跳到主要内容

BioF3 v3.0 — 当教程开始记得你

· 阅读需 8 分钟
BioF3 团队
BioF3 团队
生物信息学数据分析专家

BioF3 v3.0 上线，把"中文生信教程站 + 单细胞云平台"重新组织成了一件事：AI 陪伴的全组学学习平台。

这篇博客讲三件事：v3.0 在做什么、跟之前有什么不同、以及哪些用户会从这次升级里受益。

之前 BioF3 是什么样​

简单说就是三摞东西堆在一起：

  1. 65 篇中文生信教程（基础入门 + 单细胞 + bulk RNA-seq + 表观 + 基因组 + 蛋白 + 多组学整合）
  2. 32 张 FigCode 卡片（SCI 论文常见图的可复制 R 代码）
  3. 单细胞云平台（在线跑 scRNA-seq 标准分析）

三摞东西之间没有连接。读教程的人不知道还有 FigCode，跑分析的人不知道有教程。AI 助手在角落里能聊天，但它不知道用户是谁、学到哪、卡在哪。本质上是个"内容多但不互通"的状态。

v3.0 改了什么​

一句话：让 AI 真的能"看见"全站每一篇内容，并且能记住每个用户当前在哪、学到哪。

具体落地的功能：

1. AI 陪学​

任何一篇教程的页面底部，多了一个横幅：

让 AI 陪我学这一篇 AI 会基于这篇的元数据 · 领域 single-cell · 难度 intermediate · 约 60 分钟 给你制定 3-5 步学习计划，逐步陪你学完，最后出 1-3 道题验证。

[开始陪学]

点开之后右下角的 Copilot 会自动接管：先给你这篇教程的导览段落，调起 plan 工具创建一份 3-5 步的学习计划，每完成一步你跟它说一声，它给反馈、提示下一步。计划走完，它会给你出 1-3 道理解题，根据你的回答给每个相关概念打 weak / moderate / strong 标记。

下次你再来 BioF3，跟 Copilot 说"接下来学什么"，它会优先把你之前没答好的概念翻出来，问"上次 UMAP 那块儿你有点模糊，要不要再过一遍"。

2. FigCode ↔ Docs 跨页跳转​

每张 FigCode 卡片的右侧详情区多了"这张图属于哪节课"链接，点过去就到对应教程；反过来教程里也能内嵌 FigCode 卡片，看到"火山图"概念时直接点"在线绘图"调起 R 编辑器，把示例代码加载进来。

不用再切 7 个 tab。

3. 学习记录页​

登录后右上角用户菜单里有"我的学习记录"，进去能看到：

  • 你完成的教程数 / FigCode 数 / 累计学习时长（估算）
  • 各组学领域的分布柱状图
  • 待复习的弱概念清单（按 weak / moderate / strong 颜色编码）
  • 时间线（最近 30 条事件）
  • 一个"打印 / 另存为 PDF"按钮（浏览器自带，离线带走）

跑过几个章节之后这页面会有点意思 — 它不是给老板看的 KPI 表，是给你自己看的"我学了多少"的实物。

4. AI 推荐能跨组学​

举个例子：你已经把 bulk RNA-seq + proteomics 都学了一些，跟 Copilot 说"接下来呢"，它会调一个工具，发现"08 与转录组联合分析"这一篇的前置正好横跨这两个领域 — 它就会给你打个 +25 分推荐："跨领域：前置已跨组学学完"。

不再是"你看了 single-cell 我就推 single-cell"，而是真的能识别"你已经准备好可以做整合分析了"。

5. 全站统一登录​

之前登录入口只在单细胞云平台里，导致一个进站读教程的用户根本找不到登录按钮。现在 navbar 右上角直接有"登录 / 注册"按钮，登录后任何页面都能用陪学 / 进度 / 推荐功能。

后端的鉴权一直是统一的，这次只是把 UI 拉通了。

三个数字​

  • 65 / 65 docs metadata — 全站每篇教程都填好了 7 字段元数据（领域 / 难度 / 估时 / 前置 / 学习产出 / 是否动手 / 关联概念）
  • 32 / 32 figcode metadata — 32 张图代码全部接入推荐系统
  • 0 warnings — 跨引用全通过，AI 不会推荐到不存在的资源

为什么这件事值得做​

现在大多数生信工具都加了"AI 助手"，但体感都很类似：你问它，它答你，仅此而已。它不知道你是谁，也不知道你之前问过什么，每次开新对话像跟一个失忆的人聊天。

BioF3 想试的是另一个方向：AI 不只是个问答框，它是这个学习平台的一部分。

它能看见你正在读哪篇 docs，知道这篇是 intermediate 难度、需要 1 小时；它知道你三天前学完了模块 4，今天该问"你 UMAP 那块儿还记得吗"；它知道你的 FigCode 卡片点到哪一张该往哪一篇教程跳。

这种"上下文"对老用户没那么重要 — 老用户自己什么都知道。但对入门者很重要：生信代码门槛已经不高了，难的是组学分析的思路和判断。AI 应该帮入门者补这一段，不该让他自己摸黑。

怎么开始​

如果还没注册过 BioF3：

  1. biof3.com 右上角点"登录 / 注册"
  2. 当前是邀请制内测阶段，可以在文末留言或通过站内 Copilot 申请邀请码
  3. 进任意一篇感兴趣的教程，点底部"让 AI 陪我学这一篇"

如果已有账号：

直接进 我的学习记录 看看是空的还是已经有点东西。然后挑一篇没读过的教程开始陪学。

不卖关子的部分​

  • 当前是邀请制内测，没对外开放注册 — 先把头一批种子用户的反馈跑顺，再决定怎么扩。
  • 教程内容没新增：这次升级只是把已有内容织进了一张能让 AI 理解的网。新组学专题（空间多组学 / 微生物组）排在 Phase δ，得等等。
  • 数据隐私：登录用户的 progress / 对话 / 学习记录都只在 BioF3 自己的服务器上，每天有备份，不会发给 DeepSeek 原文。
  • AI 给出的"陪学计划"和"验证理解"基于教程的元数据 + 用户进度，不是凭空发挥；它会出错，请把它当作助教而不是老师。

接下来​

v3.0 之后会进入一段真用户测试期：邀请少量种子用户跑完整流程，根据反馈做必要修复。如果你正在学组学分析，且愿意花两小时帮忙跑一遍并接受 30 分钟反馈访谈，欢迎在文末留言或站内联系。

如果你只是路过的同行，看到这篇博客觉得方向有意思，把它发给一个正在学单细胞的学生让他试一下，比任何形式的反馈都有用。

常见误解​

  1. "AI 陪学会替代自己动手"。AI 陪学的定位是助教，不是代劳者。它会给你学习计划、提示下一步、出题验证理解，但代码还是要你自己跑、结果还是要你自己解读。如果你把它当成"帮我写代码的工具"，你会发现它故意不这么做 — 它会引导你自己写出来。

  2. "登录后 AI 就能回答所有生信问题"。BioF3 的 AI 是基于站内 65 篇教程和 32 张 FigCode 的元数据来做推荐和陪学的，它的知识边界就是这些内容。超出站内覆盖范围的问题（比如某个冷门工具的用法），它可能给不出好答案。这时候还是要去官方文档或社区提问。

  3. "学习记录页是给老板看的 KPI"。学习记录页的设计目的是帮你自己追踪进度和发现薄弱点，不是考核工具。weak / moderate / strong 的标记是 AI 根据你的回答给出的参考，不是绝对评价。如果你觉得某个标记不准，直接忽略它，重新学一遍对应内容就好。

—

发这篇博客的同时新加了一个 更新历史 页面，记录 BioF3 从 v1.0 到现在每个版本做了什么。