LobsterBio - Dev

核心定位与价值

Lobster AI 是一款基于 LangGraph 编排的多智能体生物信息学分析平台，该 skill 提供完整的开发指南，帮助开发者理解架构、扩展功能并参与开源贡献。

核心用法与架构模式

关键开发原则

1. ComponentRegistry 驱动：Agent 通过 entry points 自动发现，禁止硬编码注册
2. AGENT_CONFIG 置顶配置：模块顶部定义配置（<50ms 发现延迟），延迟加载重量级依赖
3. Service 三元组返回：所有服务必须返回 (AnnData, Dict, AnalysisStep) 标准结构
4. IR 溯源强制传递：工具调用必须传入 ir=ir 参数确保分析可复现
5. PEP 420 命名空间包：lobster/ 目录无 __init__.py，支持插件化扩展

Agent 开发流程

• 创建独立包于 packages/lobster-{domain}/
• 模块顶部定义 AGENT_CONFIG（含名称、描述、工厂函数、handoff 工具等）
• 通过 pyproject.toml entry points 注册：[project.entry-points."lobster.agents"]
• 实现工具函数包裹 Service，强制调用 log_tool_usage(..., ir=ir)

Service 开发规范

def analyze(self, adata, **params) -> Tuple[AnnData, Dict, AnalysisStep]:
    # 分析逻辑 → 返回处理数据、统计字典、溯源对象
    return processed_adata, stats, ir

显著优点

1. 标准化扩展机制：Entry point 注册 + 命名空间包设计，实现真正的插件化架构
2. 强制溯源合规：W3C-PROV 标准的数据血缘追踪，满足科研可重复性要求
3. 性能优化设计：配置置顶、延迟加载确保 Agent 发现 <50ms
4. 领域模块化：转录组、蛋白组、结构可视化等 8+ 独立包，避免依赖膨胀
5. 完整 DevEx：Makefile 封装、分层测试（unit/integration）、black/isort 自动化格式化

潜在局限与风险

1. Python 生态绑定：深度依赖 LangGraph、AnnData、PEP 420，跨语言扩展困难
2. 生物信息学门槛：需理解单细胞数据结构（AnnData）和生物分析流程
3. IR 传递易遗漏：手动 ir=ir 要求可能因遗忘导致溯源断裂
4. 多包协调复杂度：8+ 独立包并行开发时版本对齐成本较高
5. 外部文档依赖：核心文档指向 docs.omics-os.com，离线场景受限

适用人群

• 生物信息学工程师：开发定制化分析 Agent 或 Service
• 平台架构师：理解 LangGraph 多智能体编排与插件系统设计
• 开源贡献者：参与 Lobster 核心或领域包的功能扩展
• 科研机构开发者：需要可溯源、可复现的生物信息学分析 pipeline

常规风险提示

• 数据安全：处理基因组/单细胞数据需遵守机构伦理与数据保护规范
• 版本兼容性：LangGraph 快速迭代，建议锁定版本并关注 breaking changes
• 测试覆盖率：生物分析结果依赖复杂，需充分的 integration test 验证
• 依赖管理：scRNA-seq 等分析依赖 heavy bioinfo 工具链（Scanpy, Squidpy 等），注意环境隔离