開源版Claude Science來了！零依賴、MIT協議，內建30+項科研Skills

來源原標題

開源版Claude Science來了！零依賴、MIT協議，內建30+項科研Skills

作者

思邈

原始標籤

資訊 · Claude Science · OpenAI4S · 北大

原始連結

https://www.qbitai.com/2026/08/466386.html

摘要原文

開源版Claude Science來了！零依賴、MIT協議，內建30+項科研Skills 思邈 2026-08-04 21:14:27 來源： 量子位 北京大學&元空AI Agent聯合實驗室 允中 發自 凹非寺 量子位 | 公眾號 QbitAI Claude Science，你可能有耳聞。 Anthropic家那個能自己搜文獻、自己寫程式碼、自己跑分析、自己出圖出報告的科研Agent，一度讓人直呼「這才是AI for Science該有的樣子」。 但它閉源。 現在，有人把它復刻出來了—— 開源 ，MIT協議，核心零依賴。 專案叫 OpenAI4S（Open AI for Scientist） ，是 北京大學&元空AI Agent聯合實驗室 正式開源的科研智慧體專案。 劃重點：它不是「長得像」Claude Science，而是沿著Code-as-Action的思路，把引擎、持久核心、host-RPC協議、安全層，用開源方式獨立復現了一遍。 專案已於2026年7月6日在GitHub開源，採用MIT許可證。 目前，OpenAI4S提供完整的科研Web應用、數十個內建Skills、自有算力接入能力和版本化科研產物。 元空AI Science：https://www.chatexcel.com/homesite/openAI4S 它並不滿足於給出一段看起來正確的回答，而是希望讓AI真正進入科研工作流，把一個問題從“提出”推進到“做完”。 不是多聊幾輪，而是讓AI真正動手 現在不少AI Agent，本質上都在做同一件事：模型面對一份提前準備好的「工具選單」，判斷該呼叫哪個工具，然後一步一步往下走。簡單任務，這套方法夠用。 但科研不是三五步就能搞定的事。 查多個數據庫、下載資料、清洗資料、反覆改程式碼、呼叫專業演算法、請求GPU算力、生成圖表、整理報告……任何一步出問題，都可能要回頭重來。 OpenAI4S給出的答案是 Code-as-Action ，也就是 “程式碼即行動” 。 它讓智慧體直接生成Python或R程式碼，並在一個持續執行的核心環境中執行。 迴圈、條件判斷、批次資料處理和繪圖可以組合在一次執行裡完成；資料和中間結果也不必在每一步重新交給模型，而是保留在工作環境中。 對使用者來說，最直接的變化不是多了一個技術名詞，而是AI可以把更長、更複雜的任務串起來： 前一步下載的資料，可以直接交給後一步分析； 生成的圖片、表格和報告會自動儲存； 研究人員也能隨時開啟Notebook，檢查程式碼、接手分析或修改結果。 “程式碼即行動，核心即環境。” 一個介面裡，完成從資料到結論的科研流程 OpenAI4S更像 一張人和AI共用的科研工作臺 。 你給出一個任務，它可以自己查公開科研資料來源、編寫並執行分析程式碼、呼叫專業計算能力，再把結果整理成圖片、表格、三維結構或Markdown報告。 整個過程，不是做完就散。每一份科研產物都會被記錄、儲存和版本化，方便後續檢查、修改和複用。 比如，讓它分析一個蛋白質。 它可以先去檢索真實的蛋白質序列和結構資料，再完成特徵計算與視覺化，最後把分析過程、資料來源和結果一起寫進論文。 重點是：資料是真的，計算也是真的。 外部服務連不上，或者計算條件不滿足，它會明確告訴你哪裡做不了。不會偷偷塞一份模擬資料，更不會編個結果把論文強行補齊。 △OpenAI4S在同一任務中生成資料、圖表和結構等科研產物 科研工作往往還需要反覆修改。 傳統流程中，研究人員可能要重新找到繪圖指令碼、修改參數、再次執行並匯出檔案； 在OpenAI4S中，可以直接用自然語言提出調整要求，智慧體會基於已有資料和程式碼重新生成產物，同時保留版本記錄。 △OpenAI4S對已有科研圖表進行調整並生成新版本 數十個科研Skills，把專業能力裝進智慧體 通用模型想變成科研助手，只靠「聰明」還不夠。 它得知道專業資料去哪裡找，專業工具怎麼用，複雜演算法該怎麼跑。 OpenAI4S首批內建了 30+個科研Skills 。 蛋白質結構、序列分析、蛋白設計、分子對接、單細胞分析、文獻檢索、開放資料檢索……基本覆蓋了一批常見的計算科研場景。 其中，有14個Skills封裝了需要GPU或專業模型才能完成的科學計算能力。 這裡的Skills，也不是一張寫死的工具參數列。它們更像是一組可以被智慧體閱讀、理解和執行的「程式碼配方」。 需要什麼資料、呼叫什麼服務、程式碼怎麼寫、結果怎麼檢查，都可以沉澱在Skill裡。 以後有新的資料庫、新的演算法或者新的實驗流程，開發者繼續往裡接就行。 也就是說，這套能力不是一次性封死的，科研需求怎麼變，Skills就可以跟著怎麼長。 科研資料要連上真正的計算環境？把任務送到自己的GPU 科研計算，還有一個很現實的問題： 算力 。 蛋白質摺疊、突變評分、分子模擬這些任務，不是普通筆記本隨便跑兩下就能完成的。 而且，很多專業計算背後，都依賴特定模型、複雜軟體環境和GPU資源。 OpenAI4S支援接入自有計算環境。本地負責互動和組織任務，需要GPU的專業計算則可以派發到自己的伺服器上執行，結果跑完以後，再回到同一套科研工作流裡。 比如蛋白質結構預測和突變效應評分，真正困難的往往不是生成呼叫程式碼，而是把輸入送進正確的計算環境，再把結果完整地帶回工作流。 不用把所有東西都擠在一臺電腦上，也不用為了接一臺算力伺服器重寫整套流程，這點對實驗室和科研團隊尤其重要。 資料、模型和算力都可以留在自己的環境裡，智慧體負責把它們串起來。 真實資料、真實計算，它是真沒編 拿便宜模型跑科研，最怕啥？怕它一本正經地胡編。 OpenAI4S立了條硬規矩，叫 no-fabrication policy（不偽造策略） ：用np.random假裝實驗結果、硬編造的「保守性」、拿BLOSUM冒充ESM、模擬資料集充當真資料……全禁。 要麼真服務，要麼老實報錯。 所以你回頭看那個INS案例——序列是真從UniProt拉的，結構是真從RCSB下的，連不上網它就誠實跳過，絕不給你糊一個假的。 真要算蛋白結構，它也是真調GPU：host.fold會ssh到一臺8×A100的機器上，跑單序列的Protenix（AlphaFold3級別）推理，回傳帶pLDDT的結構；host.score_mutations跑真實的ESM打分挑突變。 沒配GPU？那它就直接報錯，絕不給你捏一個假結構。 它寧可告訴你「算不了」，也不給你捏一個看起來像模像樣的假結構。 對於科研Agent來說，這可能比「什麼都會」更重要。 開源，是北大&元空AI聯合實驗室推動產學研協同的一次實踐 OpenAI4S的釋出，不只是增加了一個開源專案，也是北京大學與元空AI推進產學研協同的一次實踐。 作為雙方聯合實驗室的階段性成果，OpenAI4S從研發到開源，離不開聯合實驗室 張恭博 同學的持續投入與推動。 張恭博研究方向聚焦AI for Science，由他擔任共同第一作者的UniGenX，探索了面向分子、材料與蛋白質的通用科學基礎模型，這些圍繞科學智慧展開的研究積累，也進一步延伸到了OpenAI4S的研發與落地中。 同時，OpenAI4S也凝聚了團隊中李昊、王豫、劉宇陽、呂劉正浩、毛奕澄、林慕捷、彭莘堯、姜政祥、王一米等同學的共同努力，從框架設計、功能研發到開源釋出，每個環節都離不開大家的協作與投入。 元空AI 是一家端側AI公司，專注於通過模型後訓練、Agent Runtime、長期記憶與端側推理技術，讓AI在本地及離線環境中完成複雜任務。 目前，該公司已形成 元空AI Work 與 元空AI Science 兩條產品線，分別進入智慧辦公與科學發現領域。 這次開源OpenAI4S，也體現了聯合實驗室與元空AI對科研Agent的共同判斷： 科研智慧體不能只停留在Demo，而應成為真正可執行、可檢查、可擴展的科研基礎設施。 因此，本次開放的不只是示例，還包括核心架構、科研Skills與完整應用。 高校、科研機構、開發者和產業夥伴可以在此基礎上接入資料來源、演算法、工具與科研流程，共同推動科研Agent進入更多真實任務。 歡迎把它跑起來，也一起把它做下去 參與OpenAI4S，可以從把它跑起來開始。 安裝不複雜，三行就能啟動： Plain Text git clone https://github.com/PKU-YuanGroup/OpenAI4S cd OpenAI4S ./setup.sh # 首次執行：使用uv建立環境 ./start.sh # 開啟http://127.0.0.1:8760/ 啟動專案本身，不需要先配置模型Key。 進入介面以後，在Customize → Models裡填寫就行。 專案還自帶了一整套真實案例，可以直接跟著跑：Live API工作流、人胰島素INS真實資料分析、一句話改圖，以及計劃模式下的青蒿素和紫杉醇溶解度預測、蛋白質工程…… 但把專案跑起來，只是第一步。 真實科研橫跨生命科學、化學、材料、醫學、地球科學等眾多領域。 每個方向都有自己的資料庫、專業模型和計算流程。如此龐大的能力版圖，不可能只靠一個團隊一次性補齊。 因此，OpenAI4S正式向 高校、科研機構、開發者和產業團隊 發出Call for Contributors。 目前，兔展智慧的Skills UI，已對該開源專案給予了部分支援。 如果你熟悉某個科研方向，可以為它開發新的科研Skills，接入專業資料庫、演算法模型和計算平臺； 如果你擅長Agent或軟體工程，也可以參與完善核心架構、遠端計算、安全機制、測試和文件。 不寫程式碼，也能參與。 提交一個Issue、補充一個可復現案例、反饋一次失敗任務，或者告訴社群某個學科真正需要什麼，都是有價值的貢獻。 如果你也相信，科研Agent不該只停留在Demo裡，歡迎把它跑起來，也歡迎一起把它做下去。 傳送門 https://github.com/PKU-YuanGroup/OpenAI4S https://www.chatexcel.com/homesite/openAI4S 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 Claude Science OpenAI4S 北大 思邈 SIGGRAPH時間檢驗獎揭曉：這項研究，提前十年押中了物理AI 2026-07-31 “接力跑”盤活全國算力，PD分離終於破局：延遲砍半、成本直降近40%！ 2026-07-30 超越OpenAI、Anthropic！國產AI安全智慧體殺進全球前四、國內第一 2026-07-29 首個鴻蒙PC開源AI統一工作臺JiuwenSwarm，辦公程式設計一站式搞定 2026-07-29 相關閱讀