tooluniverse-organic-chemistry

有机化学推理指南

本指南讲解的是如何思考有机化学问题，而不是应该记住什么。

---

1. 预测反应产物——推理过程

不要根据名称反应进行模式匹配，而要从基本原理出发推理：

第 1 步——找出反应性最强的位置

观察每个分子，并思考：电子密度在哪里？

• 富电子位点（亲核试剂）：N、O、S 上的孤对电子；π 键（C=C、芳香环）；碳负离子；烯醇盐
• 缺电子位点（亲电试剂）：与电负性原子相连的碳（C=O、C-X）；碳正离子；具有空轨道的原子

反应会发生在亲核性最强的位点与亲电性最强的位点相遇之处。

第 2 步——这是哪种成键／断键方式？

三种基本类别：

• 离子反应（极性反应）：电子成对移动。一种物质提供电子，另一种接受电子。溶液化学中最常见。
• 自由基反应：电子逐个移动。留意：加热 + 过氧化物、紫外光（hv）、NBS 或自由基引发剂。
• 周环反应：电子在协同的环状过渡态中移动。留意：没有其他试剂时的加热或光照、二烯 + 亲二烯体、σ 迁移反应。

第 3 步——电子如何流动？

从亲核试剂向亲电试剂画箭头。思考：

• 哪个原子的轨道重叠最佳？
• 是否必须进行背面进攻（SN2），还是亲核试剂可以从任一面靠近（SN1）？
• 对 C=C 的加成：哪个碳原子与亲电试剂结合？（马氏规则 = 形成取代程度更高的碳正离子中间体；反马氏规则 = 自由基反应或硼氢化）
• 对 C=O 的加成：亲核试剂进攻碳原子（Bürgi-Dunitz 角约为 107 度）。
• 对 E2 消除：碱的体积决定区域选择性。位阻大的碱（KOtBu、LDA、DBU）倾向于生成霍夫曼产物（取代程度较低的烯烃），因为它们会夺取位阻较小的质子。体积小的碱（NaOEt、KOH、NaOMe）倾向于生成扎伊采夫产物（取代程度较高、稳定性更高的烯烃）。预测区域选择性前，务必先检查碱的体积。
• 对多步合成中的离子追踪：每一步都写出完整的离子方程式。追踪每种阳离子和阴离子在各步转化中的变化——识别哪些物质溶解、哪些沉淀、形成了哪些络合物，以及哪些物质仍留在溶液中。每一步都要确认：所有离子都追踪到了吗？质量守恒吗？使用溶解度规则（Ksp）和络合物稳定常数（Kf）预测哪些物种会留存。

第 4 步——反应的驱动力是什么？

每个反应都需要热力学上的理由才能进行：

• 离去基团离去：良好的离去基团（I > Br > Cl > F；甲磺酸酯、三氟甲磺酸酯）在离去后能稳定自身
• 环张力释放：环氧化物开环、环丙烷开环
• 芳香性增加：互变异构为芳香形式、消除形成共轭体系
• 形成强键：C-O、C-F、H-O 键很强；形成这些键的反应更有利
• 气体逸出：CO2、N2 或 H2O 的逸出推动平衡正向移动

第 5 步——检查产物是否合理

给出答案前：

• 所有原子的价态都正确吗？（C=4、N=3、O=2、H=1、卤素=1）
• 分子式守恒吗？数清两侧的每个原子。
• 产物在热力学上合理吗？（不要无故提出反芳香性产物或张力较大的小环）
• 不饱和度是否合理？（DoU = (2C + 2 + N - H - X) / 2；苯环 = 4 DoU）

命名反应决策树

根据试剂/条件识别反应类型，然后应用其产物拓扑：

试剂/条件模式	反应类型	产物逻辑
RMgBr（或 RLi）+ ArX + Pd 或 Ni 催化剂	Kumada 偶联	R 替换 Ar 上的 X；过量 RMgBr 会替换所有 X
Ph3P=CHR + 醛/酮	Wittig 反应	C=C 替换 C=O；非稳定叶立德 → Z-烯烃；稳定叶立德（酯/CN）→ E-烯烃
亚砜 + 强亲电试剂（Tf2O、Ac2O）	Pummerer 重排	S 的氧化态降低；α-碳与亲核试剂/离去基团形成新键
烯丙基乙烯基醚受热（或 1,5-二烯-3-醇 + 碱）	[3,3]-σ迁移反应（oxy-Cope/Claisen）	重新画出六元椅式过渡态；在 1,6 位形成新的 σ 键；旧的 3,4 键断裂
二烯 + 亲二烯体，受热	Diels-Alder 反应	[4+2] 环加成；立体化学遵循 endo 规则；顺式亲二烯体取代基保持顺式
ArX + 过量有机金属试剂（无催化剂）	亲核芳香取代或苯炔反应	每个 X 都被亲核试剂替换；根据当量数确定取代程度

逆合成分析

从产物出发反向推断起始原料，识别关键键的形成方式：

1. Robinson 成环反应（产物为稠合或带取代基的 2-环己烯酮体系）：

   • 断开烯酮羰基 α 位的 C-C 键 → 得到两个片段：1,3-二羰基化合物 + 甲基乙烯基酮（或等效的 Michael 受体）
   • 1,3-二羰基化合物（例如 2-甲基-6-氧代环己烷甲酸乙酯）是起始原料
   • 反应机理：Michael 加成，然后发生分子内羟醛缩合

2. 分子内羟醛反应（开放链底物在 KOH/碱作用下形成稠环）：

   • 产物为稠合双环烯酮 → 起始原料为 1,5-二酮（或 1,n-二酮）
   • 碳原子计数规则：产物环大小 = 两个羰基之间的碳原子数 + 1
   • 例如：用 KOH 制备六氢萘-2-酮 → 起始原料应为 2-(3-氧代戊基)环己酮，而不是丁基链

3. 一般断键启发法——识别新键，再选择合适的反应：

   • 新的 C-C 键：羟醛反应、Claisen 反应、Michael 加成、Wittig 反应、Grignard 反应、Diels-Alder 反应
   • 新的 C-O 键：环氧化、水合、氧化
   • 新的 C-N 键：还原胺化、Gabriel 合成、酰胺偶联

基于 ML 的反应/逆合成预测（用于交叉验证，而非替代）

RXNChemistry_predict_reaction（正向预测：从反应物预测最可能的 产物，使用 IBM RXN for Chemistry ML 模型）和 RXNChemistry_predict_retrosynthesis （从目标产物预测候选合成路线）可用于交叉验证基于基本原理推导的 答案，尤其适用于上述命名反应决策树以外的反应。请先按照本技能中的 步骤推理反应机理——这些工具用于检查提出的产物/路线是否合理，而不是替代理解 产物形成的原因。

需要 RXN4CHEMISTRY_API_KEY——已进行实时验证：未设置密钥时，这两个 工具都不会出现在 tu list 中，也不会加载（与 ToolUniverse 中其他位置的 Addgene/USPTO 有相同的刻意密钥门控模式）；设置密钥以启用工具，不要将它们缺失 视为错误。这两项操作都是异步的（通过 poll_interval/max_wait_time 参数轮询）， 因为底层模型以排队任务的方式运行，而不是同步 API 调用。

产物预测策略（分步进行）

1. 反应位点：标记所有反应物中的每个亲核中心和亲电中心
2. 反应类型：将试剂／条件模式与上述决策树进行匹配
3. 键的变化：明确列出哪些键断裂、哪些键形成（逐一写出）
4. 区域化学：Markovnikov（阳离子稳定性）与 anti-Markovnikov（自由基／BH3）；对于 ArX，每个离去基团都是独立的反应位点
5. 立体化学：Wittig 的 E/Z 由叶立德类型决定；SN2 发生构型反转；[3,3] 为同面-同面（椅式过渡态）；Pummerer 保留硫的连接关系
6. 命名产物：将最终结构转换为 IUPAC 名称；对于联芳基体系，按系统规则计算苯基数量（例如，三个相连的苯基 = terphenyl，而不是 triphenylbenzene）

根据反应确定结构

• 当烃在“常规条件”下与 Br2 反应（无 UV、无催化剂）时：这是离子型加成（加到张力环或 C=C 上），而非自由基取代
• 如果产物中每个发生反应的碳原子恰好对应 1 个 Br：考虑张力环丙烷开环或跨 C=C 加成
• Br2 会使张力三元环发生离子型开环，而非自由基取代
• 当金属溶解在其自身高价盐的溶液中时，产物为中间氧化态（归中反应），而非金属置换

燃烧分析策略

• 首选：使用 MolecularFormula_analyze 工具（通过 MCP/SDK），并设置 sample_g、CO2_g、H2O_g 和 molar_mass 参数。备用方案：直接运行 molecular_formula.py。
• 首选：使用带有 formula 参数的 DegreesOfUnsaturation_calculate 工具。备用方案：运行 degrees_of_unsaturation.py --formula <result>。
• 将 DoU 与任何官能团测试结果（Br2 褪色、KMnO4 等）结合，以缩小结构范围

---

2. 光谱解析——解题策略

不要查阅化学位移表。请改用以下系统方法：

从分子式开始

如果已知分子式，先计算不饱和度。这能立即告诉你：

• DoU = 0：无环、无双键（饱和、开链）
• DoU = 1：一个环或一个双键
• DoU = 4：几乎可以确定有一个苯环（3 个双键 + 1 个环）
• DoU = 2：可能是一个三键、两个双键，或一个环 + 一个双键

仅凭这一个数值，就能在查看任何光谱之前排除大量结构类别。

IR：先找明显的峰

不要试图指认每个峰。请先问三个问题：

1. 在 2500-3500 附近是否有宽吸收峰？ 如果有：可能是 O-H（非常宽）或 N-H（较尖锐；伯胺有时会出现两个峰）。
2. 在 1650-1750 附近是否有强而尖锐的峰？ 如果有：可能是 C=O。其具体位置可判断类型（酯 ~1735、酮 ~1715、酸 ~1710、酰胺 ~1680）。
3. 在 2100-2300 附近是否有峰？ 如果有：可能是三键（C-三键-C 或 C-三键-N）或累积双键。

只要能回答这三个问题，就能识别主要官能团。其他信息都只是辅助确认。

1H NMR：每个信号提供三项信息

每个信号都能告诉你三件事——请充分利用：

1. 化学位移（位置）：该质子受到多大程度的去屏蔽？靠近电负性原子的质子会向低场移动（ppm 较高）。芳香质子为 6.5-8.5 ppm；烷基质子为 0.8-1.7 ppm；与 C=O 相邻的质子为 2.0-2.7 ppm。
2. 多重性（裂分模式）：该质子有几个相邻质子？n 个相邻质子 = n+1 个峰。三重峰表示有 2 个相邻 H；四重峰表示有 3 个相邻 H。这能反映连接关系。
3. 积分（面积）：该信号代表多少个质子？比例比绝对数值更重要。对于 C3 化合物，3:2:1 的积分比强烈暗示存在 CH3、CH2、CH。

13C NMR：统计对称性

• 统计不同碳信号的数量，并与分子式比较。
• 信号数少于碳原子数 = 分子具有对称性（存在等价碳）。
• 羰基碳出现在 160 ppm 以上。芳香族／烯烃碳：100-160 ppm。sp3 碳：0-90 ppm。

组合策略

没有任何一种谱图能单独给出答案。要综合分析：

1. 分子式给出 DoU（结构约束）
2. IR 确定官能团类别（C=O？O-H？N-H？）
3. 13C 告诉你有多少种独特的碳环境
4. 1H 告诉你连接关系（通过裂分）和氢原子数（通过积分）
5. 提出一个与所有数据都一致的结构
6. 验证：你提出的结构能否预测每个观测到的信号？

---

3. 立体化学——如何进行三维思考

找出立体中心

立体中心是一个连接着四种不同取代基的碳原子。找出它们的方法：

• 查看分子中的每个 sp3 碳
• 检查：连接在它上面的四个基团是否各不相同？（沿每条路径向外追踪——如果两条路径在任何一点变得相同，这两个基团就相同）
• 环上的碳也要计算——如果沿环朝相反方向延伸的两条“环路径”在任何一点不同，它们就是不同的取代基

确定 R/S

1. 按 CIP 优先级为四个取代基排序（原子序数越大，优先级越高）
2. 若优先级相同：沿链移至下一个原子，再次比较
3. 调整分子方向，使最低优先级的基团（#4）背向你
4. 按 1-2-3 的优先级顺序观察：顺时针 = R，逆时针 = S
5. 速记：如果图中 #4 已经背向你，直接读取排列即可。如果 #4 朝向你，则读取排列后将答案反转。

预测反应的立体化学结果

思考反应机理：

• SN2：立体中心发生构型反转（背面进攻）。总是如此。
• SN1：外消旋化（平面的碳正离子中间体受到两面进攻）。预计比例约为 50:50，或略有偏向。
• E2：需要反式共平面几何构型（H 与离去基团相隔 180 度）。这会限制形成的烯烃几何构型。
• 烯烃加成：同面加成（硼氢化、催化加氢）与反面加成（溴加成、环氧化后开环）
• 带有 α-立体中心的羰基加成：Felkin-Anh 模型——亲核试剂从与 α-碳上最大取代基相反的一侧进攻

立体异构体之间的关系

• 对映异构体：不能重叠的镜像。除旋光性外，物理性质相同。
• 非对映异构体：不是镜像的立体异构体。物理性质不同——可以分离。
• 内消旋化合物：具有立体中心，但整体因内部镜面对称面而不具手性。

---

4. 打包脚本

这些可直接运行的脚本位于 skills/tooluniverse-organic-chemistry/scripts/。 请通过 Bash 工具使用它们，无需手动计算——它们会验证输入并打印校验信息。

chemistry_facts.py — 化学与物理事实参考

用于查询容易记错的事实。请查询此脚本，而不是猜测。 包含三个类别：allotropes、point_group、common_reagents。不添加额外参数运行，即可列出某个类别中的所有条目。

python chemistry_facts.py --type allotropes --element P
python chemistry_facts.py --type point_group --molecule "benzene"
python chemistry_facts.py --type common_reagents --reagent "LiAlH4"
python chemistry_facts.py --type allotropes          # list all elements

**覆盖范围：**P、C、S、O 的同素异形体。15 种分子的点群（水的 C2v 至 H2 的 D∞h）。24 种试剂（LiAlH4 至 DMDO），包含全名、功能、选择性、立体化学以及关键区别说明。

**使用时机：**任何关于同素异形体、分子对称性／点群或试剂选择性的问题。报告试剂信息前，务必先查询。

crystal_validator.py — 晶体结构密度验证器

首选：使用 CrystalStructure_validate 工具（通过 MCP/SDK），并提供晶胞参数（a、b、c、alpha、beta、gamma、Z、MW、density）。备用方案：直接运行 crystal_validator.py。

通过根据晶胞参数计算理论密度并与报告值比较，验证晶体结构数据。标记出可能表明已发表数据集中存在错误的不一致之处。

支持全部七种晶系（立方、四方、正交、六方、三方、单斜、三斜）。

python crystal_validator.py --a 5.43 --b 5.43 --c 5.43 --Z 8 --MW 28.085 --density 2.329
python crystal_validator.py --datasets datasets.json   # batch mode: JSON array of datasets

角度默认为 90deg。输出：晶系、体积、计算密度、误差百分比、判定结果（OK/WARNING/MISMATCH）。 批处理模式可比较多个数据集以找出异常值。密度公式：d = (Z * MW) / (V * Na)。

使用场景： 晶体结构验证、密度一致性检查、查找错误数据集。

stereochem_tracker.py — 跟踪反应序列中的立体化学

跟踪一系列反应过程中立体中心的 R/S 构型，并预测每一步的立体化学结果。

python stereochem_tracker.py --start R --reactions "SN2, oxidation, SN1"

支持的反应： SN2（反转）、SN1（外消旋）、E2/E1（消除）、还原/氧化/氢化/硼氢化/环氧化（保持构型）、mitsunobu（反转）、double_inversion（保持构型）、racemization/epimerization/enolization（外消旋）。

使用场景： 跟踪多步合成中的手性，验证净构型保持或反转。

smiles_verifier.py — SMILES 分子性质验证器（不使用 RDKit）

首选：使用 SMILES_verify 工具（通过 MCP/SDK），并提供 smiles 和可选的约束参数（mw、heavy_atoms、valence_electrons、total_atoms、formal_charge）。备用方案：直接运行 smiles_verifier.py。

无需外部依赖即可解析 SMILES 字符串，并计算分子量、重原子数、价电子数、总原子数和形式电荷。随后可选择根据用户提供的约束进行检查。每次设计或给出 SMILES 答案时都要使用此工具。

python smiles_verifier.py --smiles "CC(C)(C(=N)N)N=NC(C)(C)C(=N)N" --mw 198.15 --heavy_atoms 14 --valence_electrons 80

约束标志： --mw（容差 0.5）、--heavy_atoms、--valence_electrons、--total_atoms、--formal_charge

使用场景： 报告 SMILES 答案前务必进行验证。可捕获分子量、原子数和电子数错误。

degrees_of_unsaturation.py — 不饱和度（DoU）计算器

首选：使用 DegreesOfUnsaturation_calculate 工具（通过 MCP/SDK），并提供 formula 或各原子数量参数。备用方案：直接运行 degrees_of_unsaturation.py。

根据分子式字符串或各原子数量计算 DoU = (2C + 2 + N − H − X) / 2。 支持所有卤素（F、Cl、Br、I），并注明 O 和 S 不影响 DoU。 输出完整计算过程、结构解释和往返验证。

python degrees_of_unsaturation.py --formula C6H6
python degrees_of_unsaturation.py --C 10 --H 14 --O 2 --N 1

输出：原子数量、逐步公式、结果、结构解释、非整数 DoU 警告。

molecular_formula.py — 燃烧分析与分子式分析

首选：使用 MolecularFormula_analyze 工具（通过 MCP/SDK），并提供燃烧分析或分子式参数。备用方案：直接运行 molecular_formula.py。

一个脚本包含两种模式。

模式 1：燃烧分析 — --sample_g、--CO2_g、--H2O_g、可选的 --molar_mass 模式 2：分子式分析 — --formula C6H6（分子量、DoU、元素组成）

python molecular_formula.py --sample_g 0.2 --CO2_g 0.4874 --H2O_g 0.1998 --molar_mass 78
python molecular_formula.py --formula C6H6

---

5. 计算流程

始终使用 Bash 工具将内容作为 Python 脚本执行——不要在脑中计算。优先使用捆绑脚本（molecular_formula.py、degrees_of_unsaturation.py），而不是从头编写代码。

关键公式（捆绑脚本未涵盖的情况，请编写并运行 Python）：

• 燃烧分析：moles_C = CO2_g / 44.01；moles_H = H2O_g / 18.015 * 2；根据质量差求 moles_O。比值 → 最大公约数 → 实验式。倍数 = MM / 实验式_MM。
• 不饱和度：(2C + 2 + N - H - X) / 2。O 和 S 不影响计数。
• 限量试剂：对每种试剂计算 equiv = mass / (MW * stoich_coeff)；equiv 最小的试剂为限量试剂；产率 = min_equiv * product_stoich * product_MW。

---

6. 何时推理，何时查找资料

对以下内容进行推理（不要查找资料）：

• 反应产物和机理
• 光谱解析（综合已有数据）
• 立体化学结果
• 不饱和度
• 反应在热力学上是否有利

对以下内容使用捆绑脚本进行计算：

• 晶体结构密度验证：首选：CrystalStructure_validate 工具。备用：crystal_validator.py（绝不要手动计算晶胞体积）
• 多步合成中的立体化学跟踪：stereochem_tracker.py（跟踪 SN2、SN1 等反应过程中的 R/S）
• 不饱和度：首选：DegreesOfUnsaturation_calculate 工具。备用：degrees_of_unsaturation.py
• 燃烧分析和分子式分析：首选：MolecularFormula_analyze 工具。备用：molecular_formula.py
• SMILES 验证（MW、重原子、价电子）：首选：SMILES_verify 工具。备用：smiles_verifier.py（始终验证 SMILES 答案）

对以下内容使用工具查找资料：

• 元素的同素异形体（数量、名称、性质）：chemistry_facts.py --type allotropes --element X
• 分子点群和对称元素：chemistry_facts.py --type point_group --molecule "name"
• 试剂的功能、选择性或关键区别：chemistry_facts.py --type common_reagents --reagent "name"
• 特定物理常数（沸点、pKa 值、溶解度）：先使用 PubChem_get_CID_by_compound_name，再使用 PubChem_get_compound_properties_by_CID
• 系统命名法（IUPAC）名称 → 结构：OPSIN_name_to_structure（参数 name）——确定性解析器，可返回 SMILES/InChI/InChIKey，是将系统命名法名称（例如“2-acetoxybenzoic acid”）转换为结构的首选工具，之后可用 SMILES_verify 验证。商品名或俗名会返回 parsed=false → 改用 PubChem_get_CID_by_compound_name。
• 化合物是否存在及其规范 SMILES/InChI：PubChem_get_CID_by_compound_name 或 PubChem_get_compound_properties_by_CID
• 类药性、生物活性数据、测定结果：ChEMBL_get_molecule 或 ChEMBL_search_molecules
• 代谢物通路和生物学背景：HMDB_get_metabolite

晶体结构验证策略：

提取每组数据的晶胞参数、Z、MW 和密度。批量运行 crystal_validator.py --datasets datasets.json。百分比误差最大的就是错误所在。常见错误：Z 值错误、参数互换、角度转录错误。

根据约束进行分子设计（SMILES 设计）：

1. 从约束条件（MW、重原子、VE）出发，估算分子式
2. 构建 SMILES，然后始终进行验证：python smiles_verifier.py --smiles "..." --mw X --heavy_atoms Y --valence_electrons Z
3. 如果任何约束未通过，则修改并重新运行，直到全部通过

推理后验证模式：

1. 对问题进行推理，得出一个初步答案
2. 使用 PubChem 验证已知化合物；使用 Python 计算验证数值答案
3. 对于数值答案：回答前始终使用脚本进行计算