可选智能体介绍

基本的 CASSIA 工作流程对于大多数情况来说已经足够了。但是，为了处理一些特殊情况，我们现在介绍几个高级智能体。

如何选择合适的智能体

图：帮助您根据情况选择合适 CASSIA 智能体的决策树。

快速总结：

• 准备运行 CASSIA + 需要详细/新颖注释 → RAG 智能体（仅 Python）
• 对质量/细节不满意 → 注释增强智能体
• 想要确定性结果 → UQ 智能体
• 有候选项但无法决定 → Symphony 智能体
• 想要探索亚群聚类 → 亚群聚类智能体

🤔 不确定性量化智能体 (UQ Agent)

大语言模型 (LLM) 虽然功能强大，但有时会产生可变的输出。不确定性量化 (UQ) 智能体通过采用基于共识的策略来缓解这一问题。例如，如果一个模型在一次尝试中的正确率为 80%，那么独立查询五次并通过多数投票汇总结果，理论上可以将准确率提高到 94.2%。UQ 智能体自动化这一迭代过程，以增强 CASSIA 细胞类型注释的可靠性和鲁棒性。

🚀 注释增强智能体 (Annotation Boost Agent)

此智能体已出现在之前的工作流程中，但您也可以选择将其应用于您选择的聚类。注释增强智能体可以读取 CASSIA 的注释报告，然后不断生成假设并从聚类中检索基因表达信息来验证这些假设，最终优化注释结果。在我们的测试中，该智能体表现出色，是 CASSIA 的核心创新之一。

⚖️ SymphonyCompare智能体

我们知道，基本的 CASSIA 工作流程输出三个可能的最终注释，按可能性从高到低排列。有时，我们会遇到模棱两可的注释。在这种情况下，SymphonyCompare智能体可以帮助识别最可能的注释。这个智能体实际上是几个智能体的组合，每个智能体都会对可能的注释结果进行评分。最终注释是根据这些分数选择的。

🔬 亚群聚类智能体 (Subclustering Agent)

单轮聚类通常是不够的。有时，我们对某些需要提取以进行进一步分析的聚类特别感兴趣。亚群聚类智能体可以同时比较多个聚类，提供更准确和详细的注释。

📚 RAG 智能体 (检索增强生成智能体)

该智能体是 CASSIA 的核心创新之一。根据用户提供的基本信息，它会自动检索标记数据库、细胞本体树，并对细胞类型使用基于 PCA 的方法生成一系列背景信息，以辅助基本的 CASSIA 工作流程。当需要非常详细或新颖的注释时，该智能体显着提高了 CASSIA 的性能。由于库依赖关系，RAG 智能体目前仅在 Python 中可用。