功能特性
Protomia 1.0 Catalyst 可以为计算化学研究者提供哪些支持。
Protomia 的目标不是提供零散的聊天回复，而是协助研究者完成真实的计算化学工作。
从对话中启动化学工作流
Protomia Catalyst 支持以问题为起点的对话式工作流。研究者可以直接用自然语言描述目标计算，并在同一条线程里持续完成设置、执行和结果解读。
在这一范围内，系统可以协助准备和审阅输入、通过已连接工具发起计算、检查输出，并为常见分子任务整理结果，例如单点能、几何优化、过渡态搜索、频率、红外、拉曼、紫外可见、热化学和反应能计算。
处理真实集群作业
在受支持的计算环境中，Protomia Catalyst 可以直接处理已经提交的真实作业，而不只是停留在抽象讨论层面。
这包括准备作业相关文件、提交运行、监控排队或执行状态，并在结果可用后回到同一条对话中继续分析。具体支持哪些环境，取决于当前的连接配置，例如 Protomia Hub 或用户已经接入的集群环境。
运行快速 ML 势模拟
当某个体系和研究问题适合采用 ML 势方法时，Protomia Catalyst 可以帮助搭建、运行并审阅这类更快的模拟流程。
这类流程通常适用于探索性模拟、筛选，或其他适合使用近似方法的场景，可作为成本更高的量化化学流程的补充。
让回答建立在真实来源之上
Protomia Catalyst 可以在会话中调用来源材料，让解释和工作流建议建立在参考资料之上，而不是只依赖模型记忆。
可用来源包括产品或工具文档、上传或链接的 PDF、科学文献，以及当前工作上下文里可访问的研究资料。这对于方法解释、引文检索、实现细节确认和假设核查都很有帮助。
编写研究脚本与 Notebook
许多计算化学项目不只有计算本身，还离不开脚本、Notebook、数据整理，以及把流程串起来的胶水代码。
Protomia Catalyst 可以协助起草、检查和修改这部分研究代码，用于准备计算、处理输出、分析结果，或把流程整理成可复用的脚本和 Notebook。
从整理好的学习材料中获取帮助
当用户需要示例、解释或入门材料时，Protomia Catalyst 可以把其可访问知识源中的整理材料作为参考。
当前范围内提到的材料包括 MLatom 教程，以及 Computational Chemistry and AI 课程内容。实际使用时，这意味着系统可以据此解释方法，或帮助拼装可重复的工作流模式。
从结果走向写作
研究工作流往往会从计算输出继续延伸到图表、笔记和论文准备。
Protomia Catalyst 可以帮助整理结果、起草或修改论文文字、准备审稿回复、检索引文，并处理 Word、LaTeX 以及面向 PDF 的编辑流程。
使用自定义技能
这里所说的技能，是指用于描述偏好工具、方法、约束或工作步骤的可复用指令文件。
Protomia Catalyst 可以读取 Claude-style skills 或类似的结构化说明，让研究组的方法模板、写作规范和工具使用规则在会话中持续生效。