Open Science — Claude Science 的开源替代：本地优先、模型无关的 AI 科研工作台

做科研的人一定懂这个痛点：文献检索在 arXiv，数据分析在 Jupyter，画图在 matplotlib，写报告在 Overleaf，引用管理在 Zotero——工具链碎了一地。每切换一次工具，上下文就断一次。更糟的是，跑完一轮实验后想追溯”这张图是哪版代码、用哪份数据跑出来的”，往往翻半天笔记都找不到。

Claude Science 试图解决这个问题，但它绑定了 Anthropic 的闭源模型，数据也要过云端。上周刚开源的 Open Science（306+ 星 / 5 天），给出了一个开源方案：用 Tauri + OpenCode + MCP + Agent Skills，把所有科研步骤串到一个本地优先、模型无关的工作台里。

一、它是什么

Open Science（全称 AI4S Workbench Desktop）是一个开源的 AI 科研桌面工作台，定位是 Claude Science 的开源替代品。项目由 ai4s-research（AI for Science）社区维护，基于 MIT 协议开源。

它不是一个”论文总结工具”，而是一个完整的工作台——把文献检索、数据分析、代码执行、图表生成、报告撰写、引用审计串成一条可追溯的工作流。所有产出（图表、表格、报告）都能回溯到生成它的代码、数据和对话。

核心哲学：工作台，不是聊天框。做科研要的是可复现、可审计，而不是一个”帮我把这段论文总结一下”的聊天窗口。

二、核心亮点

2.1 完整的科研工作流

从一句提示开始，驱动完整的科研流程：

1	你的提示 → 规划 → 批准 → 执行 → 工件产出 → 评审

每一张图、每一张表、每一份报告都能追溯：双击一张图就能看到是哪段代码、哪种输入、什么模型生成的。

2.2 本地优先 + 模型无关

这是一个本地优先的应用——你的数据、代码、执行结果都留在本机。设置里用大白话说明了什么数据会离开你的机器（只有你发给模型的提示和上下文），什么不会。

模型方面，它通过 OpenCode 运行时支持约 150 家提供方：OpenAI、Anthropic、DeepSeek、本地 Ollama——任意 OpenAI/Anthropic 兼容端点都可以。也内置了一个零配置的免费模型，开箱即用。

2.3 工件溯源系统

每个项目自动生成 provenance.jsonl（追加式的执行记录）。每次智能体写文件、跑代码、生成图表，都会记录：

执行的步骤和工具
输入文件和输出文件
时间戳和执行状态

这意味着：一个月后翻出来看，”这张图是拿哪份数据跑的”——一查便知。

2.4 学术诚信审计

内置的评审面板做四件事：

引用审计：解析 CrossRef / arXiv / PubMed ID，验证引用是否存在
无出处数字标记：报告里有没有随便写的数字？标记出来
图表一致性检查：图表是否关联到生成代码
可复现性检查：所有脚本能否重新跑出相同结果

2.5 可插拔的科学技能

内置一套科学技能（Agent Skills），让智能体知道怎么做科研：

技能	用途
`research-explorer`	文献探索与调研
`literature-survey`	系统化文献综述
`experiment-suite`	实验设计与参数扫描
`paper-writer`	论文/报告草稿生成
`integrity-auditor`	学术诚信审计
`traceability-review`	可追溯性检查
`publication-figures`	出版级图表生成

技能基于 OpenCode 的 skills/agents 系统，可以自己写，也可以安装社区技能包。

2.6 一键文献连接器

内置一键连接器（通过 MCP 协议）：

arXiv、PubMed、Crossref、Semantic Scholar：学术论文检索
bioRxiv/medRxiv：预印本
ClinicalTrials.gov：临床试验数据
Zotero：个人文献库
GitHub MCP：代码仓库搜索

三、技术架构

Open Science 的技术栈很现代，看得出是认真设计过的：

AI4S Workbench Desktop
├── 桌面壳：Tauri 2（Rust）
├── 前端：React + TypeScript + Vite
├── UI 系统：Tailwind CSS + Radix UI
├── 智能体运行时：OpenCode（单文件 sidecar，固定版本）
├── 技能层：OpenCode skills/agents + 社区科学技能包
├── MCP 层：文件系统 / paper-search / BioMCP / Zotero / GitHub
├── 执行层：本地 Python + Jupyter 内核（即将支持 Docker/SSH）
└── 存储：本地工作区 + SQLite + JSONL 溯源

为什么用 Tauri 而不是 Electron？ 项目方在技术设计文档里写得清楚：Tauri 更轻量、安装包更小、用系统原生 WebView 就够了——科研工作台的核心是工作台、文件、智能体和工件，不需要 Chromium 级别的能力。OpenCode 运行时是单文件 ~44MB 的 sidecar，非常容易打包。

为什么 OpenCode 而不是 Claude Code？ OpenCode 是开源的编码/智能体运行时（MIT 协议），通过 HTTP + SSE API 暴露全部能力——会话管理、流式输出、技能加载、MCP 集成。桌面应用通过 OpenCodeClient SDK 与它通信，UI 从不直接碰模型。而且 OpenCode 是独立进程，与应用完全隔离，不影响用户自己安装的 OpenCode。

四、上手体验

目前的 v0.1 版本已提供 macOS 和 Windows 安装包。安装流程：

从 GitHub Releases 下载 .dmg 或 .exe
首次启动进入引导：选择模型提供方 → 输入 API Key → 选择工作区目录
应用自动拉起内置的 OpenCode 运行时
创建第一个科研项目

工作区采用三栏布局：

左侧：项目导航 / 文件树 / 技能库
中间：智能体聊天 + 规划卡 + 执行进度
右侧：工件面板 / 引用 / 评审 / 日志

每次智能体要执行命令或写文件时，会弹窗请求批准——人在环中是默认模式。

内置了一个端到端演示项目：2023-2026 脑机接口文献趋势分析。从文献检索到数据分析到图表生成到报告撰写，完整跑通。

五、局限性与现状

作为 v0.1，Open Science 还在早期阶段，几个值得注意的局限：

macOS 优先，Windows 体验待完善：当前构建未签名，macOS Gatekeeper 会拦截，需要用 xattr -cr 处理；Windows SmartScreen 也会弹警告
科学技能还需打磨：内置的 7 个技能覆盖基础场景，但深度（比如特定学科的文献分析模式）还需要社区贡献
Jupyter 内核支持尚未完成：v0.3 路线图中才有 Jupyter Kernel Gateway，目前代码执行在本地 OpenCode 环境中
远程计算 / HPC 是路线图后期功能：Docker 沙箱、SSH 远程执行、Modal 云端等需要等到 v0.4
不适用于临床诊断或医疗决策：项目明确声明产出均为草稿，需要领域专家评审后才能用于投稿或决策
单用户应用：没有多用户协作、企业权限管理、SSO 等

六、总结

Open Science 目前在 GitHub 上 5 天获得了 306 星，社区讨论活跃（linux.do 上也有专门讨论帖）。它的定位很清晰：不做另一个 AI 聊天工具，做科研工作台。

对比 Claude Science 的闭源 + 云端 + 绑定 Anthropic，Open Science 的本地优先 + 模型无关 + 开源 + 可追溯，对做科研的人来说确实更有吸引力。特别是工件溯源系统和学术诚信审计，是 ChatGPT/Claude 那种聊天界面根本做不了的——科研需要的是可复现，不是”好看但追不回来”。

当然，v0.1 还很早期。但如果这个方向走对了——一个本地化的、可插拔的、可追溯的 AI 科研工作台——那它可能是下一代科研工具基础设施的雏形。