Claude Science 逆向：从 54 张表到中药现代化

67 MB 的 DMG 安装包，解压后 164 MB，里面藏着 Anthropic 的 Claude Science（内部代号 Operon）。逆向之后，我看到了 54 张 SQLite 表、9 层安全模型、30 多个生物信息学 Skill，以及一个面向计算生物学的完整 AI Agent 平台。

TCMSP 那边，是一个正在开发中的 AI-native 中药系统药理学平台。两个项目放一起看，有些设计思路可以互相参照。

Claude Science 不是聊天窗口

包名写得很清楚：com.anthropic.operon。Operon 取自生物学中的"操纵子"概念——基因调控单元。早期内部名称叫 claude-bioscience，定位从一开始就是生物科学。

逆向中提取的 30 多个内置 Skill 全是计算生物学和药物研发工具：

• AlphaFold2、OpenFold3、ESMFold2 —— 蛋白质结构预测
• Boltz、DiffDock —— 分子对接
• Chai1、Borzoi、ScGPT —— 蛋白质设计、基因组学、单细胞分析
• ProteinMPNN、SolubleMPNN、LigandMPNN —— 序列设计
• Figure Composer、Figure Style —— 科研绘图
• Literature Review、Indication Dossier —— 文献综述、药品申报

版本信息：0.1.0-dev.20260630.t212931.sha2bc1ac8，还是 dev 阶段。

双二进制架构

Claude Science 采用双二进制模型，189 KB 的 Swift GUI 负责界面，112 MB 的 Bun 守护进程跑所有业务逻辑。

GUI 层通过 NSTask 启动守护进程，用 NSPipe 做进程间通信。守护进程通过 SecTranslocate 从 bundle 安全拷贝到隔离目录运行。窗口关了，守护进程还在后台跑。

守护进程的核心模块：

54 张表

Drizzle ORM 定义的 54 张 SQLite 表，覆盖了会话、制品、MCP、远程计算、记忆、安全审计、项目管理、用户配置、事件日志等模块。

记忆系统值得多说两句。它区分三种来源（extractor/agent_tool/user）和三种证据类型（stated/observed/inferred）。AI 能记住你说过的话，也能区分"你告诉我的"和"我观察到的"。这个设计放到需要证据分级的场景里，直接能用。

9 层安全模型

从代码签名到沙箱到审计日志：

1. macOS 代码签名 + SecTranslocate 安全拷贝
2. DR（Dynamic Replace）完整性验证
3. 数据目录防篡改检测（pre-upgrade plant 攻击防护）
4. 路径沙箱（allow_write 白名单）
5. 动态网络授权
6. 命令安全检查
7. 环境变量注入防护
8. MCP 工具三级授权（allow/deny/ask）
9. 主机访问授权 + 审计日志

第 3 层的 pre-upgrade plant 检测防止攻击者在用户首次运行前预置恶意数据目录。这不是理论假设，是真实出现过的攻击手法。

详细逆向报告在 claude-science-reverse 仓库里。

TCMSP 是什么

TCMSP 是一个 AI-native 的中药系统药理学平台，目前正在开发中。

整个项目由 10 多个子仓库组成，分布在三层：

数据层：

• tcmsp — 核心搜索与数据 API（FastAPI + PostgreSQL），提供草药 → 成分 → 靶点 → 疾病的完整数据链路
• tcmsp-cms — 内容管理后端（临时过渡），管理文章、公告、专利等内容
• tcmsp-prds — PRD 草稿、路线图

调度层：

• tcmsp-ai — AI 编排服务，是项目的大脑

计算层：

• modules/ — 计算模块集合：分子对接、分子动力学、富集分析、单细胞分析、毒性预测等

用户层：

• tcmsp-desktop — 桌面端（Tauri + Rust + Vue）
• tcmsp-web — 公开前端
• tcmsp-admin-web — 管理后台
• tcmsp-cms-web — CMS 前端
• tcmsp-ums — 用户管理与认证（Casdoor OIDC）

数据模型

数据模型围绕多对多关系设计——药材 ↔ 成分 ↔ 靶点 ↔ 疾病，每种关系都有独立的关联表，支撑多跳查询。以 tcmsp 仓库的数据模型为例，核心实体有 草药、化学成分、蛋白靶点、疾病等以及它们的关联表。

查询链路就是科研链路：找某药材的化学成分 → 这些成分作用的蛋白靶点 → 这些靶点关联的疾病 → 反向分析。

调度层

tcmsp-ai 才是项目的核心。它提供了一系列 API：

• 模块推荐与探索（/exploration、/extraction）
• 分子对接（/molecular-docking）
• 分子属性预测（/molecule-properties）
• 分子毒性预测（/molecule-toxicities）
• 研究会话（/sessions）
• 论文生成（/papers）
• 门控决策（/gates）
• 研究分流（/research-triage）

计算模块

modules/ 目录下是实际的计算模块，包括：

• 分子对接（molecular_docking）— 基于 AutoDock Vina 的小分子-蛋白对接
• 分子动力学（molecular_dynamics）— GROMACS 的动力学模拟
• 化合物属性分析（compound_property_analysis）
• 富集分析（enrichment_pipeline）
• 分子属性服务（molecule_property_service）— ML 模型预测
• 单细胞分析（single_cell_plot）
• 毒性预测（venompred_toxicity_service）
• 虚拟敲除（virtual_knockout_service）— 基因级模拟

Agent Runtime：最值得看的部分

tcmsp-ai 里的 Agent Runtime 是项目最有意思的部分。它有一套完整的动态 Agent 执行引擎：

用户输入 → 模块推荐 → 研究探索 → 计划生成 → 计划审批 →
步骤执行（并行调度）→ 门控决策 → 结果产出 → 论文生成

DynamicAgentExecutor 是核心执行器。它接收一个 dynamic_agent_plan，按依赖拓扑排序步骤，分批并行执行。步骤分三类：module step（调用计算模块）、gate step（等待人类审批）、template service step（模板服务）。

Gate 系统 是人与 AI 协作的关键节点。支持多种审批类型：

• plan_confirmation — 用户审批研究计划
• cost_approval — 成本审批（可全部批准、子集批准或跳过）
• scientific_selection — 科学选靶（用户从 AI 推荐中筛选靶点）
• claim_review — 研究发现审核
• pipeline_review — 流程审核
• failure_recovery — 失败恢复（重试、调整后重试或放弃）

每个 gate 的决策都通过 GateDecisionHandler 验证，然后由 GateEffectApplier 应用到执行上下文。决策可以修改计划、调整步骤、甚至中断执行。

StepScheduler 用 Kahn 算法做拓扑排序，把无依赖的步骤分组并发执行。这样分子对接、属性预测、毒性预测可以并行跑，不互相阻塞。

Claude Science 的架构能给 TCMSP 什么启发

逆向 Claude Science 之后，回头看 TCMSP 的设计，有几个对比值得记录：

记忆系统的证据分级。 Claude Science 区分 stated/observed/inferred。TCMSP 的模块系统里，Agent Manifest 已经定义了 evidence_type 和 confidence_fields，但没有做跨会话的记忆持久化和证据追踪。这可以是下一个迭代的方向。

MCP 协议 vs modules 系统。 Claude Science 通过 MCP 协议连接外部工具。TCMSP 用的是 registry + runner 模式——模块注册到 registry，RunnerSpec 定义执行方式（python_runtime、docker、http_api 等）。两者思路类似，但 MCP 更通用，TCMSP 的模块系统更贴近中药计算场景。如果 TCMSP 后续需要接入外部工具，MCP 协议层是一个可以考虑的方案。

Frame 会话 vs 研究会话。 Claude Science 的 Frame 支持对话分支。TCMSP 的 Research Session 也有类似概念——支持多轮探索、推荐模块、执行 pipeline，但目前没有分支能力。

现状

TCMSP 还在开发中。从 PRD 看，远期目标包括：中药系统药理科研智能体、民族药多尺度机制解析、复方新适应症预判、病证驱动智能组方、功效成分发现与结构优化等。Desktop 端也有独立的商业路线图。

AI Agent 正在从通用编程工具演变为领域专用科研平台。Claude Science 从生物科学切入，TCMSP 从中药系统药理学切入，路径不同，方向一致。

TCMSP 官网：https://tcmsp-e.com/

基于对 Claude Science v0.1.0-dev.20260630 的逆向分析。