Open Science：本地优先、模型无关的开源 AI 科研工作台

今天在 GitHub Trending 上看到一个有意思的项目：Open Science（aipoch/open-science）——一个本地优先、模型无关、可自托管的开源 AI 科研工作台，核心目标是让科学发现变得「可复现」。

一、项目概述

Open Science 是一个面向研究人员的桌面应用，运行在用户自有的电脑（macOS / Windows / Linux）上。它的定位不是又一个聊天界面，而是一个把「任务 → 代码 → 数据 → 产物 → 证据」串在同一条可审计链路上的科研工作台。

它的核心价值主张可以概括为四点：

Local-first（本地优先）：项目、会话、文件、设置与凭据默认全部存在本地，只有用户显式配置或批准的外部调用才会离开本机。
Model-agnostic（模型无关）：可接内置云厂商、自定义网关，或直接复用已有的 Claude / Codex 订阅登录。
Reproducible（可复现）：每个生成的产物都是不可变、带校验和的版本，并附带可追溯的「溯源（Provenance）」证据。
Self-hosted / Open（自托管与开源）：Apache-2.0 许可，无席位授权费，只为你选用的模型或算力付费。

最新版本为 v0.10.1（2026-08-04 发布），新增了「把会话分支到新会话」、按关键词搜索 GitHub 技能、专家技能包导入/导出，以及把超大文件排除在模型上下文之外等能力。

二、技术原理

架构总览

从代码组织与 package.json 看，Open Science 是一个标准的 Electron + React + TypeScript 应用，配合 Prisma / SQLite 做本地持久化，并通过 ACP（Agent Client Protocol） 驱动 Agent 运行时：

"dependencies": {
  "@agentclientprotocol/claude-agent-acp": "^0.60.0",
  "@agentclientprotocol/sdk": "^1.2.1",
  "@prisma/client": "^6.19.3",
  "@modelcontextprotocol/sdk": "^1.29.0",
  "electron-updater": "^6.3.9"
}

它同时暴露三种交互形态：桌面 GUI、本地 Web（绑定 127.0.0.1 的 localhost Web UI，可经 Remote.It 做移动端远程访问），以及无头 CLI / 零依赖 Node.js SDK——三者共用同一个本地守护进程、项目、会话、凭据与权限模型。

构建与渲染配置

渲染层用 vite + @vitejs/plugin-react + @tailwindcss/vite 构建，electron.vite.config.ts 里有一处值得注意的细节：对 .claude/ 目录做了 watch 忽略，避免 AI 工作树（git worktree）触发无谓的热更新扫描：

renderer: {
  optimizeDeps: { force: true },
  server: {
    watch: { ignored: ['**/.claude/**'] }
  },
  plugins: [fileViewerRenderers({ formats: ['xls', 'xlsx'], inject: false }), react(), tailwindcss()]
}

产物溯源（Provenance）—— 核心设计

Open Science 最区别于普通「AI 助手」的设计，是不可变产物版本 + 可验证溯源。

每个生成的报告、表格、图片都作为「不可变、带校验和的版本」存储。
其 Provenance 视图会展示 Open Science 在创建时能够验证的证据：生产者代码与执行历史、引用的输入、观测到的环境清单、产生该结果的会话分支，以及版本级评审结论。
对于它无法验证的证据，会明确标注为「不可用」，而不是猜测填充。

这意味着探索一条不同假设（在旧消息上改 prompt 派生新分支）时，不会模糊掉原始结果的记录——溯源始终绑定到「产生该产物版本的精确分支」。

多后端与多模型

Agent 后端是可切换的（Settings 中可安装、切换、移除 app 管理的运行时，无需 Node/npm/管理员密码）。模型选择由「所选 Agent 后端支持的 API 协议」决定，连接前会做校验——这是它「显式兼容」设计原则的体现：把 endpoint 要求暴露给用户，而不是把每个 API 协议当成可互换的黑盒。

当前内置云厂商覆盖了 OpenAI、Anthropic、Grok、DeepSeek、智谱 GLM、Kimi、MiniMax、阶跃 StepFun、小米 MIMO、SenseNova、火山方舟、阿里百炼，以及 OpenRouter 聚合网关等。

三、安装与快速开始

1. 下载安装包

打开 latest release，展开 Assets，按平台选择：

平台	安装包
macOS Apple Silicon（M1+）	macOS DMG（ARM64）
macOS Intel	macOS DMG（x64）
Windows x64	Windows x64 installer
Linux x64	AppImage 或 Debian 包

2. 首次启动的五步引导

Environment：检查兼容性、应用存储、安全凭据存储与网络访问。
Agent runtime：选择并准备 Claude Code / OpenCode / Codex（app 托管运行时可免 Node 安装）。
Model provider：连接并测试所选模型（内置厂商、自定义网关，或 Claude/Codex 订阅登录）。
Notebook runtime（可选）：准备 app 托管的 Python / R，或注册已有的解释器。
Data location：选择大文件、notebook、上传与环境的存储位置。

3. 从源码开发

git clone https://github.com/aipoch/open-science.git
cd open-science
npm install      # 自动生成 Prisma client 并安装 Electron 原生依赖
npm run dev      # 启动 Electron 主进程 / preload，打开桌面应用

开发数据隔离在 ~/.open-science-project 下。常用脚本：npm run lint、npm run typecheck、npm test、npm run build:mac|win|linux。

四、使用方法与实战

启动一个研究项目

点击 New project，给定稳定的研究名称与可选描述。
开一个 session，用自然语言描述目标、输入数据、约束、期望输出与校验方式。
附上源文件，选择已验证模型，并选择审批模式（Ask for approval / Auto-approve edits / Full access）。
发送任务后，在预览面板检查 agent 的工具活动、审批敏感操作、打开生成的产物。
想换方向时，编辑一条早期消息并在新分支重新发送；用消息修订控件在两条路径间切换。

用 CLI 做无头自动化

安装后可在 Settings → General → Command line tool 一键装好 open-science 命令，无需开浏览器即可提交任务：

# 后台启动本地服务
open-science start --no-open

# 创建项目并运行一个文献综述任务，等待完成
open-science project create "Systematic review"
open-science run --project "Systematic review" \
  --prompt-file ./task.md \
  --approval-profile auto \
  --skill literature-review \
  --wait --json

# 下载生成的产物
open-science artifacts list <session-id> --json
open-science artifacts download <artifact-id> --output ./report.md

在远程 HPC 集群上跑任务

启用 Remote Compute (SSH) 技能（Settings → Skills），在 Settings → Compute 注册集群，会话中用 /remote-compute-ssh 选择该技能。它负责主机注册、SSH 短命令与全异步作业提交——作业完成时应用会自动开启一个分析回合，你无需自己写轮询循环。

技能与连接器生态

18 个精选科研技能：AlphaFold2、Boltz、Borzoi、Chai-1、DiffDock、ESM-2、ESMFold2、Evo 2、ProteinMPNN、scGPT、scvi-tools、SolvableMPNN，以及 Literature Review、Indication Dossier、OpenFold3、LigandMPNN、Remote Compute（SSH）等；也支持创建个人技能、导入 GitHub 上的 SKILL.md / ZIP / .skill 包。
24 个内置科研连接器：Literature Graph、PubMed、bioRxiv、Genes & Ontologies、Genomes、BioMart、Variants、Clinical Genomics、Structures & Interactions、ChEMBL、ZINC、Clinical Trials、Drug Regulatory 等，全部置于权限系统之下，支持 Always allow / Ask each time / Block。

五、常见问题与解决方案

首次启动 Continue 按钮是灰的？ 当前步骤尚未满足条件：修复标记为 Action needed 的环境行、安装/修复所选 Agent 运行时，或校验模型提供商连接。Continue 出现前，所有必需的环境与 Agent 运行时检查必须通过、模型连接必须成功。
模型连接测试失败？ 检查 API Key 是否缺字符/空格、Base URL 与区域是否正确、是否使用了厂商精确 model ID，并确认网络访问与账户余额。Claude 订阅则重试共享浏览器登录或刷新隔离的 claude setup-token 凭据。
需要 API Key 吗？ 复用已有订阅登录（Claude 共享/隔离登录，或 Codex 后端的 ChatGPT/Codex 登录）则不需要；内置云厂商与自定义网关仍需要各自的 Key。
研究数据会离开本机吗？ 项目、会话、文件、设置与凭据默认存本地；但发给模型请求、联网搜索或连接器调用的内容仍会发往你选定的外部服务，运行前请审阅敏感输入与厂商策略。
如何确认某个结果的来源？ 打开生成的产物 → 选择 Provenance → 选版本，即可查看内容指纹、可验证的生产者代码、执行历史、输入引用、环境清单、产生会话上下文与评审证据；无法验证的部分会被标注为「不可用」。

六、总结

Open Science 不是「套壳聊天框」，而是围绕持久化项目、真实执行、文件与产物管理、可审阅工具活动组织起来的科研工作台。它在「AI 帮科研提速」与「科研必须可复现、可审计」之间做了一个明确的工程取舍：本地优先保住数据所有权，不可变产物 + 溯源视图保住可复现性，多后端多模型保住选择自由，而 18 项技能 + 24 个连接器则把「让 agent 真正去查、去算、去跑」落到实处。

如果你做生物信息、计算化学或任何需要把「分析过程」和「结论」一并留存的研究，它值得一试——毕竟它是 Apache-2.0、无席位费，且能在你自己的电脑上完整运行。⭐ 觉得有用，不妨去 GitHub 给个 star。

一、项目概述#

二、技术原理#

架构总览#

构建与渲染配置#

产物溯源（Provenance）—— 核心设计#

多后端与多模型#

三、安装与快速开始#

1. 下载安装包#

2. 首次启动的五步引导#

3. 从源码开发#

四、使用方法与实战#

启动一个研究项目#

用 CLI 做无头自动化#

在远程 HPC 集群上跑任务#

技能与连接器生态#

五、常见问题与解决方案#

六、总结#