收录解读
这篇论文处理的是 drug discovery workflow 里一个非常实际但长期没有被系统解决的问题：药物分子评估、筛选和优化通常要跨多个学科工具和几十步顺序操作，通用 agent 在这种长链、高约束场景里往往很快失稳。作者把问题明确成“workflow orchestration competence”，而不是继续把注意力停留在单次 tool call 或 ad hoc scripting 上。
论文提出 MolClaw，一个带三层层级技能结构的自主代理系统：tool-level skills 把原子操作标准化，workflow-level skills 负责把这些操作编组成可验证的管线并执行质量检查与反思，discipline-level skill 则提供跨任务的领域原则来约束规划和验证。与此同时，作者还提出 MolBench，把分子筛选、优化和端到端 discovery 组织成需要 8 到 50+ 次顺序工具调用的 benchmark，用来直接测工作流能力而不是只测局部工具使用。
这篇值得正式收录，因为它同时补了两个仓库关心的长期接口：一是 agent 技能系统在科学工作流中的层级化设计，二是 AI for science agent 的长链 benchmark 应该怎么构造。它不只是一个药物代理 demo，而是在把“hierarchical skill substrate + workflow benchmark”压成可复用模式，这对后续更广的 scientific agents 有直接参考价值。
它现在还不到更高一级，主要因为证据仍停留在 bioRxiv 阶段，评测也主要集中在药物相关流程本身，跨领域可迁移性还没有被充分证明。换句话说，它已经是这条线上的强 breakthrough，但距离成为更普适的 scientific agent 基础设施或范式级接口还差外部验证和更广 adoption。