JavaScript，无构建步骤，改完即用：

git clone https://github.com/dsh-bio/dsh-bio-genie
# 直接调用引导器（首次会下载环境，约 1-2 分钟）：
node --input-type=module -e "import('./src/runtime.js').then(m => m.ensureEnvironment({}))"

• 架构设计详见 docs/ARCHITECTURE.md
• 给 dsh agent 的使用说明书：docs/agent-guide/——8 份指南（总览/工具参考/skill 导航/bio_python 编程/工作流/绘图专题/故障排查/严谨性），随插件注册为 dsh-bio-genie-guide-* 技能，agent 可随时加载
• 加语义化工具：python/bio_ops.py 加 op + src/tools.js 加 bioTool 条目
• 加领域 skill：skills/bio-xxx.md + src/skills.js 的 SKILL_MANIFEST
• skill 语言标注约定：所有 skill（领域/协议/指南）开头 frontmatter 必须含 language: 字段（python/r/mixed/none），test-skills.mjs 强制校验

---

📄 许可证

• dsh-bio-genie 本体：MIT License
• Biopython：Biopython License Agreement / BSD 3-Clause（宽松，详见 THIRD_PARTY_NOTICES.md）
• numpy：BSD License
• scipilot-figure-skill（figurelib 绘图脚本）：MIT（Copyright Haojae，详见 THIRD_PARTY_NOTICES.md）
• K-Dense scientific-agent-skills（figurelib 样式资产 + 知识型协议来源）：MIT（Copyright K-Dense Inc.，详见 THIRD_PARTY_NOTICES.md）
• R / Bioconductor 生态：GPL-2|GPL-3（R 本体）/ Artistic-2.0 / MIT / LGPL-3 / GPL-2 / AGPL-3（phyloseq）——运行时安装 + API 调用模型，零源码分发，逐包许可证清单与合规论证见 THIRD_PARTY_NOTICES.md
• 不含 BioSQL（LGPL，刻意排除）

---

🙏 致谢

本项目的一切生物学计算能力都建立在 Biopython 之上 —— 感谢 biopython/biopython 项目及全体贡献者 25 年来的卓越工作：他们维护的序列分析、比对、结构生物学、系统发育等高质量实现，让"许愿式生物信息学"成为可能。Biopython 采用宽松的 Biopython License Agreement（兼容 BSD 3-Clause），允许自由复制、修改与分发，本插件因此得以安心地依赖并推广它。

出版级绘图能力（figurelib）借鉴了 Haojae/scipilot-figure-skill（MIT）的"可视化顾问"工作流与视觉自检设计，样式资产与部分知识型协议参考 K-Dense-AI/scientific-agent-skills（MIT）——一并致谢。

同时感谢 DeepSeek Harness 提供的插件化 Agent 框架，以及 numpy 社区的基础贡献。