单细胞RNA测序技术能够对复杂组织进行图谱级分析，揭示稀有谱系和瞬时状态。然而，由于标记物具有组织和状态依赖性，且新状态缺乏参考，如何准确分配具有生物学意义的细胞身份仍是当前瓶颈。

CellMaster应运而生，它是一个模仿专家实践的人工智能代理，专门用于零样本细胞类型注释。与现有的自动化工具不同，CellMaster利用大语言模型编码的知识，能够进行实时注释并提供可解释的依据，整个过程无需预训练或依赖固定的标记物数据库。

在一项涵盖多种组织的广泛数据集评估中，CellMaster在自动模式下，其注释准确率显著优于包括CellTypist和scTab在内的现有最佳基准方法。当引入人机协同的细化流程后，其性能优势进一步扩大，尤其在识别细胞亚群方面提升更为明显。

该系统在现有基准方法常常失效的罕见细胞状态和新型细胞状态识别任务中，展现出了特别的优势。CellMaster的研究团队已公开其源代码和网络应用程序，供科学界进一步使用和验证。