AIPOCH Open-Science ist eine KI-Forschungsumgebung für Wissenschaftler und Forscher, entwickelt von AIPOCH mit einem Open-Source-, lokalen, modellunabhängigen Ansatz. Sie ermöglicht reproduzierbare, überprüfbare Forschung mit wissenschaftlichen KI-Agenten, Python- und R-Ausführung, wissenschaftlichen Datenkonnektoren und plattformübergreifender Unterstützung für macOS, Windows und Linux. Erstellen Sie ein Projekt, beschreiben Sie Ihr Forschungsziel in natürlicher Sprache, und lassen Sie die Agenten Dateien lesen, das Web durchsuchen, Code ausführen, wissenschaftliche Datenquellen abfragen und Berichte, Tabellen und Grafiken mit nachvollziehbarer Herkunft erstellen – alles in einem Arbeitsbereich.
AIPOCH Open-Science unterstützt rechen- und datenintensive Forschung in verschiedenen Disziplinen, darunter maschinelles Lernen, Statistik, Biowissenschaften, Chemie, Materialwissenschaften, Physik und Umweltwissenschaften. Es deckt den gesamten Forschungsprozess ab, von der Literaturrecherche und Hypothesenentwicklung bis zur Codeausführung, Datenanalyse, Simulation, Visualisierung und der Erstellung nachvollziehbarer Forschungsergebnisse.
Abgeschlossene Forschungssitzungen können auch als portable .science-Pakete exportiert werden, um sie zu überprüfen, zu übergeben und zu archivieren, einschließlich ausgewählter Gesprächszweige, Dateiversionen, Notebook-Aufzeichnungen und Verifizierungsnachweise.
💡 AIPOCH Open-Science v0.34.0 veröffentlicht (zuletzt aktualisiert September 2026). AIPOCH Open-Science v0.34.0 bringt native Linux-ARM64-Installationsprogramme, fügt den Pathway-Commons-Konnektor sowie erweiterte cBioPortal-, openFDA-, MGnify- und Bgee-artsübergreifende Expressionsquellen hinzu und enthält Zeitschriften-Datensätze mit Referenzattributen in der Literaturbibliothek. Die App fügt außerdem die Modelloptionen MiniMax M3.1 Flash Preview und Claude Sonnet 5.5 hinzu. Die vollständigen Details finden Sie in den neuesten Versionshinweisen.
Inhaltsverzeichnis
- Schnellstart
- Produkttour
- AIPOCH Open-Science
.science-Forschungspakete - Benchmark-Leistung
- Kernfunktionen
- Modellanbieter
- Daten, Berechtigungen und Vertrauen
- Entwicklung & Paketierung
- Häufig gestellte Fragen
- Mitmachen
- Lizenz
- Sternverlauf
🚀 Schnellstart
1. App herunterladen
Öffnen Sie die offizielle Download-Seite und wählen Sie das Installationsprogramm für Ihren Computer:
| Ihr Computer | Wählen Sie |
|---|---|
| macOS 12+ — Apple Silicon (M1 oder neuer) | Das macOS DMG für Apple Silicon / ARM64 |
| macOS 12+ — Intel | Das macOS DMG für Intel / x64 |
| Windows x64 | Das Windows x64 Installationsprogramm (codesigniert) |
| Linux x64 | Das Linux x64 AppImage oder Debian-Paket |
Laden Sie von der offiziellen Download-Seite herunter; siehe Download-Verifizierung falls erforderlich.
Auf macOS können Sie es auch mit Homebrew installieren:
brew install --cask open-science
Windows-Neuinstallationen bewahren Forschungsdaten. Für eine vollständige Bereinigung siehe das Datenzurücksetzungs-Tool, das nach Bestätigung lokale Daten dauerhaft löscht.
2. Ersteinrichtung abschließen
Folgen Sie dem Einrichtungsassistenten: Umgebung → Datenspeicherort → Agentenlaufzeit → Modellanbieter → Notebook-Laufzeit.
Schließen Sie die erforderlichen Umgebungs- und Agentenlaufzeitprüfungen ab und testen Sie Ihre Modellverbindung. Die Python/R-Notebook-Einrichtung ist optional; Notebook- und Datenspeicherort-Einstellungen können später geändert werden.
3. Ein Forschungsprojekt starten
- Klicken Sie auf Neues Projekt, öffnen Sie eine Sitzung und beschreiben Sie Ihr Forschungsziel, Ihre Eingaben und erwarteten Ausgaben.
- Fügen Sie Dateien an, wählen Sie ein Modell und einen Genehmigungsmodus aus und senden Sie die Aufgabe. Verwenden Sie
@, um auf Projektdateien zu verweisen, oder/, um einen Skill auszuwählen. - Überprüfen Sie die Tool-Aktivität und etwaige Genehmigungsanfragen, zeigen Sie eine Vorschau der Ergebnisse an und prüfen Sie deren verfügbare Nachweise in Provenance.
Screenshots in dieser README veranschaulichen den Arbeitsablauf. Beschriftungen, Kataloge und andere Details der Benutzeroberfläche können von der von Ihnen installierten Version abweichen.
Produkttour
Von einer Forschungsanfrage zu einem nachvollziehbaren Ergebnis
Betrachten Sie eine repräsentative Bioinformatik-Aufgabe: Reproduzieren Sie eine veröffentlichte differentielle Expressionsanalyse, vergleichen Sie die neu generierten Ergebnisse mit der Veröffentlichung und liefern Sie den Bericht, die Tabellen und die Grafiken, die für die Begutachtung benötigt werden. Die folgenden Screenshots sind repräsentative Ansichten aus dokumentierten AIPOCH Open-Science-Workflows; sie veranschaulichen jede Phase anstatt einer durchgehenden Sitzung.
1. Definieren Sie die Forschungsaufgabe und die Nachweise
Beschreiben Sie die Forschungsfrage, die Quellenveröffentlichung und die Datensätze, die erforderlichen Methoden oder Schwellenwerte, die erwarteten Ausgaben und die Akzeptanzkriterien. Laden Sie unterstützende Dateien hoch oder verweisen Sie mit @ auf ein vorhandenes Projektartefakt, sodass der Agent mit expliziten Eingaben anstelle von verstecktem Kontext beginnt.
2. Ausführen mit überprüfbaren wissenschaftlichen Tools
Der Agent kann wissenschaftliche Skills, berechtigte Forschungskonnektoren, Suchen, Dateioperationen und Python- oder R-Code im gemeinsamen Notebook kombinieren. Generierte Grafiken können neben der Forschungszusammenfassung überprüft werden, während der Artefakt-Datensatz den erzeugenden Code und Ausführungsnachweise zur Inspektion offenlegt.
3. Berichte, Tabellen und Grafiken direkt überprüfen
Die endgültige Antwort fasst zusammen, was reproduziert wurde, was abwich und welche Einschränkungen relevant sind. Generierte Markdown-Berichte, CSV-Tabellen, Bilder und andere Forschungsartefakte bleiben an die Sitzung gebunden und werden in der Projektdateibibliothek gesammelt, wo sie neben dem Gespräch in der Vorschau angezeigt und für Folgearbeit wiederverwendet werden können.
4. Jedes Artefakt zu seinem Nachweis zurückverfolgen
Jedes generierte Artefakt wird als unveränderliche, mit einer Prüfsumme versehene Version gespeichert. Seine Provenance-Ansicht kann den erzeugenden Code und die Ausführungshistorie, referenzierte Eingaben, das beobachtete Umgebungsinventar, den erzeugenden Gesprächszweig und versionsbezogene Prüferbefunde offenlegen. Nachweise, die nicht verifiziert werden konnten, werden als nicht verfügbar markiert, anstatt abgeleitet zu werden.
AIPOCH Open-Science .science-Forschungspakete
Exportieren Sie eine abgeschlossene Forschungssitzung als portables .science-Paket zur Überprüfung, Übergabe und Archivierung. Wählen Sie die Gesprächszweige, Dateiversionen, Notebook-Aufzeichnungen und Verifizierungsnachweise aus, die enthalten sein sollen, und importieren Sie das Paket dann in ein anderes Projekt oder einen anderen Computer.
Exportieren → Übertragen → Untersuchen
- Exportieren Sie eine abgeschlossene Sitzung und wählen Sie die Inhalte aus, die enthalten sein sollen.
- Verschieben Sie die
.science-Datei zu einem Mitarbeiter oder einem anderen Computer. - Importieren Sie sie in ein Projekt und untersuchen Sie den schreibgeschützten Verlauf, die enthaltenen Dateien, Notebook-Aufzeichnungen und Verifizierungsnachweise.
Importierte Pakete sind schreibgeschützt. Sie führen keinen Code aus und stellen keine Anmeldeinformationen wieder her. Setzen Sie die Folgearbeiten in einer neuen Sitzung fort. Das Wiederholen eines Ergebnisses erfordert dennoch ein vollständiges Rezept, die erforderlichen Eingaben und eine verfügbare Laufzeit.
Benchmark-Leistung
🏆 #1 auf BiomniBench-DA Public 50
AIPOCH Open-Science erreichte die höchste Bewertungspunktzahl im zusammengestellten BiomniBench-DA Public 50-Vergleich und erzielte 79,05 mit gpt-5.6-sol (xhigh). Das Ergebnis kombiniert eine Gemini 3.1 Pro-Jurorenbewertung von 81,04 und eine DeepSeek v4-pro-Jurorenbewertung von 77,06 durch einen gleichgewichteten Mittelwert und platziert AIPOCH Open-Science auf Platz 1 der gesammelten Public 50-Ergebnisse. Erkunden Sie den BiomniBench-DA-Datensatz.
Kernfunktionen
AIPOCH Open-Science kombiniert Projektmanagement, Multi-Modell-Agentenausführung, Python- und R-Notebooks, wissenschaftliche Datenkonnektoren, unveränderliche Artefaktversionen mit Herkunftsnachweisen und berechtigte Human-in-the-Loop-Kontrolle in einem lokalen Arbeitsbereich. Die installierte App und die neuesten Versionshinweise sind die maßgebliche Quelle für sich ändernde Kataloge, Paketierungsdetails und neu hinzugefügte Optionen.
| Bereich | Kernfunktion |
|---|---|
| Wissenschaftliche Skills | Erweitern Sie Forschungsworkflows mit 23 integrierten Skills und 525 Skills, die im Skills Marketplace verfügbar sind. |
…
[truncated for translation]