恒美微站
首页
关于我们
建站服务
主题模板
案例展示
资讯中心
联系我们
Open-Science 快速上手:从安装到跑通第一个 AI 研究任务并核对来源
首页
资讯中心
/
Open-Science 快速上手:从安装到跑通第一个 AI 研究任务并核对来源
Open-Science 快速上手:从安装到跑通第一个 AI 研究任务并核对来源
发布时间:2026/10/15 21:16:47
Open-Science 快速上手从安装到跑通第一个 AI 研究任务并核对来源【免费下载链接】open-scienceThe open-source AI research workbench for scientific research and agent workflows. Local-first, model-agnostic desktop app with extensible skills, MCP tools and connectors, Python/R execution and traceable artifacts for reproducible research on macOS, Windows and Linux.项目地址: https://gitcode.com/GitHub_Trending/open/open-scienceOpen-ScienceAIPOCH Open-Science是一款开源、本地优先的 AI 研究工作台用自然语言描述研究目标智能体读取文件、执行 Python 和 R 代码、查询科学数据源产出可追溯的报告、表格与图表。流程按真实操作顺序展开选安装包 → 首次启动设置 → 提交第一个任务 → 预览产物 → 核对来源每个环节对应一个具体界面跑完一遍即可理解整套工作区。按系统选安装包与安装命令安装前只需要确认一件事你的系统架构。从官方发布页的 Assets 列表按下表选择安装包全部从同一页面下载避免第三方镜像带来的版本混乱。你的系统选择macOS 12Apple 芯片M1 或更新Apple Silicon / ARM64 的 DMGmacOS 12IntelIntel / x64 的 DMGWindows x64Windows x64 安装程序已代码签名Linux x64 / ARM64AppImage 或 Debian 软件包macOS 用户更省事一条命令安装桌面应用brew install --cask open-science如果安装后系统提示无法识别的开发者或未知发布者先按 SECURITY.md 的验证方法确认安装包来源再继续。开发者想直接跑源码的话前置条件是 Node.js 24 和 Git然后git clone https://gitcode.com/GitHub_Trending/open/open-science接着在仓库内执行npm install和npm run dev即可启动开发版桌面端开发数据会隔离存放在~/.open-science-project不影响正式安装的版本。首次启动设置向导哪些检查必须通过第一次打开应用会进入设置向导顺序固定环境 → 数据位置 → 智能体运行时 → 模型服务商 → Notebook 运行时。其中环境和智能体运行时是必需项Notebook 运行时可选——跳过它只是暂不跑 Python/R 代码之后随时可以在设置里补配。环境页会自动做五项检查系统兼容性、应用存储权限、安全凭据存储、安装网络和运行时可用性。全部显示READY后才能点 Continue如果某一行标记Action needed说明该项未通过逐项修复即可。数据位置一步建议新手保留默认值它决定大文件、Notebook 和上传内容的存放目录。模型服务商一步决定智能体用什么脑子。有四种连接方式内置云服务商应用内有 25 个预设如 OpenAI、Anthropic、DeepSeek、自定义网关填 Base URL 和精确模型 ID本地 Ollama、vLLM 等回环端点可用 HTTP 免密钥、Claude 订阅登录、Codex 订阅。填入 API Key 后点 Test connection 跑一次连接测试通过才算配好Key 会存进操作系统的凭据保险库而不是明文配置文件。编写并提交第一个研究任务设置完成后进入主界面点New project用研究主题命名项目打开会话后把任务写清楚。一段有效的任务描述通常包含五要素研究问题、输入数据在哪、方法或阈值约束、期望输出、验收标准。写得越具体智能体少走弯路越多——它会基于你给的显式输入工作而不是靠猜。操作上有两个快捷符号输入可以引用项目里的文件输入/可以调用已启用的技能。文件直接拖进会话即可附加单个文件最大 10 GiB但注意这是上传限制不代表模型能一次读完大文件通常要靠代码分块分析。发送任务前选择审批模式这决定智能体动手前问不问你模式行为适合场景Ask for approval编辑、命令、网络操作前逐项请求批准新流程、敏感数据、不熟悉的脚本Auto-approve edits自动允许低风险的工作区编辑命令与网络仍需确认受信任的文件编辑任务Full access全自动放行范围清晰、完全信任的无人值守任务新手建议先用Ask for approval跑两三个任务熟悉智能体通常请求哪些权限后再放宽。预览生成的报告、CSV 与图表任务执行期间预览面板与对话并排显示生成的 Markdown 报告、CSV 表格、图片都是产物artifact会附属于会话并汇入项目文件库可以随对话滚动查看也可以在后续任务里直接引用。以复现一篇差异表达分析为例智能体会列出哪些指标复现成功、哪些与论文有差异、差异来自哪个阈值或数据版本并附上deg_results.csv、火山图、热图等文件。你核对结论时不必离开窗口——CSV 分页直接浏览PNG 直接放大PDF 可以提取图表。另一个容易忽略的能力是分支修订编辑任意一条已发送的消息并重新发送就会从那个点长出一条新分支原对话完整保留消息旁的分支箭头可以在两条路径间切换。想换一种实验条件重跑时不需要复制粘贴旧上下文。用 Provenance 核对结果来源预览回答结果是什么Provenance 回答结果怎么来的。打开任意产物的Provenance视图可以看到该版本的生成代码、执行历史、引用到的输入文件、运行环境清单、产出它的对话分支以及开启自动审阅后的 Reviewer 检查记录。每个产物都是带校验和的不可变版本改不了也删不掉这是后续复现和交接的基础。两点需要明确边界一是无法验证的证据会被标记不可用系统不会替你脑补所以如果某项证据缺失重放验证会受阻二是重放一个版本需要完整的执行配方、所需输入和可用运行时且重放检查通过不等于科学结论成立——它证明的是过程可追溯不是结果正确。用内置技能与连接器扩展智能体默认安装已经带了一批科研能力不需要额外配置就能用科学技能Skills内置 23 个技能包括 AlphaFold2、Boltz、DiffDock 等结构预测方向技能市场里有 525 个经过审核的技能可一键安装、批量更新也能通过对话把自己的工作流沉淀成新技能数据连接器Connectors内置 36 个连接器覆盖 BioMart、CellGuide、Chemistry、Clinical Genomics 等权威数据源智能体按工具级权限直接查询也支持添加自定义的本地或远程 MCP 连接器无头 CLI在设置 → General → Command line tool一键安装不开界面也能在终端创建项目、提交任务、下载产物完整命令参考 packages/open-science/CLI.md这些能力按需开关即可不用的技能保持关闭不会增加智能体的上下文负担。新手常见卡点与答案设置向导里 Continue 一直是灰的当前步骤还有必需条件没满足。找到标记Action needed的检查行逐项修复或完成智能体运行时安装、模型连接测试Notebook 相关项是可选的不阻塞进度。模型连接测试失败怎么办按顺序排查API Key 是否抄错或多了空格、Base URL 和地区是否正确、模型 ID 是否用了服务商的精确写法预设格式不保证模型兼容、账户余额和网络是否可用。Claude 订阅登录失败的按所选模式重试浏览器登录或刷新隔离令牌。必须购买 API Key 吗不一定。内置云服务商和自定义网关需要各自密钥如果你已有 Claude 或 Codex 订阅可以直接用它登录不产生额外 API 费用。数据会发到外部吗项目、会话、文件、设置和日志默认都存在本地API Key 使用系统凭据存储日志不自动上传。但模型请求会把你提供的上下文发往所选服务商网页搜索和远程连接器也会把显示的参数发往外部服务——敏感数据先自行审查并选最小权限的审批模式。参考资料资源路径英文 README快速开始与产品导览README.md简体中文 READMEdocs/zh-Hans/README.md无头 CLI 指南packages/open-science/CLI.md独立运行时指南docs/standalone-runtime.md安全与下载验证SECURITY.md开发命令与打包参考docs/development-quick-reference.md能力路线图docs/ROADMAP.md最新版本中文发布说明release-notes/0.37.2/zh-Hans.md【免费下载链接】open-scienceThe open-source AI research workbench for scientific research and agent workflows. Local-first, model-agnostic desktop app with extensible skills, MCP tools and connectors, Python/R execution and traceable artifacts for reproducible research on macOS, Windows and Linux.项目地址: https://gitcode.com/GitHub_Trending/open/open-science创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考