dsh-aidd

做 AI 驱动药物发现，最头疼的往往不是模型本身，而是研究工作流的碎片化：虚拟筛选跑完了一堆 hit list，分子生成产出了几百个候选，ADMET 预测、DTI 建模的结果散落在不同脚本和日志里，事后想追溯「这个分数到底是怎么来的」几乎无从下手。dsh-aidd 把 AIDD 研究建模为一个结构化的 ReAct 循环——假设、实验、观察、结论、迭代，每一步都有明确的工具调用和状态持久化，让研究者可以跨会话、跨机器地续接工作。

在数据可追溯性方面，插件将 hit list、打分表、数据切分文件、模型 checkpoint 和指标表统一存储为带版本号的产物，每个文件附带 SHA-256 校验、生成命令、输入参数和环境快照，并维护一份只追加的 provenance 日志。同时内置了 AIDD 数据纪律：随机种子必须固定并记录、scaffold 和 cold-start split 必须归档、同源靶点不得跨训练和测试集、未复现 baseline 不得声称改进——这些红线写入预置角色，从源头减少「好分数不等于好分子」的陷阱。

插件还打包了 17 项技能，覆盖虚拟筛选、分子生成、性质与 ADMET 预测、蛋白靶点建模、DTI 建模和模型复现等 AIDD 核心环节，以及研究循环、文献连接、科学评审等通用科研能力。它适合在 DeepSeek Harness 中做计算化学、分子设计或 AI 制药研究的个人和团队，尤其是需要多人协作、结果可审计、流程可复现的场景。