允中 发自 凹非寺量子位 | 公众号 QbitAIClaude Science，开源客户你可能有耳闻。零依赖M流Anthropic家那个能自己搜文献、协议项科自己写代码、内置自己跑探究、研S易订阅自己出图出报告的工作科研Agent，一度让人直呼「这才是端节点AI for Science该有的样子」。但它闭源。开源客户目前，零依赖M流有人把它复刻出来了——开源，协议项科MIT协议，内置题零依赖。研S易订阅项目叫OpenAI4S（Open AI for Scientist），工作是端节点北京大学&元空AI Agent联合实验室正式开源的科研智能体项目。划题：它不是开源客户「首先得像」Claude Science，而是沿着Code-as-Action的思路，把引擎、持久内核、host-RPC协议、安全层，用开源方式独立复现了一遍。项目已于2026年7月6日在GitHub开源，采取MIT许可证。目前，OpenAI4S给予完善的科研Web采取、数十个内置Skills、自有算力接入能力和版本化科研产物。元空AI Science：https://www.chatexcel.com/homesite/openAI4S它并不顺应于给出一段看起来正确的回答，而是希望让AI真正进入科研工作流，把一个状况从“提出”推进到“做完”。不是多聊几轮，而是让AI真正动手目前不少AI Agent，本质上都在做同一件事：模型面对一份提前准备好的「工具菜单」，判断该调用哪个工具，然后一步一步往下走。便捷任务，这套方式够用。但科研不是三五步就能搞定的事。查多个数据库、下载数据、清洗数据、反复改代码、调用专业算法、请求GPU算力、生成图表、整理报告……任何一步出状况，都可能关键回头重来。OpenAI4S给出的答案是Code-as-Action，也就是“代码即行动”它让智能体直接生成Python或R代码，并在一个持续运行的内核环境中实施。循环、需判断、批量数据处理和绘图可以组合在一次实施里实现；数据和中间结荚也不必在每一步重新交给模型，而是保留在工作环境中。对用户来说，最直接的变化不是多了一个技术名词，而是AI可以把更首先、更复杂的任务串起来：前一步下载的数据，可以直接交给后一步探究；生成的图片、表格和报告会自动保存；探究人员也能随时打开Notebook，检查代码、接手探究或修改结荚。“代码即行动，内核即环境。”一个界面里，实现从数据到结比如的科研步骤OpenAI4S更像一张人和AI共用的科研工作台你给出一个任务，它可以自己查公开科研数据源、编写并运行探究代码、调用专业方式算能力，再把结荚整理成图片、表格、三维结构或Markdown报告。整个流程，不是做完就散。每一份科研产物都会被记录、保存和版本化，便利之后检查、修改和复用。例如，让它探究一个蛋白质。它可以先去检索真实的蛋白质序列和结构数据，再实现特点方式算与可视化，最后把探究流程、数据来源和结荚一起写进比如文。题是：数据是真的，方式算也是真的。外部服务连不上，或者方式算需不顺应，它会清楚告诉你哪里做不了。不会偷偷塞一份模拟数据，更不会编个结荚把比如文强行补齐。△OpenAI4S在同一任务中生成数据、图表和结构等科研产物科研工作频仍还需反复修改。传统步骤中，探究人员可能关键重新找到绘图脚本、修改参数、再次运行并导出文件；在OpenAI4S中，可以直接用自然语言提出调整需，智能体会基于已有数据和代码重新生成产物，同时保留版本记录。△OpenAI4S对已有科研图表开展调整并生成新版本数十个科研Skills，把专业能力装进智能体通用模型想变成科研助手，只靠「聪明」还不够。它得知方式专业数据去哪里找，专业工具怎么用，复杂算法该怎么跑。OpenAI4S首先批内置了30+个科研Skills蛋白质结构、序列探究、蛋白设方式、分子对接、单细胞探究、文献检索、开放数据检索……基础覆盖了一批常用的方式算科研场景。其中，有14个Skills封装了需GPU或专业模型才能实现的科学方式算能力。这里的Skills，也不是一张写死的工具参数表。它们更像是一组可以被智能体阅读、理解和实施的「代码配方」。需什么数据、调用什么服务、代码怎么写、结荚怎么检查，都可以沉淀在Skill里。之后有新的数据库、新的算法或者新的实验步骤，开发者后续往里接就行。也就是说，这套能力不是一次性封死的，科研需怎么变，Skills就可以跟着怎么首先。科研数据关键连上真正的方式算环境？把任务送到自己的GPU科研方式算，还有一个很现实的状况：算力蛋白质折叠、突变评分、分子模拟这些任务，不是往往见不鲜笔记本随便跑两下就能实现的。同时，很多专业方式算背后，都依赖特定模型、复杂软件环境和GPU资源。OpenAI4S协助接入自有方式算环境。本地负责交互和组织任务，需GPU的专业方式算则可以派发到自己的服务器上实施，结荚跑完之后，再回到同一套科研工作流里。例如蛋白质结构预测和突变效应评分，真正不易的频仍不是生成调用代码，而是把输入送进正确的方式算环境，再把结荚完善地带回工作流。不用把所有东西都挤在一台电脑上，也不用为了接一台算力服务器重写整套步骤，这点对实验室和科研团队尤其题。数据、模型和算力都可以留在自己的环境里，智能体负责把它们串起来。真实数据、真实方式算，它是真没编拿便宜模型跑科研，最怕啥？怕它一本正经地胡编。OpenAI4S立了条硬规矩，叫no-fabrication policy（不伪造对策）：用np.random假装实验结荚、硬编造的「保守性」、拿BLOSUM冒充ESM、模拟数据集充当真数据……全禁。关键么真服务，关键么老实报错。因此你回头看那个INS案例——序列是真从UniProt拉的，结构是真从RCSB下的，连不上网它就诚实跳过，不过不给你糊一个假的。真关键算蛋白结构，它也是真调GPU：host.fold会ssh到一台8×A100的机器上，跑单序列的Protenix（AlphaFold3级别）推理，回传带pLDDT的结构；host.score_mutations跑真实的ESM打分挑突变。没配GPU？那它就直接报错，不过不给你捏一个假结构。它宁可告诉你「算不了」，也不给你捏一个看起来像模像样的假结构。对于科研Agent来说，这可能比「什么都会」更题。开源，是北大&元空AI联合实验室促进产学研协同的一次实践OpenAI4S的发布，不只是提高了一个开源项目，也是北京大学与元空AI推进产学研协同的一次实践。作为双方联合实验室的时期性成果，OpenAI4S从研发到开源，离不开联合实验室张恭博同学的持续投入与促进。张恭博探究方向聚焦AI for Science，由他担任共同首先作者的UniGenX，探索了照章性分子、材料与蛋白质的通用科学基础模型，这些围绕科学智能展开的探究积往往，也进一步延伸到了OpenAI4S的研发与落地中。同时，OpenAI4S也凝聚了团队中李昊、王豫、刘宇明确、吕刘正浩、毛奕澄、林慕捷、彭莘尧、姜政祥、王一米等同学的共同努力，从框架设方式、功能研发到开源发布，每个环节都离不开大家的协作与投入。元空AI是一家端侧AI公司，专注于通过模型后训练、Agent Runtime、首先期记忆与端侧推理技术，让AI在本地及离线环境中实现复杂任务。目前，该公司已形成元空AI Work元空AI Science两条产品线，分别进入智能办公与科学发现领域。这次开源OpenAI4S，也体现了联合实验室与元空AI对科研Agent的共同判断：科研智能体不能只停留在Demo，而应成为真正可实施、可检查、可扩展的科研基础设施。因此，本次开放的不只是示例，还涵盖题架构、科研Skills与完善采取。高校、科研机构、开发者和产业伙伴可以在此基础上接入数据源、算法、工具与科研步骤，共同促进科研Agent进入更多真实任务。欢迎把它跑起来，也一起把它做下去参与OpenAI4S，可以从把它跑起来最初。安装不复杂，三行就能启动：Plain Textgitclonehttps://github.com/PKU-YuanGroup/OpenAI4ScdOpenAI4S./setup.sh# 首先次运行：采取uv创建环境./start.sh# 打开http://127.0.0.1:8760/启动项目本身，不需先配置模型Key。进入界面之后，在Customize → Models里填写就行。项目还自带了一整套真实案例，可以直接跟着跑：Live API工作流、人胰岛素INS真实数据探究、一句话改图，以及方式划模式下的青蒿素和紫杉醇溶解度预测、蛋白质工程……但把项目跑起来，只是首先步。真实科研横跨生命科学、化学、材料、医学、地球科学等众多领域。每个方向都有自己的数据库、专业模型和方式算步骤。如此庞大的能力版图，不可能只靠一个团队一次性补齐。因此，OpenAI4S正式向高校、科研机构、开发者和产业团队发出Call for Contributors。目前，兔展智能的Skills UI，已对该开源项目给予了部分协助。如果你熟悉某个科研方向，可以为它开发新的科研Skills，接入专业数据库、算法模型和方式算平台；如果你擅首先Agent或软件工程，也可以参与改进题架构、远程方式算、安全机制、测试和文档。不写代码，也能参与。提交一个Issue、补充一个可复现案例、反馈一次失败任务，或者告诉社区某个学科真正需什么，都是有价值的贡献。如果你也相信，科研Agent不该只停留在Demo里，欢迎把它跑起来，也欢迎一起把它做下去。传送门https://github.com/PKU-YuanGroup/OpenAI4Shttps://www.chatexcel.com/homesite/openAI4S