解读

面试官希望看到候选人能把“大模型驱动的Agent”与“真实实验室自动化硬件”打通，给出一条可落地、可扩展、可解释、可回滚的实验执行链路。重点不在罗列RESTful规范，而在如何封装不确定性、保障安全、支持多步任务拆解与异常自愈，同时兼顾国内高校/药企/检测机构对数据合规与成本控制的刚性要求。

知识点

1. 实验执行接口四层模型：物理层→驱动层→技能层→任务层，层层解耦，方便后续强化学习策略热插拔。
2. 安全对齐机制：“双钥匙”（Agent签名+实验员二次JWT）与**“沙箱白名单”（仅允许预置12类液体/固体/温度操作）并行，满足GB/T 34948-2017《实验室自动化系统安全要求》**。
3. 可解释性设计：每条API响应必须携带**“实验步骤哈希”与“参数溯源链”，支持国产可信时间戳服务**（如CFCA）留痕，方便事后审计。
4. 多模态反馈：除JSON外，机器人须回传实验过程短视频（≤5 s）与关键帧OCR文本，供大模型做视觉-语言对齐自检。
5. 国产适配：默认兼容ROS2-Industrial与华为MindSpore Edge推理框架，支持在昇腾910B上本地部署7B以下模型，避免出口管制风险。

答案

我给出一套“Agent-Experiment-Gateway”接口规范，核心思想是**“把实验当作一次带状态的事务”**：

1. 事务级入口
   POST /api/v1/experiment/transaction
   Header: X-Agent-Signature, X-Operator-JWT
   Body: {
   “goal”: “合成3g阿司匹林并测定熔点”,
   “max_cost_rmb”: 180,
   “deadline_unix”: 1719200000,
   “safety_level”: 2
   }
   返回：
   {
   “tx_id”: “lab_tx_4f89ab”,
   “status”: “ACCEPTED”,
   “estimated_time_min”: 42,
   “lock_resources”: [“fume_hood_3”, “balance_0.1mg”]
   }

2. 技能级原子
   事务被Agent拆成**“技能包”（Skill Package），每个技能对应一个“沙箱白名单”**内的原子操作：
   POST /api/v1/skills/dispense
   Body: {
   “tx_id”: “lab_tx_4f89ab”,
   “skill_id”: “dispense_001”,
   “reagent”: “水杨酸”,
   “target_mass_g”: 2.015,
   “tolerance_mg”: 5,
   “allow_substitute”: false
   }
   机器人执行后回传：
   {
   “skill_status”: “SUCCESS”,
   “actual_mass_g”: 2.012,
   “video_url”: “minio://lab-videos/dispense_001.mp4”,
   “frame_ocr”: “balance reading 2.012 g”,
   “step_hash”: “sha256:3b4c…”
   }

3. 异常与自愈
   若**“actual_mass_g”超出“tolerance_mg”，接口自动触发“子事务补偿”：
   POST /api/v1/skills/compensate
   Body: {
   “tx_id”: “lab_tx_4f89ab”,
   “parent_skill_id”: “dispense_001”,
   “strategy”: “re_dispense_50mg”
   }
   补偿次数>3次仍失败，事务状态置为“HUMAN_REQUIRED”，并短信+钉钉通知实验员，同时释放资源锁**，避免死等。

4. 结果封存
   当所有技能包完成，Agent调用：
   POST /api/v1/experiment/transaction/finalize
   系统把**“实验步骤哈希链”打包成“.tar.gz”，调用CFCA时间戳接口固化，最后把“熔点仪原始数据.csv”与“视频索引.json”推送到本地MinIO**，返回**“实验报告PDF下载链接”**。

5. 成本与合规
   整个链路默认走实验室局域网，MinIO+PostgreSQL全容器化部署在华为Taishan 200服务器，单条实验数据不出境；若需云端大模型诊断，仅上传脱敏步骤哈希，满足**《中国人类遗传资源管理条例》**要求。

拓展思考

1. 强化学习接入：把**“技能成功率”与“耗材成本”作为reward，在昇腾910B上用MindSpore RL在线调参，实现“越用越省”**的Agent策略。
2. 数字孪生回放：利用NVIDIA Omniverse国产替代方案（如元象XVERSE）把实验哈希链+视频重建成3D时序，支持**“拖拽式回滚”**到任意一步，方便教学与审计。
3. 多机器人协同：当实验需要**“平行合成”时，可在tx_id下挂“子tx_id”，通过ROS2 DDS实现纳秒级时钟同步**，避免**“双平衡同时占用”**死锁。
4. 国产大模型微调：用ChatGLM3-6B在合成化学实验日志上继续预训练，得到LabGLM，替换通用大模型做**“实验步骤自动生成”，减少幻觉导致的安全事故**。