OpenAI4S开源：代码即行动重构科研AI

如果你关注过AI for Science领域，一定听说过Anthropic推出的Claude Science——这款能自主检索文献、编写代码、运行分析、生成图表与报告的科研智能体，曾被不少人视作真正的科研AI该有的形态。不过这款工具始终保持闭源，无法让更多科研团队直接使用。

现在，一款完全复刻Claude Science核心思路的开源项目正式登场：OpenAI4S（Open AI for Scientist），由北京大学与元空AI Agent联合实验室推出，采用MIT开源许可证，核心依赖为零。

该项目于2026年7月6日在GitHub平台正式开源，并非简单的界面模仿，而是沿着Code-as-Action的技术路径，独立复现了引擎、持久内核、host-RPC协议与安全层整套架构。

目前OpenAI4S提供完整的科研Web应用、超过30个内置科研技能、自有算力接入能力，以及版本化的科研产物管理系统。

不同于多数AI Agent依赖固定工具菜单的调用逻辑，OpenAI4S采用了Code-as-Action（代码即行动）的核心设计思路：智能体直接生成Python或R代码，并在持续运行的内核环境中执行。

这种模式下，循环、条件判断、批量数据处理与绘图可以在单次执行中组合完成，数据和中间结果无需在每一步重新传递给模型，而是直接保留在工作环境中。

对科研人员来说，最直观的改变是AI可以串联起更长、更复杂的完整任务链：

• 前一步下载的原始数据，可以直接传入后一步的分析流程
• 生成的图片、表格与报告将自动保存归档
• 研究人员可以随时打开内置的Notebook界面，检查代码、接手分析或修改最终结果

正如项目团队总结的：“代码即行动，内核即环境。”

OpenAI4S更像是一张人与AI共享的科研工作台。用户只需要提出任务目标，它就能自主检索公开科研数据源、编写并运行分析代码、调用专业计算能力，最终将结果整理为图片、表格、三维结构或Markdown格式的完整报告。

整个流程不会在任务结束后就清空所有数据，每一份科研产物都会被记录、保存并进行版本化管理，方便后续回溯、修改与复用。

举个简单的例子，当用户要求分析某一蛋白质时，系统会先从公开数据库中检索真实的蛋白质序列与结构数据，完成特征计算与可视化后，再将完整的分析过程、数据来源与最终结果整合为可用于论文的材料。

值得注意的是，这套流程中的数据与计算都是真实的：如果外部服务无法连接或计算条件不满足，系统会明确告知用户哪里无法完成，绝不会偷偷使用模拟数据或编造结果来补齐流程。

科研工作往往需要反复调整与修改。在传统流程中，研究人员可能需要重新找到绘图脚本、修改参数、再次运行并导出文件；而在OpenAI4S中，用户只需要用自然语言提出调整要求，智能体就会基于已有数据与代码重新生成产物，同时保留完整的版本记录。

通用AI模型想要成为合格的科研助手，仅靠“聪明”还远远不够，还需要掌握专业数据检索、工具调用与算法运行的能力。OpenAI4S首批内置了30余个科研技能，覆盖蛋白质结构分析、序列分析、蛋白设计、分子对接、单细胞分析、文献检索、开放数据检索等常见计算科研场景。

其中14个技能封装了需要GPU或专业模型才能完成的科学计算能力。与固定参数的工具列表不同，这些技能更像是一套可以被智能体理解和执行的“代码配方”，数据获取方式、服务调用逻辑、代码编写规则与结果检查标准都可以沉淀在技能中。后续如果有新的数据库、算法或实验流程，开发者只需要直接接入即可，系统的能力可以随着科研需求灵活扩展。

科研计算还面临一个现实的痛点：算力。蛋白质折叠、突变评分、分子模拟这类任务，普通笔记本电脑无法完成，且多数专业计算依赖特定的软件环境与GPU资源。

OpenAI4S支持接入自有计算环境：本地负责任务的交互与组织，需要GPU的专业计算可以直接派发到自有服务器上执行，完成后结果会自动回到统一的科研工作流中。

以蛋白质结构预测和突变效应评分为例，真正的难点往往不是生成调用代码，而是将输入数据送入正确的计算环境并完整带回结果。这套设计让实验室和科研团队无需将所有资源集中在一台设备上，也不需要为接入算力服务器重写整套流程，数据、模型与算力都可以保留在自有环境中，由智能体负责串联整合。

使用通用模型辅助科研时，最让人担心的问题之一就是模型一本正经地编造结果。OpenAI4S设立了严格的no-fabrication policy（不伪造策略），明确禁止使用随机数模拟实验结果、编造“保守性”数据、用替代模型冒充专业结果、用模拟数据集代替真实数据等行为。

系统只会调用真实服务，或者如实告知用户无法完成任务。比如在之前的人胰岛素INS分析案例中，蛋白质序列直接从UniProt获取，结构数据来自RCSB数据库，如果网络无法连接，系统会诚实跳过对应步骤，绝不会生成虚假数据。如果需要进行蛋白质结构计算，系统会通过SSH调用搭载8×A100 GPU的服务器，运行Protenix（AlphaFold3级别）推理并返回带有pLDDT评分的结构结果，或者通过ESM模型完成突变打分。如果没有配置对应的GPU资源，系统会直接报错，绝不会生成虚假的结构数据。

对于科研智能体来说，这种诚实可靠的特性，或许比“什么都会”更加重要。

OpenAI4S的发布，不仅是一个开源项目的诞生，也是北京大学与元空AI推进产学研协同的一次实践。作为双方联合实验室的阶段性成果，项目从研发到开源离不开联合实验室成员张恭博的持续投入与推动，他的研究方向聚焦AI for Science，此前作为共同第一作者开发的UniGenX通用科学基础模型，也为OpenAI4S的研发积累了技术基础。

此外，项目团队的李昊、王豫、刘宇阳、吕刘正浩、毛奕澄、林慕捷、彭莘尧、姜政祥、王一米等成员也参与了框架设计、功能研发与开源发布的全流程工作。

元空AI是一家专注端侧AI的公司，通过模型后训练、Agent Runtime、长期记忆与端侧推理技术，让AI可以在本地及离线环境中完成复杂任务。目前公司已经形成元空AI Work与元空AI Science两条产品线，分别覆盖智能办公与科学发现领域。

本次开源OpenAI4S，也体现了联合实验室与元空AI的共同判断：

科研智能体不能只停留在Demo阶段，而应成为真正可执行、可检查、可扩展的科研基础设施。

因此本次开源不仅包含示例代码，还开放了核心架构、科研技能与完整的Web应用，高校、科研机构、开发者与产业伙伴可以在此基础上接入专属数据源、算法、工具与科研流程，共同推动科研智能体落地更多真实科研任务。

想要体验OpenAI4S，可以从快速启动项目开始，安装流程非常简单，只需要三行命令即可完成：

git clone https://github.com/PKU-YuanGroup/OpenAI4S
cd OpenAI4S
./setup.sh # 首次运行：使用uv创建环境
./start.sh # 打开http://127.0.0.1:8760/

启动项目本身不需要提前配置模型密钥，进入界面后在Customize → Models菜单中填写即可。项目还自带了一整套真实案例，包括Live API工作流、人胰岛素INS真实数据分析、一键修改图表，以及计划模式下的青蒿素和紫杉醇溶解度预测、蛋白质工程等，可以直接跟随案例体验完整功能。

不过仅仅启动项目只是第一步，真实的科研场景覆盖生命科学、化学、材料、医学、地球科学等众多领域，每个方向都有专属的数据库、专业模型与计算流程，如此庞大的能力版图不可能只靠一个团队一次性补齐。

因此OpenAI4S正式向高校、科研机构、开发者与产业团队发出贡献招募邀请。目前兔展智能的Skills UI已经为项目提供了部分支持。

如果你熟悉某一科研领域，可以为项目开发新的科研技能，接入专业数据库、算法模型与计算平台；如果你擅长Agent开发或软件工程，可以参与完善核心架构、远程计算、安全机制、测试文档等内容；即使你不擅长代码，提交Issue、补充可复现案例、反馈失败任务，或是告诉社区某一学科的真实需求，都是有价值的贡献。

如果你也认同科研智能体不该只停留在Demo阶段，欢迎启动项目体验，也欢迎加入社区共同推进项目发展。

项目仓库：https://github.com/PKU-YuanGroup/OpenAI4S
官方页面：https://www.chatexcel.com/homesite/openAI4S