OpenScience – Synthetic Sciences 开源的 AI 科研工作台

1. OpenScience是什么

OpenScience 是由 Synthetic Sciences 推出的开源 AI 科研工作台，旨在为机器学习、生物学、物理学和化学研究者提供从文献综述、假设生成、代码编写、实验执行到结果分析与论文撰写的完整科研循环。平台采用模型无关路由架构，支持按请求切换 Claude、GPT、Gemini、GLM、Kimi、DeepSeek 及本地微调模型，内置 250 余项可编辑技能和约 30 个科学数据库作为智能体工具。用户可自带 API 密钥在本地基础设施免费运行，通过 npm 一键安装，无需注册账号，完全规避供应商锁定和数据外泄风险。

技术定位与领域： OpenScience 属于 AI for Science 领域中的科研自动化智能体平台，将大语言模型、专业科学数据库、可扩展技能库与浏览器工作区深度整合，构建了一个端到端的研究操作系统。其独特定位在于：不绑定任何单一模型供应商，允许研究者在同一任务中自由切换不同大模型进行对比，同时保持科研推理链条的完全透明和可复现性。

研发背景： 由 Synthetic Sciences 团队开发，该团队专注于 AI 驱动的科学发现工具，此前已积累多项科学计算与智能体编排经验。OpenScience 的诞生源于对现有闭源科研工具“黑箱化”和“供应商锁定”的反思——研究者无法审计推理过程、无法自由切换模型、无法在本地处理敏感数据。因此团队选择 Apache 2.0 开源协议，将全部代码与技能开放，推动科研自动化走向透明、可控、可复现。

核心价值： 解决科研流程中工具碎片化、模型选择受限、数据隐私合规三大痛点。传统科研工作流需要研究者分别使用文献检索工具、代码编辑器、实验管理平台和论文写作软件，且往往依赖单一模型供应商的 API。OpenScience 将整个科研循环统一到同一个工作区，支持按请求切换任何主流模型，允许在本地基础设施运行，私有数据集和 API 密钥完全保留在用户手中，满足高校、医院、药企等敏感领域的数据不出域合规要求。

技术特点： 采用模型无关路由层，实现零切换成本的模型编排；内置 250+ 可编辑技能，涵盖 DeepSpeed、PEFT、TRL 训练框架、化学信息学工具、LaTeX 排版、云计算接口等；集成约 30 个科学数据库智能体，包括 UniProt、PDB、Ensembl、ChEMBL、PubChem、arXiv、OpenAlex、Semantic Scholar 等；提供基于浏览器的完整工作区，支持文件树、编辑器、终端、会话历史，以及分子结构、基因组图谱、图表等行内渲染。

2. 主要功能

• 完整科研循环： 覆盖从文献检索、假设生成、代码编写、实验执行到数据分析与论文撰写的全流程。研究者只需输入一个研究目标，智能体即可自动推进各阶段任务，并保持推理链路的可追溯性，大幅减少人工切换工具的时间成本。

• 模型无关路由： 支持按请求自由切换 Claude、GPT、Gemini、GLM、Kimi、DeepSeek 及本地微调模型，无需修改任何配置。这一设计使研究者可以在同一任务中对比不同模型的输出质量和成本，避免被单一供应商锁定，同时可无缝接入新发布的大模型。

• 250+ 可编辑技能： 内置的技能库覆盖机器学习训练（DeepSpeed、PEFT、TRL）、模型评估、数据集处理、化学信息学、LaTeX 排版、图表绘制、云计算调用等领域。所有技能代码均开放并可编辑，用户可根据自身研究需求修改或新增技能，实现高度定制化。

• 科学数据库智能体工具： 集成约 30 个科学数据库作为智能体工具，包括 UniProt（蛋白质序列）、PDB（蛋白质结构）、Ensembl（基因组）、ChEMBL（生物活性）、PubChem（化合物）、arXiv（预印本）、OpenAlex（学术图谱）、Semantic Scholar（语义学术）等。智能体可自动查询、解析并整合数据，结果直接在工作区中渲染展示。

• 专业智能体： 提供研究、生物学、物理学、机器学习四大专业智能体，以及批判性审查与文献综述子智能体。每个智能体针对特定领域的知识库和技能进行优化，例如生物学智能体可自动查询 UniProt 和 PDB，提出候选突变方案并记录来源；ML 智能体可拉取 arXiv 论文并用 PEFT 技能编写训练脚本。

• 内置工作区： 包含文件树、代码编辑器、终端、会话历史等完整开发环境，支持行内渲染分子结构、蛋白质三维结构、基因组图谱、图表等科学可视化内容。科研流与代码环境无缝融合，无需在多个窗口间切换。

• 可扩展架构： 支持 LSP 集成、MCP 服务器、插件和 TypeScript SDK，允许开发者自定义技能、智能体和数据源。这一架构使得 OpenScience 可以轻松接入新的科学数据库、模型提供商或计算后端，具备长期演进能力。

3. 如何使用

1. 环境要求与前置条件： 需要 Node.js 16.0 或更高版本运行环境，操作系统支持 Windows、macOS 和 Linux。无需注册账号，但使用高级模型（如 GPT-4、Claude 3.5）需自带 API 密钥。推荐使用现代浏览器（Chrome/Edge/Firefox 最新版）以获得最佳工作区体验。

2. 安装步骤： 在终端中执行全局安装命令 npm install -g @synsci/openscience。安装完成后，运行 openscience 命令，系统会自动在默认浏览器中打开工作区界面。首次启动时可能会提示选择模型提供商。

3. 模型选择与配置： 首次运行时会弹出模型选择向导，提供三个选项：使用 Atlas 托管模型（免费试用）、自带供应商密钥（如 OpenAI、Anthropic、Google、DeepSeek 等）、或使用免费演示模型（功能受限）。选择后可在工作区的模型选择器中随时按请求切换，无需重启服务。

4. 设定研究目标与启动流程： 在工作区的输入框中输入研究目标（例如“分析某蛋白质的突变对结合亲和力的影响”），智能体将自动分解任务，依次执行文献检索、假设生成、代码编写、实验执行和结果分析。用户可在会话历史中查看每一步的推理过程和中间结果。

5. 切换模型与对比： 在任务执行过程中，用户可随时打开模型选择器，将当前请求切换到另一个模型提供商或本地模型。切换后智能体会使用新模型继续后续步骤，便于进行成本与质量对比。

6. 扩展与定制： 通过工作区左侧的“技能”面板可查看和编辑所有内置技能代码。高级用户可通过 LSP 集成、MCP 服务器或 TypeScript SDK 开发自定义技能和智能体。所有修改即时生效，无需重启。

4. 优缺点分析

5. 同类工具对比

选型建议： 对于追求完全透明、可复现、且需要在本地处理敏感数据的研究团队（如高校实验室、医院、药企），OpenScience 是唯一能满足数据不出域和模型自由切换需求的开源方案。其 250+ 可编辑技能和 30 个数据库的广度，使其在功能完整性上显著优于 Claude Science 和 Google AI Co-Scientist。如果团队主要使用单一模型且不关心数据隐私，Claude Science 提供了更简洁的安装体验和精选技能集，适合快速上手。Google AI Co-Scientist 则更适合大规模云端计算场景，但其闭源和模型锁定特性限制了科研透明度。对于预算有限且需要频繁对比不同模型的研究者，OpenScience 的自带密钥免费模式具有明显优势。

6. 编辑点评

OpenScience 在技术创新性上展现了令人印象深刻的设计理念：模型无关路由和完全开源架构从根本上解决了科研工具中常见的供应商锁定和黑箱问题。与 Claude Science 等闭源产品相比，OpenScience 不仅开放了全部代码，还将技能库和智能体逻辑完全暴露给用户，允许研究者审计、修改和扩展每一个环节，这在 AI for Science 领域具有里程碑意义。其 250+ 可编辑技能的覆盖范围（从 DeepSpeed 训练到化学信息学）在同类开源项目中前所未有，而约 30 个科学数据库的集成则大幅减少了研究者跨平台检索的精力消耗。

实用价值方面，OpenScience 将文献检索、代码开发、实验执行、论文撰写整合到同一个浏览器工作区，并支持分子结构和基因组图谱的行内渲染，显著提升了科研流程的连贯性。对于需要频繁切换模型进行对比的研究者，模型无关路由的零配置切换体验极具吸引力。然而，当前版本在实时协作、数据库查询深度、以及新手友好性方面仍有改进空间。安装需要 Node.js 环境，可能将部分非计算机背景的研究者拒之门外；技能库的文档和示例尚不完善，深度使用需要一定的学习成本。

适用人群定位清晰：主要面向有一定编程基础的计算生物学、化学信息学、机器学习领域的研究者，以及需要在本地处理敏感数据的机构。未来发展潜力巨大：随着科学数据库集成深度的提升、技能库的社区贡献增长、以及协作功能的加入，OpenScience 有望成为科研自动化的标准开源平台。

7. 应用场景

• 机器学习研究： ML 智能体自动拉取 arXiv 上最新论文，使用内置的 PEFT 和 TRL 技能编写微调脚本，在本地 GPU 上执行训练，并生成包含实验曲线和消融分析的研究报告。研究者只需定义任务目标，即可获得完整的实验记录和可复现代码。

• 计算生物学： 生物学智能体查询 UniProt 获取蛋白质序列信息，从 PDB 下载三维结构，在工作区中行内渲染蛋白质模型，提出候选突变位点，并使用 ChEMBL 数据库验证生物活性数据。整个推理链自动记录来源，便于论文引用。

• 化学信息学： 化学智能体查询 PubChem 和 ChEMBL 获取化合物生物活性数据，运行内置的筛选过滤器（如 Lipinski 五规则、ADMET 预测），返回带排名的候选分子列表及活性热图，支持行内渲染分子结构式。

• 预算受限下的模型对比： 团队需要在 Claude、GLM 和本地微调模型上运行同一科研任务（如文献综述或假设生成），通过 OpenScience 的模型选择器按请求一键切换，比较输出质量、推理速度和 API 成本，无需为每个模型单独配置环境。

• 跨学科文献综述： 使用文献综述子智能体，设定主题为“AI 在药物发现中的应用”，智能体自动查询 arXiv、OpenAlex 和 Semantic Scholar，提取关键论文并生成结构化综述草稿，同时调用批判性审查智能体进行逻辑验证和引用完整性检查。

8. 常见问题FAQ

Q：OpenScience 是否完全免费使用？
A：是的。OpenScience 本身采用 Apache 2.0 开源协议，代码和技能完全免费。运行在用户自有基础设施上，无调用次数限制。但使用高级商业模型（如 GPT-4、Claude 3.5）需要用户自带 API 密钥，密钥费用由模型提供商收取。首次运行也可选择免费的 Atlas 托管模型或演示模型。

Q：能否在不联网的情况下使用？
A：可以。OpenScience 的核心工作区、技能库和本地模型推理均可离线运行。但科学数据库查询（如 UniProt、arXiv）和商业模型 API 调用需要网络连接。如果完全离线，建议使用本地部署的开源模型（如 Llama、DeepSeek）并提前下载所需数据库的本地副本。

Q：如何添加自定义的科学数据库？
A：通过 TypeScript SDK 或 MCP 服务器接口，用户可以编写自定义数据库插件。工作区中提供了“技能编辑器”，可直接修改现有数据库查询技能或创建新技能。社区也计划发布数据库集成模板以降低开发难度。

Q：OpenScience 支持多人协作吗？
A：当前版本不支持实时多人协作。每个用户运行独立的本地实例。团队协作可通过共享工作区文件（如导出会话历史或技能代码）实现，但无内置的协同编辑或版本控制功能。未来版本可能加入基于 Git 的同步机制。

Q：技能库中的技能可以修改后永久保存吗？
A：可以。所有技能代码均存储在用户本地文件系统中（默认路径为 ~/.openscience/skills），用户可直接编辑这些文件。修改后的技能会立即生效，且不会影响其他用户的实例。建议修改前备份原始技能文件。

Q：OpenScience 对硬件有什么要求？
A：运行 OpenScience 本身对硬件要求不高，任何能运行 Node.js 的机器均可。但若使用本地模型推理，则需要相应的 GPU（推荐至少 8GB 显存）。如果仅使用 API 调用商业模型，则无需 GPU，普通 CPU 即可流畅运行工作区。

9. 项目地址

• 项目官网：https://www.openscience.sh/
• GitHub 仓库：https://github.com/synthetic-sciences/openscience