synthetic-sciences/openscience · 上手攻略
- 仓库：synthetic-sciences/openscience
- 链接：https://github.com/synthetic-sciences/openscience
- 分类：AI 辅助科研 · Agent 工具链
- 作者：Jay
- 更新：2026-07-26
它是什么
OpenScience 是 Synthetic Sciences（YC W26 入选团队）出品的开源 AI 科研工作台。用户给定一个研究目标，它就以"能力型合作者"的方式走完完整研究闭环——读文献、提假设、写代码、跑实验、查数据库、写报告，全程在一个浏览器 Workspace 里完成。
它于 2026 年 7 月 5 日正式发布，定位是 Claude Science 的开源替代：Apache 2.0 许可、模型任意切换、不绑平台、数据留在本地。README 明确注明与 Anthropic 无关联，"Claude" 商标仅用于描述兼容性。
解决什么问题
传统科研 AI 工具普遍存在三个痛点：
第一，工具碎片化。 查文献用一个工具，跑代码用另一个 IDE，写论文又换一个环境，Agent 在工具之间来回切换，上下文丢失。OpenScience 把全链路做成了一个连续 Session，不存在跨工具的上下文迁移问题。
第二，厂商锁定。 Claude Science 只能跑 Claude，换不了。OpenScience 是模型无关的路由层，按请求切换模型——这次用 Claude 跑蛋白分析，下次换 GPT-4o 做文献综述，都不需要改工作流。
第三，科研工具缺失。 通用 Agent 不认识 UniProt、PDB、ChEMBL、RDKit 这些专业数据库和工具链。OpenScience 预置了 290+ 科研技能和 30+ 科学数据库作为 Agent 可调用的标准工具，Agent 直接用自然语言就能驱动它们。
快速安装
环境要求
- Node.js：建议 Node 18 及以上，npm 随 Node 附赠
- 浏览器：Chrome / Edge / Firefox 均可，Workspace 在浏览器中运行
- API Key（三选一，不设 Key 也能用演示模型体验）：
1. 自带 Key：设置
ANTHROPIC_API_KEY/OPENAI_API_KEY/GEMINI_API_KEY等环境变量 2. Atlas 托管：运行openscience login连接 Atlas 平台（预付钱包，按量计费） 3. 跳过：首次引导选"免费演示模型"直接体验，无需任何 Key
安装命令
# 全局安装（推荐）
npm install -g @synsci/openscience
# 启动 Workspace（自动在浏览器打开 http://localhost:5173）
openscience
# 免安装，一行 npx 跑（效果相同）
npx synsci
# 指定项目目录启动
openscience ~/code/my-research-project
# 查看当前连接状态（连的哪个 provider、用哪个模型）
openscience status
# 断开 Atlas 连接
openscience logout
# 更换监听端口（默认 5173）
openscience --port 8080
Linux 特殊说明
- 内核要求 ≥ 5.1，glibc ≥ 2.17
- CentOS 7 虽然 glibc 版本满足，但内核只有 3.10，官方明确不支持，需使用新内核主机或 VM
- Alpine Linux 等 musl 环境有独立构建：从 GitHub Releases 下载 musl 版本
从源码运行（如需二次开发）
源码用 Bun 构建（非 npm）：
git clone https://github.com/synthetic-sciences/openscience.git
cd openscience
bun install
bun dev # 开发模式运行 Workspace
bun run typecheck
bun run --cwd backend/cli test
核心用法详解
1. 启动与 Key 配置流程
首次运行 openscience 会进入引导流程，屏幕提示三个选项：
- Atlas Managed：使用 Synthetic Sciences 托管的前沿模型，通过 Atlas 预付钱包扣费，不需要各厂商 API Key
- Bring Your Own Key：自行设置环境变量，或在 Workspace UI 的 Credentials 面板中录入 Key
- Skip / Demo：使用免费演示模型，无需任何配置
配置完成后，Workspace 在浏览器中打开，默认地址 http://localhost:5173。
2. 模型选择器
Workspace 右上角有模型选择下拉菜单，支持按请求切换模型。实测支持的 provider 包括（不限于）：
| Provider | 代表模型 |
|---|---|
| Anthropic | Claude Opus 4, Claude Sonnet 4, Claude Haiku |
| OpenAI | GPT-4o, o1-preview, o1-mini, o3 系列 |
| Gemini 2.0 Flash, Gemini 2.5 Pro | |
| 国产模型 | GLM-4、Kimi（Moonshot）、DeepSeek V3/R1 等 |
| 本地模型 | 通过对应 Provider 的 API 接口接入 Ollama、vLLM 等本地部署 |
切换是按请求路由的——每个 Agent 调用可以选不同模型，不需要改代码、不需要重启服务。
3. Agent 类型与使用场景
| Agent | 默认 | 用途 |
|---|---|---|
| Research Agent | ✅ | 综合研究主 Agent，统筹全流程 |
| Biology Specialist | 分子生物学、蛋白结构、基因组学 | |
| Physics Specialist | 物理学专项 | |
| ML Specialist | 机器学习训练、评估、Fine-tuning | |
| Critique Sub-agent | 批判性审查假设和实验设计 | |
| Literature Review Sub-agent | 文献检索与综述 | |
| Plan Mode | 只读模式，只生成研究计划，不执行 |
4. 290+ 科研技能一览
按类别举例（以下均为 Agent 可直接调用）：
训练类 - DeepSpeed ZeRO-3 分布式训练 - PEFT：LoRA、QLoRA、AdaLoRA 等参数高效微调 - TRL：SFT（监督微调）、RLHF（强化学习）、DPO（直接偏好优化） - transformers Trainer 完整训练循环
评估类 - MMLU、HellaSwag、TruthfulQA、BIG-bench 等标准基准 - 自定义评估数据集加载与评分
数据集处理 - HuggingFace Dataset 下载、分割、格式转换 - Albumentations 图像数据增强 - Pandas 数据清洗与预处理
科学数据库（~30+ 内置工具） - 文献：arXiv API、OpenAlex、Semantic Scholar - 蛋白/基因：UniProt（蛋白质数据库）、PDB（结构数据库）、Ensembl（基因组） - 化学/药物：ChEMBL（药物发现数据库）、PubChem（化合物数据库） - 临床：ClinicalTrials.gov - 生物信息：BioPython、RDNKit、RSC（晶体结构）等
论文/写作 - arXiv 论文下载与解析 - LaTeX 写作辅助（公式、图表引用） - 自然语言驱动的文献摘要生成
可视化 - Matplotlib、Seaborn、Plotly 图表生成 - 分子结构 3D 渲染（RDKit + 3Dmol.js） - 基因组 Browser 轨道图
云算力 - Modal 云函数调用（无服务器 GPU 训练） - Tinker 等其他云端计算集成
5. MCP 服务器与扩展能力
OpenScience 支持 Model Context Protocol (MCP)，可以接入额外的 MCP Server 来扩展工具集：
- LSP 集成：编辑器提供代码补全、跳转到定义等 IDE 功能
- TypeScript SDK：
@synsci/openscience包可编写自定义插件和 Agent - 插件系统：自定义工具、命令、主题
- 项目级配置：
openscience.json或.openscience/目录放在项目根目录，优先级高于全局配置
典型适用场景
场景 1：ML 研究快速迭代
给 ML Agent 一个目标："在 C4 数据集上用 QLoRA 微调 Llama-3-8B，评估在 HuggingFace Open LLM Leaderboard 上的表现"。Agent 会自动： 1. 查 arXiv 找相关论文，确定超参数范围 2. 写训练脚本（PEFT + DeepSpeed） 3. 提交到 Modal 无服务器 GPU 运行 4. 拉评估结果，生成 MMLU / HellaSwag 雷达图 5. 草拟一份结构化实验报告
场景 2：计算生物学蛋白靶点分析
给 Biology Agent 一个蛋白名称，它会： 1. 查 UniProt 获取全长氨基酸序列和功能注释 2. 查 PDB 获取三维结构，并内联渲染在 Workspace 里 3. 用 RDKit 分析结合口袋的氨基酸组成 4. 提出候选点突变建议，注明文献出处 5. 整个过程有完整 provenance 可追溯
场景 3：化学小分子药物筛选
给一个化学任务，Agent 会： 1. 从 ChEMBL 拉目标靶点相关的活性化合物数据 2. 从 PubChem 补充专利化合物信息 3. 用 RDKit 编写过滤脚本——类药五规则、分子量、LogP、脂溶性 4. 输出排名列表并附带分子结构图 5. 所有数据查询均有原始数据库来源记录
场景 4：跨模型对比评测
同一个研究问题，分别选 Claude Opus 4、GPT-4o、DeepSeek-R1 各跑一遍： - 模型切换是一键操作，不需要改 Prompt 或工具配置 - 适合学术研究中的模型公平性评测，或产品选型时的成本/质量权衡分析
坑与注意
⚠️ Agent 无沙箱隔离
README 明确声明：permission system 只负责告知你 Agent 在干什么，不做隔离。Agent 实际上可以执行任意 shell 命令，包括 rm -rf ~ 这类危险操作。处理敏感数据或运行不受信代码时，务必在容器或 VM 内运行。这不是 bug，是设计选择。
⚠️ 模型质量决定输出质量
OpenScience 是模型无关的路由层——换模型不换工具，但答案质量完全取决于所选模型。用低成本模型跑复杂生物实验可能产出无意义的假设；用前沿大模型跑简单文献总结则浪费成本。
⚠️ CentOS 7 不支持
glibc 版本（2.17）虽然满足最低要求，但内核版本（3.10）太旧。官方明确将 CentOS 7 列为不支持环境，即使 glibc 检测通过也需换主机或 VM。
⚠️ 首次引导默认启动本地服务器
默认端口 5173（Hono 开发服务器），防火墙需允许本地回环流量。如需远程访问，可以配合 SSH 隧道或反向代理，但不建议将端口直接暴露在公网。
⚠️ 源码开发用 Bun，不是 npm
从源码构建时用 bun install && bun dev，而非 npm install。npm 全局包只负责 CLI 使用，不参与源码开发流程。
⚠️ Atlas 是可选的，完全不强制
Atlas 的托管模型、预付钱包、研究图谱、托管算力等功能均为可选增强。纯 BYOK（自带 Key）使用完全免费，不被限流，不被监控。
与同类对比
| 维度 | OpenScience | Claude Science | AutoGPT / LangChain Agents | LabLab AI |
|---|---|---|---|---|
| 许可 | Apache 2.0（开源） | 专有（闭源） | 多为开源 | 多为开源 |
| 模型支持 | 任意 Provider | 仅 Claude 系列 | 任意 | 任意 |
| 科研数据库 | ~30+ 内置 | ~5 个（UniProt/PDB/ChEMBL/GEO等） | 需自行集成 | 需自行集成 |
| 内置技能数 | 290+（可编辑） | ~60（精选，封闭） | 依赖扩展生态 | 依赖扩展 |
| 执行环境 | 本地浏览器 Workspace | Lab 机器/云端 | 本地/远程皆可 | 云端 |
| 数据主权 | ✅ 数据留本地 | ❌ 数据在云端 | 视配置 | 视配置 |
| 沙箱隔离 | ❌（明确无） | ✅（推测有） | 视配置 | 视配置 |
| YC 背景 | ✅ YC W26 | ❌ | ❌ | ❌ |
核心差异一句话：OpenScience 在"开源 + 模型自由 + 科研工具链深度集成"三者交集处是目前最完整的开源方案，代价是产品成熟度相比 Claude Science 仍有差距。对于需要在内部基础设施上跑科研流程、不想被任何厂商绑定的团队，OpenScience 是最优选。
一句话推荐结论
如果你需要一个不绑定任何 AI 厂商、能把"读文献→提假设→写代码→跑实验→写报告"全链路跑完的科研 Agent 工作台，且你的方向是机器学习、生物、化学或物理，OpenScience（2026 年 7 月）是目前最值得评估的开源选择——尤其是有数据主权要求或需要跨模型对比的团队。