专题 · FULL STORY

Open-Science:开源 AI 科研工作台走红

AIPOCH 于 10 月 14 日开源桌面工作台 Open-Science,定位本地优先、模型无关,让普通人也能做科研。发布后迅速走红,GitHub star 数持续攀升,一周内突破 5300,成为开源社区热议项目。

2026-10-14 ~ 2026-10-20 · 3 集 · 19 条

第 1 集 · AIPOCH 开源科研工作台 Open-Science 走红(2026-10-14,15 条)

AIPOCH 于 10 月 14 日发布开源 AI 科研工作台 Open-Science V1.0.0,目标是让普通人而不只是专家也能做研究;发布当日 GitHub 获约 4.9k star、480 fork,10 月 15 日登顶 Bioinformatics 生物数据社区榜。团队同期发布预印本论文《AIPOCH Open-Science: An Open-Source AI Research Workbench with Reproducible .science Packages》(arXiv:2610.17110)系统阐述其设计。发布后迅速走红,多篇帖子转发其「免代码做研究、笔记本可跑」的定位。

已确认

  • Open-Science V1.0.0 为开源跨平台桌面应用,协议为 Apache 2.0,支持 macOS/Windows/Linux,面向科学研究与 agent 工作流,支持可扩展 skills 与 MCP
  • 内置 Python/R 执行环境,并包含 548 个科学数据连接器(@FellMentKE 转述)
  • 核心功能是 .science 打包格式:一次研究会话连同对话记录、选定文件、代码、决策、证据和多次尝试可整体打包,交给他人查看与复现;接收方可只读查看,再 fork 出可写副本(@量子位 补充)。相关论文已作为预印本发布(arXiv:2610.17110)
  • 使用形态上,用户以自然语言提问,应用可自动读论文、拉数据、跑代码并产出带图表的研究报告,官方称无需编程即可上手,笔记本即可运行(@socialwithaayan、@JaynitMakwana 等多篇帖子转述)
  • 设计理念为开源、本地优先、模型无关、本地自托管,降低对特定云服务与厂商模型的依赖
  • 项目定位强调「研究不只是最终产物」,完整研究上下文可移植、可追溯,以回应「这个结果是怎么得来的」这一 AI 研究可复现性难题,并解决「几个月后没人记得哪个文件生成了哪张图」的科研混乱问题

为什么重要

  • AI 生成研究结果后,一张最终图表或 PDF 往往说不清全貌;将研究过程本身(文件、决策、代码、证据、尝试路径)标准化打包,为 AI 辅助科研的可审计与可复现提供了新范式,预印本论文的发布也让该方法有了可引用的正式载体
  • 本地优先与模型无关的设计降低了对特定云服务和厂商模型的依赖;自然语言驱动的免代码工作流进一步降低科研门槛,让没有实验室和大规模算力的普通用户也能开展研究
  • 发布当日近 5k star 加上 10 月 15 日社区榜登顶,显示此类可复现科研工具有较强社区需求

第 2 集 · AIPOCH 开源科研工作台 Open-Science 走红,斩获 5000 star(2026-10-17,2 条)

AIPOCH 发布开源桌面应用 Open-Science v1.0.0(Apache 2.0 协议),定位为本地优先、模型无关的 AI 科研工作台,让智能体在统一环境中完成科研分析,并保留每个结果背后的代码与过程以保证可复现。项目上线后迅速走红,已获约 5000 star、498 fork,累计 3000 多次提交。

第 3 集 · AIPOCH 开源科研工作台 Open-Science 已获 5.3k star(2026-10-20,2 条)

AIPOCH 发布开源桌面工作台 Open-Science(Apache-2.0 协议,已获 5.3k star)。该项目采用本地优先、模型无关的设计,把编码 agent 变成科研助理,重点解决科研中「这张图怎么来的」的溯源难题:项目内 agent 的操作形成可审计的溯源链条,让 AI 辅助研究的结果可追溯、可核查。