Community图像github.com

aipoch/open-science

面向科学研究和Agent工作流的开源AI研究工作台。本地优先、模型无关的桌面应用,支持可扩展技能、MCP工具与连接器、Python/R执行和可追溯工件,在macOS、Windows和Linux上实现可复现研究。

open-science 是什么?

AIPOCH Open-Science 是一个开源的、本地优先且与模型无关的AI研究工作台,专为科学家和研究人员设计。它支持通过AI智能体执行可复现、可审查的研究任务,包括读取文件、搜索网页、运行Python/R代码、查询科学数据源,并生成带有完整溯源信息的报告、表格和图表。该平台集成了23个内置科学技能和来自技能市场的525个可扩展技能,支持从文献综述、假设提出到代码执行、数据分析和可视化输出的完整研究流程。它兼容macOS、Windows和Linux,并允许将完成的研究会话导出为可移植的`.science`包,用于审查、交接和归档。AIPOCH Open-Science 在BiomniBench-DA Public 50基准测试中排名第一,得分为79.05。

兼容平台✓Claude Code✓Codex CLI~Cursor✓Gemini CLI✓OpenCode
npx skills add https://github.com/aipoch/open-science/tree/main

Installed? Explore more 图像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

预览

来自技能 README

open-science preview
open-science preview
open-science preview
open-science preview
open-science preview
open-science preview
open-science preview
open-science preview

文档

AIPOCH Open-Science 是一个面向科学家和研究人员的AI研究工作台,由 AIPOCH 开发,采用开源、本地优先、模型无关的方式。它通过科学AI智能体、Python和R执行、科学数据连接器以及对 macOS、Windows 和 Linux 的跨平台支持,实现了可复现、可审查的研究。创建一个项目,用自然语言描述你的研究目标,让智能体读取文件、搜索网络、运行代码、查询科学数据源,并生成带有可追溯溯源的报告、表格和图表——全部在一个工作区内完成。

AIPOCH Open-Science 支持跨学科的计算和数据密集型研究,包括机器学习、统计学、生命科学、化学、材料科学、物理学和环境科学。它支持从文献综述和假设提出到代码执行、数据分析、模拟、可视化和可追溯研究产出的整个研究过程。

完成的研究会话还可以导出为可移植的 .science 包,用于审查、交接和归档,其中包括选定的对话分支、文件版本、Notebook记录和验证证据。

💡 AIPOCH Open-Science v0.34.0 发布 (最后更新于 2026年9月). AIPOCH Open-Science v0.34.0 带来了原生 Linux ARM64 安装程序,新增了 Pathway Commons 连接器,以及扩展的 cBioPortal、openFDA、MGnify 和 Bgee 跨物种表达数据源,并在文献库中增加了期刊数据集及参考文献属性。该应用还新增了 MiniMax M3.1 Flash Preview 和 Claude Sonnet 5.5 模型选项。查看 最新发布说明 了解完整详情。

目录

🚀 快速开始

1. 下载应用

打开 官方下载页面 并选择适合你电脑的安装程序:

你的电脑选择
macOS 12+ — Apple Silicon (M1 或更新)macOS DMG,适用于 Apple Silicon / ARM64
macOS 12+ — IntelmacOS DMG,适用于 Intel / x64
Windows x64Windows x64 安装程序(已代码签名)
Linux x64Linux x64 AppImage 或 Debian 软件包

从 官方下载页面 下载;如有需要,请参阅 下载验证。

在 macOS 上,你也可以使用 Homebrew 安装:

brew install --cask open-science

Windows 重新安装会保留研究数据。如需完全清理,请参阅 数据重置工具,该工具在确认后永久删除本地数据。

2. 完成首次设置

按照设置向导进行:环境 → 数据位置 → 智能体运行时 → 模型提供商 → Notebook 运行时。

完成必需的环境和智能体运行时检查,并测试你的模型连接。Python/R Notebook 设置为可选;Notebook 和数据位置设置以后可以更改。

3. 开始一个研究项目

  1. 点击 新建项目,打开一个会话,并描述你的研究目标、输入和预期输出。
  2. 附加文件,选择模型和审批模式,然后发送任务。使用 @ 引用项目文件,或使用 / 选择技能。
  3. 在 溯源 中审查工具活动和任何审批请求,预览结果,并检查其可用的证据。

本README中的截图说明了工作流程。标签、目录和其他界面细节可能与您安装的版本有所不同。

产品导览

从研究请求到可追溯的结果

考虑一个典型的生物信息学任务:复现已发表的差异表达分析,将重新生成的结果与论文进行比较,并提供审查所需的报告、表格和图表。下面的截图是来自有记录的 AIPOCH Open-Science 工作流程的代表性视图;它们说明了每个阶段,而非一个连续的会话。

1. 定义研究任务和证据

描述研究问题、源论文和数据集、所需的方法或阈值、预期输出以及验收标准。使用 @ 上传支持文件或引用现有项目工件,以便智能体从明确的输入开始,而不是隐藏的上下文。

2. 使用可审查的科学工具执行

智能体可以结合科学技能、有权限的研究连接器、搜索、文件操作以及共享 Notebook 中的 Python 或 R 代码。生成的图形可以与研究摘要一起审查,而工件记录则显示捕获的生产者代码和执行证据以供检查。

3. 就地审查报告、表格和图表

最终回答总结了哪些内容复现成功、哪些存在差异以及哪些限制很重要。生成的 Markdown 报告、CSV 表格、图像和其他研究工件仍保留在会话中,并收集在项目文件库中,可以在那里与对话并排预览,并在后续工作中重用。

4. 追溯每个工件到其证据

每个生成的工件都作为不可变的、带有校验和的版本存储。其 溯源 视图可以展示生成代码和执行历史、引用的输入、观察到的环境清单、生成该工件的对话分支以及版本范围的审阅者发现。无法验证的证据会标记为不可用,而不是推断出来的。

AIPOCH Open-Science .science 研究包

将完成的研究会话导出为可移植的 .science 包,用于审查、交接和归档。选择要包含的对话分支、文件版本、Notebook记录和验证证据,然后将该包导入到另一个项目或电脑中。

导出 → 转移 → 审查

  1. 导出一个已完成的会话,并选择要包含的内容。
  2. 将 .science 文件移交给协作者或转移到另一台电脑。
  3. 将其导入到一个项目中,并审查只读历史记录、包含的文件、Notebook记录和验证证据。

导入的包是只读的。它们不会执行代码或恢复凭证。在新会话中继续后续工作。重放结果仍然需要完整的配方、所需的输入和可用的运行时。

基准性能

🏆 BiomniBench-DA Public 50 排名第一

AIPOCH Open-Science 在编译的 BiomniBench-DA Public 50 比较中获得了最高排名分数,使用 gpt-5.6-sol (xhigh) 取得了 79.05 分。该结果是 Gemini 3.1 Pro 评审得分 81.04 和 DeepSeek v4-pro 评审得分 77.06 的等权平均值,使 AIPOCH Open-Science 在收集的 Public 50 结果中排名 #1。探索 BiomniBench-DA 数据集。

核心能力

AIPOCH Open-Science 在一个本地工作区中结合了项目管理、多模型智能体执行、Python 和 R Notebook、科学数据连接器、带有溯源的不可变工件版本以及有权限的人机交互控制。已安装的应用和最新发布说明是了解变化中的目录、打包细节和新增选项的真实来源。

领域核心能力
科学技能通过 23 个内置技能 和来自 技能市场 的 525 个可用技能 扩展研究工作流程

Individual skills in this repo

This repo contains 2 individual skills — each has its own dedicated page.

相关技能