RxnIM

RxnIM 化学反应图像解析技能。当用户需要：(1) 从化学反应图像提取 SMILES 结构， (2) 识别反应条件（试剂/溶剂/温度/产率），(3) 将反应图转化学结构数据时触发。基于 Chem. Sci. 2025 论文 "Towards Large-scale Chemical Reaction Image Parsing via a Multimodal Large Language Model"。支持 HuggingFace 在线 API（推荐）和本地 conda 部署两种调用路径。

fqiangliu@fqiangliu

Install

openclaw skills install @fqiangliu/rxn-im

RxnIM - 化学反应图像多模态大模型

技能概述

RxnIM 是一个多模态大语言模型，专门从化学反应图像中提取结构化数据，无需人工标注。支持三种核心任务：

任务	描述
反应提取	从图像中提取反应物→产物的 SMILES 结构
条件 OCR	识别试剂、溶剂、温度、产率等反应条件
角色识别	判断各化学物种在反应中的角色（reactant/product/reagent/solvent）

模型性能: 在 Pistachio（合成）和 ACS（真实）数据集上，soft-match F1 达到 84%–92%，显著优于先前方法。

触发判断

当用户表达以下意图时，激活本技能：

"从这张图里提取反应"
"把化学反应图像转成 SMILES"
"识别这张反应图的条件"
"化学反应图像 OCR"
上传/描述化学反应图片并要求分析
"RxnIM"、"reaction image parsing"、"反应图像提取"

调用路径

路径一：HuggingFace 在线 API（推荐，无需本地部署）

text

POST https://CYF200127-RxnIM.hf.space/run/predict
Headers: Content-Type: application/json
Body: { "data": ["data:image/png;base64,<base64_image>"] }

Python 调用示例：

python

import base64, requests, json

def parse_reaction_image(image_path: str, hf_space: str = "https://CYF200127-RxnIM.hf.space") -> dict:
    with open(image_path, "rb") as f:
        b64 = base64.b64encode(f.read()).decode()
    resp = requests.post(
        f"{hf_space}/run/predict",
        json={"data": [f"data:image/png;base64,{b64}"]},
        timeout=120
    )
    return resp.json()

# 使用
result = parse_reaction_image("reaction.png")
print(result["data"])  # 完整文本输出

输出字段说明：

json

{
  "data": "Reaction: 1\nReactants: CC(C)(C)OC(=O)N[C@@H]1C[C@H]2C(=O)O[C@H]2[C@@H]1Br\nConditions: Br2, Pyridine[reagent], DME/H2O[solvent], 0-5°C[temperature], 68%[yield]\nProducts: CC(C)(C)OC(=O)N[C@@H]1C[C@@H](CO)[C@@H](O)[C@@H]1Br\nFull Reaction: ... | ..."
}

路径二：本地 conda 部署

bash

# 1. 克隆仓库
git clone https://github.com/CYF2000127/RxnIM
cd RxnIM

# 2. 创建环境
conda create -n rxnim python=3.10
conda activate rxnim

# 3. 安装依赖
pip install -r requirements.txt

# 4. 下载模型权重（~14GB）
# https://huggingface.co/datasets/CYF200127/RxnIM → RxnIM-7b.zip
# 解压到本地路径，修改 config/_base_/dataset/DEFAULT_TRAIN_DATASET.py 中的路径

# 5. 推理
sh eval.sh

⚠️ 本地部署需要约 16GB GPU 显存，推荐 Linux + CUDA 环境。

任务流程

标准流程：化学反应图像解析

text

用户上传/提供图像 → base64 编码 → 调用 HF API → 解析 JSON 输出 → 格式化呈现

接收图像：从用户上传、URL 或文件路径获取化学反应图像
编码：转换为 base64 字符串，构造 data:image/png;base64,... 格式
请求：POST 到 HuggingFace Space，timeout 设为 120s（大模型推理较慢）
解析：从 response["data"] 提取文本，手动分割各字段
格式化：以结构化 Markdown 表格呈现给用户
校验（可选）：将提取的 SMILES 传入 pharmaclaw-chemistry-query 技能验证有效性

输出格式规范

解析后，按以下格式组织结果：

text

✅ 反应解析成功

**Reaction: 1**
| 角色 | 内容 |
|------|------|
| Reactants（反应物） | `CC(C)(C)OC(=O)N[C@@H]1C[C@H]2C(=O)O[C@H]2[C@@H]1Br` |
| Conditions（条件） | Br2, Pyridine[reagent], DME/H2O[solvent], 0-5°C[temperature], 68%[yield] |
| Products（产物） | `CC(C)(C)OC(=O)N[C@@H]1C[C@@H](CO)[C@@H](O)[C@@H]1Br` |
| Full Reaction | `>>` 格式完整反应式 |

📝 完整输出:
{radio_output}

输入输出示例

示例 1：单步反应

输入图像: 含一个化学反应的 PNG/JPG

API 输出（原始）:

text

Reaction: 1
Reactants: CC(C)(C)OC(=O)N[C@H]1C=C[C@H](C(=O)O)C1
Conditions: Br2, Pyridine[reagent], DME/H2O[solvent], 0-5°C[temperature], 68%[yield]
Products: CC(C)(C)OC(=O)N[C@@H]1C[C@H]2C(=O)O[C@H]2[C@@H]1Br
Full Reaction: CC(C)(C)OC(=O)N[C@H]1C=C[C@H](C(=O)O)C1>>CC(C)(C)OC(=O)N[C@@H]1C[C@H]2C(=O)O[C@H]2[C@@H]1Br | Br2[reagent], Pyridine[reagent], DME/H2O[solvent], 0-5°C[temperature], 68%[yield]

示例 2：多步反应

RxnIM 支持从一张图中解析多步反应：

text

Reaction: 2
Reactants: CC(C)(C)OC(=O)N[C@@H]1C[C@H]2C(=O)O[C@H]2[C@@H]1Br
Conditions: LiBH4[reagent], THF/H2O[solvent], -5°C[temperature], 90%[yield]
Products: CC(C)(C)OC(=O)N[C@@H]1C[C@@H](CO)[C@@H](O)[C@@H]1Br

Reaction: 3
Reactants: CC(C)(C)OC(=O)N[C@@H]1C[C@@H](CO)[C@@H](O)[C@@H]1Br
Conditions: 48% aq. HBr[reagent], IPA[solvent], 55°C[temperature]
Products: Br.N[C@@H]1C[C@@H](CO)[C@@H](O)[C@@H]1Br

与其他技能的 Chaining

→ pharmaclaw-chemistry-query（推荐）

提取的 SMILES 可直接传给 pharmaclaw-chemistry-query 技能进行二次分析：

text

用户: 分析这个反应图像 → RxnIM 提取 SMILES → 传入 pharmaclaw-chemistry-query → 
  → 分子性质查询 + 2D 可视化 + 逆合成分析

触发词："分析产物性质"、"可视化这个反应"、"做逆合成规划"

→ wecom-doc / tencent-docs

将结构化结果写入企业微信文档或腾讯文档存档。

已知限制与注意事项

限制	说明	缓解方案
图像质量依赖	低分辨率/模糊图像解析效果下降	建议上传 300 DPI 以上的清晰图
SMILES 有效性	极少数情况下可能输出无效 SMILES	使用 RDKit 验证，失败时提示用户
API 延迟	HuggingFace 免费版推理较慢	设置 timeout=120s，用户等待时显示进度
手写/扫描图像	效果弱于印刷版化学图像	建议使用印刷版或高清截图
显存要求	本地部署需要 ~16GB GPU	优先推荐 HF 在线 API

数据集与资源

资源	链接
HuggingFace 在线 Demo	https://huggingface.co/spaces/CYF200127/RxnIM
模型权重下载	https://huggingface.co/datasets/CYF200127/RxnIM（RxnIM-7b.zip）
合成数据集	Pistachio（HuggingFace 同上）
真实数据集	ACS Publications（HuggingFace 同上）
源代码	https://github.com/CYF2000127/RxnIM
相关工作 ChemEAGLE	https://github.com/CYF2000127/ChemEAGLE

引用

bibtex

@article{D5SC04173B,
  author = {Chen, Yufan and Leung, Ching Ting and Sun, Jianwei and
            Huang, Yong and Li, Linyan and Chen, Hao and Gao, Hanyu},
  title  = {Towards large-scale chemical reaction image parsing via a
            multimodal large language model},
  journal = {Chem. Sci.},
  year   = {2025},
  volume = {16},
  issue  = {45},
  pages  = {21464--21474},
  publisher = {The Royal Society of Chemistry},
  doi    = {10.1039/D5SC04173B},
  url    = {http://dx.doi.org/10.1039/D5SC04173B}
}

依赖项

类别	依赖
在线 API	requests, base64（标准库）
本地部署	torch, transformers, datasets, pillow, numpy, nltk, pandas, mmengine, tensorboard, einops, tqdm, matplotlib, accelerate, SentencePiece, gradio, fastapi, uvicorn, bitsandbytes
验证（可选）	RDKit（通过 chaining 调用 pharmaclaw-chemistry-query）
环境	Python 3.10+, CUDA 11.8+（本地部署）

RxnIM

Install

RxnIM - 化学反应图像多模态大模型

技能概述

触发判断

调用路径

路径一：HuggingFace 在线 API（推荐，无需本地部署）

路径二：本地 conda 部署

任务流程

标准流程：化学反应图像解析

输出格式规范

输入输出示例

示例 1：单步反应

示例 2：多步反应

与其他技能的 Chaining

→ pharmaclaw-chemistry-query（推荐）

→ wecom-doc / tencent-docs

已知限制与注意事项

数据集与资源

引用

依赖项

Related skills