文章目录 [+]
说实话，写这篇之前我拖了挺久。不是没东西写，是“质谱AI工具”这四个字现在有点被用坏了。随便一个软件加个预测模型就敢自称AI，点进去一看，无非是库匹配套了层壳，演示数据漂亮，真拿自己的样品一跑，候选列表排得莫名其妙，还不告诉你为什么这么排。我被骗过几次，所以对“智谱”这个质谱AI工具，第一反应也是将信将疑。
但用了一圈下来，有些话还是值得写下来。
我烦的到底是什么
解一个未知物，我桌面上常年开着四五个软件。转格式一个，跑库一个，猜化学式一个，PubChem翻结构又一个，实在不行才硬着头皮上De novo。每一步单拎出来都不难，烦的是它们互相不认识。中间文件堆一桌面，换个软件参数重设一遍，做到一半接个电话回来，自己都忘了上一步阈值设的多少。这种消耗比解不出结构本身更磨人。
所以我对质谱AI工具的期待一直很朴素：别跟我吹算法多强，先帮我把这堆碎东西串起来。
智谱的MassClaw：它确实在串，而且串得让我看得见
引力波智谱出的MassClaw，定位是对话式解谱智能体。我把一个中药提取物的高分辨RAW文件直接丢进去试了。按传统走法，标准库、虚拟库、化学式预测、PubChem检索、De novo，几条线手动跑一遍，小半天就没了。MassClaw的做法是对话触发，从谱图转换开始自动往下走，最后吐出来的是一个带置信度评分的top-k候选结构列表，旁边附了每一步在干什么。
最让我觉得“对了”的，不是速度，是可追溯。哪一步库匹配命中了，哪一步没命中所以降级到化学式预测，哪一步走了De novo硬猜，都摊在对话记录里。以前跟同事解释“为什么选这个结构”，我得靠回忆和翻文件；现在至少有个东西可以指。对于质谱这种结果直接关系到定性的场景，这一点比单纯跑得快值钱。
但它不 magic。底层跑的还是库匹配、正向预测、逆向预测、De novo那些已有的东西。标准库覆盖好的样品，它快得几乎没存在感；换成一个结构偏一点的代谢物，候选排序照样会飘。它做的是调度，不是算法突破。你让一个调度层去解决底层模型本身的能力上限，是难为它。MassClaw真正改变的是我工作的姿势：从“操作四五个软件的人”，变成了“跟一条流水线对话的人”。省下来的时间不是用来发呆的，是用来盯着那些飘忽的候选、用自己的判断去压一压的。
另一个“智谱”走的是完全相反的路
我后来才发现，质谱圈叫“智谱”的不止一个。智谱纵横是一个本地插件式的质谱工具包，数据不上云，核心是一个极简框架加插件商店，要什么功能自己装，不用就卸。如果说MassClaw是帮你把全流程串起来，智谱纵横就是给你一箱轻量零件让你自己搭。对于反感数据上传、或者只想解决某个单点问题的人来说，这个路线可能比MassClaw更顺手。
两个“智谱”放在一起看挺有意思：质谱AI工具到底该长成“智能体”还是“工具箱”，显然还没吵出结论。这本身就是一个信号，这个领域还没有收敛到唯一正确的形态。
用了这一圈下来，我最大的感受是：质谱AI工具眼下最大的瓶颈，可能不是“算得不够准”，而是“用得不够顺”。基础算法当然还在进步，但一个普通实验室每天耗在流程摩擦上的时间，比耗在等一个更好模型上的时间多得多。很多工具在论文里很漂亮，落到真实样品上，第一步格式转换就能卡住人。
MassClaw我会继续用，尤其是在需要把解谱过程交代清楚的场景里，它省下来的解释成本比省下来的时间更值钱。智谱纵横我也会留着，当我不想把数据往任何地方传的时候，它是个安静的备胎。
但让我关掉自己的判断、把未知物直接交给任何一个“智谱”，还早。等哪天它能把“这个候选是库匹配给的，那个是De novo硬猜的”标得明明白白，我可能会更放心一点。
在那之前，它们是好用的质谱AI工具，不是替我拿主意的人。
