openscience

OpenScience 是由 Synthetic Sciences 发起并持续维护的开源 AI 科研工作台，核心定位是“为任何科研问题配备一支 24 小时在线的 AI 研究团队，将文献综述、假设生成、实验运行到论文撰写的全流程自动化”——它不满足于做一份简单的文献检索工具或零散的代码辅助插件，而是将文献综述、假设生成、代码编写与运行、实验执行、结果分析与论文撰写等6 大核心环节整合于一套完整的工作台中，全部配有浏览器原生工作区（含文件树/编辑器/终端/会话历史）、290+ 预置科研技能、30+ 科学数据库直连工具、多智能体协作与委托、无账号零配置启动、Apache-2.0 开源协议。市面大多 AI 科研工具要么是文献检索的轻量封装（只能“找论文”不能“做实验”），要么是依赖特定云服务的黑盒平台（数据上云、缺乏自主可控）——但很少有项目能将“端到端科研自动化”与“完全本地运行、模型无关的开源工作台”同时做到，OpenScience 解决的正是这个问题。

一、OpenScience 是什么

OpenScience 采用“浏览器工作台 + 本地服务 + 任意模型接入”三位一体的使用体验，通过 GitHub 完全开源发布，采用 Apache-2.0 许可证。项目由 Synthetic Sciences 发起并持续维护，核心定位是“开源 AI 科研工作台”。用户只需通过 npm 全局安装（npm install -g @synsci/openscience），执行 openscience 命令即可在浏览器中打开工作台，无需注册账号、无需配置向导。项目支持 Anthropic、OpenAI、Google 等数十家提供商的前沿与开源模型，使用用户自己的 API 密钥，密钥始终留在本地，请求直连提供商。项目还提供 Atlas 托管平台作为可选增强——提供预付费模型的统一计费、持久化研究图谱和云端算力，但从不强制要求。

OpenScience 的运作机制与市面常见的“文献检索工具”或“代码辅助插件”有本质区别。它不是让用户在一个个数据库和 IDE 之间手动切换，而是一套能够自主完成整个科研循环的 AI 工作台。系统在本地运行一个服务器，托管工作台 UI、智能体运行时、完整的默认技能库和工具层。智能体使用研究框架进行规划，调用工具（Shell、编辑器、LSP、MCP 服务器、科学数据库连接器和技能），并将工作流实时流式传输回浏览器。模型按请求路由，用户可以在不同提供商之间切换，或运行本地模型，而无需更改任何其他配置。会话、技能、产物和溯源信息全部存储在本地磁盘。项目采用三层架构：backend/cli 提供 CLI、服务器、提供商集成、会话与技能；frontend/workspace 提供浏览器工作台 UI；tooling/sdk/js 提供 TypeScript SDK。

二、OpenScience 能做什么

OpenScience 的核心能力可以精炼地概括为：研、行、写、协、展，围绕这五大维度提供了从科研问题到完整论文的端到端路径，覆盖 AI 辅助科学研究的全方位需求，具体包括：

完整科研循环自动化（研） ——不是“搜几篇论文就结束”，而是“像人类研究者一样完成整个科研流程”。OpenScience 能够自主完成文献综述、形成假设、编写和运行代码、在真实算力上运行实验、查询主要科学数据库，并撰写结果。从科研问题到论文初稿，整个循环在同一个会话中持续进行。

290+ 预置科研技能与多智能体协作（行） ——不是“一个通用智能体单打独斗”，而是“多个专业智能体 + 290+ 技能协同作战”。OpenScience 默认提供 research 智能体，以及 biology、physics、ml 专业智能体，并配有批判性分析和文献综述子智能体，以及只读的计划模式。内置 290+ 技能，覆盖训练（DeepSpeed、PEFT、TRL）、评估、数据集处理、分子与临床生物学、化学信息学、论文与 LaTeX、图表生成、云端算力（Modal、Tinker 等）。

30+ 科学数据库直连工具（写） ——不是“手动访问各个数据库网站”，而是“智能体直接查询 30+ 专业数据库”。OpenScience 将 UniProt、PDB、Ensembl、ChEMBL、PubChem、arXiv、OpenAlex、Semantic Scholar 等约 30 个科学数据库作为工具，智能体可以直接查询。

真实工作区与实时反馈（展） ——不是“只能看文字输出”，而是“拥有完整 IDE 级工作台”。OpenScience 在浏览器中提供真实工作区，包含文件树、编辑器、终端、会话历史，以及分子、结构、基因组和图表的内联渲染。智能体的每一步工作——代码编写、命令执行、实验结果——都在工作台中实时可见。

可扩展与可集成（协） ——不是“功能固定不可改”，而是“LSP/MCP/插件/SDK 全可扩展”。OpenScience 支持 LSP 集成、MCP 服务器、插件、自定义智能体和命令，以及 TypeScript SDK。

三、OpenScience 适合谁用

OpenScience 的内容设计使其适配各类希望通过 AI 自动化加速科研流程的研究者与开发者，核心聚焦那些“面对一个科研问题，需要从文献调研到实验验证到论文撰写的全流程工作，但手动完成耗时数月”，希望从“手动科研”升级为“AI 辅助自动化科研”的人群，主要涵盖以下几类：

机器学习与 AI 研究者——需要快速验证新想法、复现论文结果、进行大规模实验。OpenScience 的 290+ 技能覆盖 DeepSpeed、PEFT、TRL 等训练框架，以及评估、数据集处理等完整工具链。

生物信息学与计算生物学研究者——需要查询 UniProt、PDB、Ensembl、ChEMBL、PubChem 等专业数据库，进行分子与临床生物学分析。OpenScience 的 biology 专业智能体和分子生物学技能为这一领域提供了专门支持。

物理学与化学研究者——需要运行物理模拟、化学信息学分析、处理 LaTeX 论文与图表生成。OpenScience 的 physics 专业智能体和云端算力集成（Modal、Tinker 等）为计算密集型科研提供了支持。

希望建立“个人 AI 科研助理”的独立研究者——没有大型科研团队支持，但希望获得类似“研究团队”的协作能力。OpenScience 的多智能体协作（研究智能体 + 专业智能体 + 子智能体）让独立研究者也能拥有完整的“科研团队”。

自托管与隐私优先的研究者——对研究数据有严格隐私要求，不能上传到第三方云端。OpenScience 完全本地运行，密钥留在本地，请求直连提供商。会话、技能和产物全部存储在本地磁盘。

四、OpenScience 的应用场景是什么

基于其内容设计与定位，OpenScience 的应用场景主要围绕科研项目全流程自动化、文献综述与知识图谱构建、实验代码编写与运行、多学科交叉研究以及学术论文撰写，覆盖从个人研究到团队协作的多个场景，具体包括：

科研项目全流程自动化场景——研究者有一个科研问题，需要从零开始完成文献调研、假设形成、实验设计、代码编写、实验运行和论文撰写。OpenScience 提供了一条“描述科研目标 → 研究智能体规划 → 调用专业智能体与技能 → 查询科学数据库 → 编写并运行代码 → 分析结果 → 撰写论文”的完整路径。整个循环在同一个会话中持续进行。

文献综述与知识图谱构建场景——研究者需要快速了解一个领域的研究现状。OpenScience 的文献综述子智能体可以直接查询 arXiv、OpenAlex、Semantic Scholar 等约 30 个科学数据库，自动完成文献收集、筛选和综述撰写。

实验代码编写与云端算力运行场景——研究者需要编写并运行大规模实验代码，但本地算力不足。OpenScience 支持通过 Modal、Tinker 等云端算力工具运行实验。智能体可以编写代码、提交到云端算力、收集结果并进行分析。

多学科交叉研究场景——研究涉及机器学习、生物学和物理学的交叉领域。OpenScience 的 ml、biology、physics 专业智能体可以协同工作，各自处理所属领域的任务，并将结果整合到同一个研究项目中。

学术论文撰写与图表生成场景——研究者完成了实验，需要撰写论文并生成图表。OpenScience 的 290+ 技能中包含论文与 LaTeX 处理、图表生成等技能。智能体可以自动生成符合学术规范的图表和论文草稿。

五、OpenScience 为什么值得关注

OpenScience 之所以值得关注，核心在于它将“科研工作从依赖手动搜索、编写、运行的线性流程升级为 AI 智能体驱动的端到端自动化工作台”，并具备“完整科研循环、290+ 技能库、30+ 数据库直连、完全本地运行、Apache-2.0 开源”的独特价值，具体体现在以下几点：

从“手动科研数月”到“AI 驱动科研连续会话”的效率革命。传统科研流程需要研究者在文献数据库、代码编辑器、终端、论文编辑器之间手动切换——一个中等复杂度的科研项目往往需要数月时间。OpenScience 将文献综述、假设生成、代码编写、实验运行、结果分析、论文撰写整合到同一个会话中。研究者只需描述科研目标，AI 智能体即可自主完成从问题到论文的完整闭环。

从“单信源文献检索”到“30+ 科学数据库直连”的信息广度。大多数 AI 科研工具只支持有限的文献来源。OpenScience 将 UniProt、PDB、Ensembl、ChEMBL、PubChem、arXiv、OpenAlex、Semantic Scholar 等约 30 个科学数据库作为工具，智能体可以直接查询。这种“多信源直连”的设计，让文献综述和信息收集不再依赖单一的搜索引擎，而是覆盖了生命科学、物理学、化学、计算机科学等领域的核心数据库。

从“单智能体”到“多智能体 + 290+ 技能”的协作深度。大多数 AI 科研工具是单智能体模式——一个模型处理所有任务。OpenScience 提供了默认的 research 智能体，以及 biology、physics、ml 专业智能体，并配有批判性分析和文献综述子智能体。内置 290+ 技能覆盖训练、评估、分子生物学、化学信息学、论文与 LaTeX、图表生成、云端算力等完整科研工具链。多个专业智能体可以协同工作，各自处理所属领域的任务——如同拥有了一个完整的跨学科研究团队。

从“云端依赖”到“完全本地运行”的数据主权。大多数 AI 科研平台是云端托管的黑盒服务——研究数据需要上传到第三方服务器。OpenScience 是完全本地运行的——用户在自己的机器上启动本地服务器，浏览器工作台连接到本地服务。API 密钥留在本地，请求直连提供商。会话、技能、产物和溯源信息全部存储在本地磁盘。这种“本地优先”的设计，让研究数据完全自主可控。

Apache-2.0 开源 + 无账号零配置启动。OpenScience 采用 Apache-2.0 许可证，完全开源免费可商用。用户只需 npm install -g @synsci/openscience 即可安装，执行 openscience 命令即可在浏览器中打开工作台，无需注册账号、无需配置向导。这种“零摩擦”的启动体验，让研究者可以立即开始使用，而非先完成漫长的注册和配置流程。

现实挑战与生态成熟度。OpenScience 并非没有短板。首先，项目依赖 LLM API 密钥（Anthropic、OpenAI、Google 等），用户需要自行获取并承担 API 使用成本。其次，智能体未进行沙箱隔离——权限系统用于让用户了解智能体的操作，但不是隔离边界。如需隔离，用户需要在容器或虚拟机中运行。再次，项目目前主要面向 机器学习、生物学、物理学和化学领域，对于其他学科的支持依赖于社区贡献和技能扩展。