技能介绍

要解决什么问题

化学工艺开发里，反应条件（试剂、溶剂、温度等）的组合空间往往很大，逐点试错成本高。贝叶斯优化（BO） 可以在有限实验预算下，根据已有结果逐步推荐下一批待测条件。本技能围绕 Python 包 synbo，把「反应空间 → 条件描述符 → 初始化 → 优化 → 结果回传」串成可重复执行的工作流，适合在本地项目目录里管理一次 BO 课题的全套中间产物。

技能如何工作

执行任何 initialize / optimize 类任务前，技能会按顺序核对五类前置条件，缺一不可：

Conda 与 synbo：确认 synbo_env 环境存在且已安装 synbo
工作目录与项目名：从技能目录的 config.json 读取 project_wd、project_name；若无则校验路径存在后写入配置，并据此确定输出 save_dir
反应空间：project_wd/rxn_space 下需有各试剂类型的 {reagent_type}.csv（列：SMILES、name）
条件描述符：project_wd/descriptors 下需有对应描述符，或按指引自动生成
优化指标：project_wd/optimization_settings.json 定义目标（如产率、ee）、优化方向（max/min）、数值范围与权重

反应空间可通过聊天输入 SMILES 或上传表格；未命名分子会按 {reagent_type}-1 等形式自动命名。初始化、描述符生成与优化步骤分别遵循技能内 reference/ 文档（如 initialize.md、get_desc.md、optimize.md），并支持下载推荐条件、上传实验结果。

适用边界与注意点

本技能不是通用超参搜索框架的替代品，而是面向化学反应条件、且强依赖 synbo 包与既定目录结构 的编排助手。在步骤 1～4 未全部满足前，不会启动优化流程；反应空间与描述符需符合 synbo 侧「标准」数据形态。若本地无 Conda，需先与用户确认安装 Miniconda 等环境，再创建 synbo_env。