AI助手增强Flare™计算化学能力

摘要：在计算化学和药物发现这个快节奏的世界中，效率和易用性是关键。为了提高研究人员的生产力、简化复杂的过程，我们在旗舰计算化学平台Flare中引入AI助手，旨在提升用户体验，通过低代码和无代码解决方案使先进的计算方法更加易于使用。本文介绍了三个Flare AI助手：Flare技术文档聊天机器人，Pyflare代码助手与用于VS Code的PyFlare Copilot。

前言

在计算化学和药物发现这个快节奏的世界中，效率和易用性是关键。在Cresset，我们致力于为研究人员提供不仅能够提高生产力，而且还能简化复杂任务的工具。因此，我们很高兴地在我们的旗舰计算化学平台Flare中引入新的AI赋能助手。这些助手旨在提升用户体验，通过低代码和无代码解决方案使得先进的计算方法更加易于使用。

诸如ChatGPT之类大型语言模型（LLMs）已经对内容创作、客户服务、科学研究和软件开发等多个行业产生了显著影响。LLMs也在改变用户与复杂软件系统的交互方式，既提升了用户体验，也提高了开发者的工作效率。LLMs的能力在于能够分析大量的软件和编程数据，识别技术文档中的模式，并生成建议。然而，像ChatGPT这样的通用LLMs在处理特定领域框架时常常遇到困难，因为它们缺乏对专业软件和代码库的最新知识。这一局限性降低了它们在为专用领域的代码库提供准确帮助的有效性。

为应对这一挑战，检索增强生成（RAG）这种强大的技术出现了，通过集成实时、专用领域的知识检索来增强LLMs。RAG的工作原理是从知识库中检索相关文档，并使用这些信息来优化、改进生成的回复，确保更高的准确性和上下文相关性。RAG使AI助手能够访问并整合最新的文档和代码库，实现“与您的数据对话”，确保回复更加准确和可靠。

用AI助手增强用户体验

将Flare的技术文档和Flare Python API（PyFlare）代码库通过RAG与LLMs联合使用，我们开发了三款AI赋能的助手：

Flare技术文档聊天机器人（Flare Documentation Chatbot）：轻松导航Flare的功能

此助手提供实时指导，回答您关于软件功能、配置和最佳实践的问题。无论您是初次使用Flare还是探索高级功能，聊天机器人都是您获取快速准确信息的首选资源。

Pyflare代码助手（PyFlare Coding Assistant）：简化脚本工作流

此助手帮助您根据自然语言提示生成可执行的PyFlare代码。它非常适合用于自动化任务、生成代码片段，甚至是编写可以直接加载到Flare中的扩展——所有这些都不需要深厚的编程专业知识。

用于VS Code的PyFlare Copilot：提升编程效率

与Visual Studio Code集成的PyFlare Co-pilot提供智能自动补全、上下文感知建议及遵循最佳实践。它简化了编码过程，减少了错误，并加速了开发周期，非常适合初学者和有经验的开发者。

这些由AI驱动的助手能够促进低代码和无代码开发，使得不同技术专长级别的用户都能更容易地使用Flare（图1）。通过简化复杂的代码任务和自动化重复性流程，使得最终用户无需深厚的编程知识即可利用Flare的功能，同时也让开发者能更高效地使用PyFlare。这种方法不仅增强了非技术用户的易用性，还加速了开发周期，减少了错误，并确保了项目间的一致性，最终营造了一个更加包容和高效的生态系统。

图1. Flare AI为不同经验水平的人提供支持

AI聊天机器人：在Flare中的RAG技术展示

我们的聊天机器人由先进的人工智能技术驱动，并通过RAG得到增强，以提高其响应用户查询时的准确性和相关性（图2）。当用户提交查询时，聊天机器人会智能地搜索包含Flare技术文档的专用向量数据库，确保回复基于准确、最新的信息。这种RAG的集成使得我们的AI助手能够提供专用领域支持，并与Flare持续发展同步，为用户提供实时可靠的指导。

图2. Flare和PyFlare技术文档检索增强生成（RAG）与大型语言模型联合使用

图3展示了一个Flare聊天机器人的使用案例，其中用户询问关于运行蛋白质-蛋白质对接的参数，这是Flare V10中新引入的功能。聊天机器人从最新的Flare手册中检索相关部分、处理信息、并对进行蛋白质-蛋白质对接实验的参数提供简洁的解释。此外，聊天机器人还提供了原始Flare文档的直接引用，使用户能够验证AI生成的回复并在需要时访问详细信息。AI助手与文档检索的集成让用户获得快速、可靠且易于访问的指导，大大提升了Flare的使用体验。

图3. Flare聊天机器人根据提供的手册来解释蛋白质-蛋白质对接的参数

另一方面，PyFlare代码助手基于PyFlare文档和最佳实践进行训练，为开发者提供交互式支持，包括：

在PyFlare中生成代码片段：助手能够理解自然语言提示，并生成符合框架指南的准确PyFlare代码。
提供实时调试支持：开发者可以描述一个问题，AI助手会建议修复方案、解释错误或推荐优化措施。
增强文档搜索：通过利用RAG，聊天机器人从最新的PyFlare文档中检索最相关的信息，帮助开发者保持更新。
日常代码任务自动化：助手可以生成样板代码，减少重复性工作，让开发者能够专注于更复杂的逻辑。根据用户请求，代码助手可以生成能够在Flare中加载和执行的扩展，用于日常任务。

视频1. 使用PyFlare代码助手为日常任务现场编写可执行的Flare扩展

通过将AI驱动的聊天机器人整合到工作流中，开发者可以更高效地编写代码，并减少学习新功能或框架更新的时间。

为VS code设计的PyFlare Co-pilot

通过理解用户代码的上下文，并利用包含PyFlare文档和代码库的知识库，PyFlare Co-pilot（图4）提供了通用LLM模型驱动的代码助手无法易于提供的类和方法的支持。PyFlare Copilot可以从以下方面为开发者提供支持：

智能的代码自动补全：用户可以在工作空间中提供自然语言指令（作为注释），Co-pilot会建议完整的PyFlare代码行或代码块，提高代码速度并减少语法错误。
上下文感知建议：与通用的自动补全功具不同，PyFlare Co-pilot理解PyFlare的类结构和方法，提供与框架一致的相关推荐。
与VS Code的无缝集成：该扩展与VS Code丝滑地集成，使得在熟悉环境中工作的开发者可以轻松访问。
提升团队生产力：使用PyFlare Co-pilot的团队可以保持一致的编码标准，因为AI模型确保在各个项目中遵循最佳实践。

图4. 使用PyFlare Co-pilot进行内联自动补全。代码建议以灰色显示（幽灵文本），用户可以完全接受、部分接受或拒绝这些建议。

责任的人工智能承诺

在Cresset，我们优先考虑人工智能系统的伦理开发和部署。我们对负责任的人工智能的承诺确保我们在技术开发过程中始终把透明性、责任性、公平性和用户隐私放在首位。我们遵守所有适用的法律和伦理标准，并将这些原则嵌入到AI开发过程的每一个阶段。通过这样做，我们确保我们的AI驱动解决方案能够对社会产生积极影响，并增强用户的信任。

结论

将AI赋能的助手集成到Flare生态系统中，标志着在提升用户体验和开发者生产力方面取得了重大进展。Flare技术文档聊天机器人通过提供即时、准确的指导，使用户能够无缝、互动地使用Flare的功能，从而增强了用户的能力。同时，PyFlare Co-pilot通过提供智能自动补全和针对PyFlare定制的上下文感知建议来提高代码效率。这些工具弥合了传统文档搜索与实时协助之间的差距，使得先进的计算化学工具更加易于访问且高效。Cresset致力于营造一个让科学家和工程师能够专注于创新而非技术障碍的环境。凭借我们对负责任的人工智能的承诺，我们确保这些进步优先考虑用户利益和伦理标准，为药物发现领域创造一个更加高效和包容的未来铺平道路。

联系我们

Flare V10交付先进的科学方法、分析工具和直观、易用的增强功能，洞察您的配体-蛋白质复合物结构。

想要尝试Flare信息丰富、用户友好界面，发现它如何帮助您自信地推动潜在先导化合物优化？请现在就联系我们安排试用，快速访问Flare的广泛功能。我们的专业团队随时准备通过安装和设置为您提供支持，而我们全面的教程库——涵盖从常见工作流程到高级方法和功能的所有内容将帮助您开始使用。我们在这里帮助您更快地实现目标，让您设计出感兴趣的分子。