xuzhougeng/wisp-science · 上手攻略
- 仓库：xuzhougeng/wisp-science
- 链接：https://github.com/xuzhougeng/wisp-science
- 分类：ai / research-workbench / scientific-computing
- 作者：Tom
- 更新：2026-08-23
是什么
WISP（Workspace for Intelligent Scientific Practice）是一个开源、本地优先的桌面 AI 科研工作台，将文献检索、Python/R 执行、~80 个科学数据库查询、AI 模型调用集成在一个项目中，支持 SSH/WSL/本地 GPU 多种计算后端，数据和凭证保留在本地不传云端。
解决什么问题
AI 辅助科研工具普遍存在两个问题：数据上云隐私风险、多工具切换割裂工作流。WISP 通过本地化执行 + MCP 协议集成数据库 + 可验证的证据胶囊（Evidence Capsule），让 AI 在科研场景下既保持本地数据安全，又能追溯每一步推理和文件变更。
快速安装
从 GitHub Releases 下载对应平台的安装包：
| 平台 | 安装包 |
|---|---|
| Windows | Signed MSI / NSIS |
| macOS | Signed, notarized .dmg（Apple Silicon + Intel） |
| Linux | .deb / AppImage（x86_64 + aarch64） |
# 下载地址（需访问 GitHub）
https://github.com/xuzhougeng/wisp-science/releases
下载后运行安装程序。内置 demo 项目无需 API key 即可体验 RNA-seq 轨迹分析演示。
核心用法
添加 AI 模型
首次启动后，在 Settings → Models 中添加模型配置：
- OpenAI 兼容：填入 base URL + API key
- Anthropic：填入 API key
- Codex / Claude Code：通过 ACP（Agent Communication Protocol）接入
新建项目
# 通过界面操作：
# File → New Project → 选择模板 → 开始
项目包含独立的 Python/R 内核，变量在单元格间持久化。
提交计算任务（Run）
# 通过界面操作：
# 编写单元格 → 点击 Run → 查看实时日志
支持本地、WSL、SSH 多种计算后端，内核隔离，并行会话互不干扰。
搜索文献数据库
通过 MCP 协议集成的 PubMed、GEO 等 ~80 个数据库直接查询，结果自动存入项目文件：
# 示例：在 Notebook 单元格中
# 使用内置 MCP 工具查询 PubMed
query = "RNA-seq transcriptomics 2024"
results = mcp_pubmed.search(query)
科研工作流：Exploration Branches
探索分支允许在不影响主线的情况下尝试新方向，类似 Git branch 但针对 AI 会话：
# 在界面中创建探索分支
# Exploration → New Branch → 命名 → 开始实验
证据胶囊（Evidence Capsule）
Publication Workspace 将论文修订冻存为可验证证据单元，包含：版本快照、运行记录、决策日志。
核心特性
| 特性 | 说明 |
|---|---|
| 模型无关 | OpenAI / Anthropic / Codex / Claude Code 均支持 |
| 本地内核 | Python / R 持久化内核，跨会话保持变量 |
| MCP 数据库 | ~80 个科学数据库（PubMed、GEO 等）内置集成 |
| 计算后端 | 本地、WSL、SSH 多后端自动探测 |
| Exploration Branches | 类 Git 的会话分支，实验互不污染 |
| Evidence Capsule | 论文修订可验证快照 |
| 手动同步 | 端到端加密，无后台自动同步 |
| 审批门控 | Full Permission 模式可选，默认保守权限 |
典型适用场景
- 生物信息学研究：RNA-seq、GWAS 等分析流程，WISP 内置 MCP 数据库支持 PubMed/GEO 直连，本地执行不泄露患者数据
- 跨机构协作：SSH 后端连接远程服务器，本地客户端操作，凭证存 OS keyring
- AI 辅助论文写作：Evidence Capsule 功能可追溯 AI 生成的每一段内容的决策依据
- 多模型对比：同一项目内切换不同 AI 模型执行相同分析任务，对比输出差异
坑与注意
⚠️ API key 安全：模型凭证存 OS 系统 keyring，不写入 SQLite 数据库，首次配置需在 Settings 中完成。
⚠️ shell-escape 等效权限：Full Permission 模式下 AI agent 有权执行本地 shell 命令，仅在完全信任 agent 时开启。
⚠️ Java 依赖：MCP 部分工具（如 bib2gls 相关的文献处理）需要 JRE，本地无 JRE 时部分功能不可用。
⚠️ macOS 代码签名：.dmg 为签名 + 公证双保险，下载后首次运行需在系统偏好设置中手动允许。
⚠️ Linux AppImage 依赖：AppImage 在部分老版本 Linux 上可能缺 glibc 2.34+，建议使用 .deb 包。
与同类对比
WISP vs Jupyter Notebook：Jupyter 是纯计算环境，不含 AI agent 层和 MCP 数据库集成；WISP 将 AI agent 的文件读写、shell 执行能力注入 Notebook 交互中，且内置证据溯源。
WISP vs Datalore / Google Colab：两者均为云端服务，数据上云；WISP 强调本地优先，数据不出机器，适合涉及隐私或合规要求的生物医学数据。
WISP vs VS Code + Copilot：VS Code Copilot 是通用代码辅助，不含科研数据库集成和 Evidence Capsule；WISP 是垂直科研场景的深度定制工作台。
一句话推荐结论
做生物信息或需要 AI 辅助科研且数据不能上云的人，WISP 是目前少有的本地优先、开源、无供应商绑定的科研工作台——内置 MCP 数据库直连 PubMed/GEO，Evidence Capsule 让 AI 的每一步推理可审计，比通用 IDE + Copilot 组合更适合正经做研究的人。