OpenScience
Synthetic Sciences · 程式設計 · 生產力
OpenScience 是 Synthetic Sciences 開發的開源 AI 研究工作台。它會讀論文、撰寫並執行程式碼、查詢科學資料庫，並把每項結果的依據留在同一個專案裡。
關於 OpenScience
About
什麼是 OpenScience
OpenScience 是一個讓 AI 代理執行研究任務的工作空間。你描述一個問題，指定檔案或資料集，代理會檢索文獻、撰寫 Python 或 R 程式、查詢 UniProt 或 PDB 這類來源，最後寫出整理後的報告。產品由 Synthetic Sciences 開發，這家公司獲得 Y Combinator 支持，把 OpenScience 定位為 AI 共同科學家，並以 Apache 2.0 授權公開程式碼。
多數科學 AI 工具預設你會綁定單一模型供應商，並把流程放在雲端。這裡的出發點相反。真正的研究會從聊天視窗跳到筆記本、再跳到叢集終端，最後回到書目管理工具，而一張圖表與產生它的程式碼之間的線索，往往就在這些切換中消失。OpenScience 把專案、工作階段、檔案、執行紀錄與結果放在同一處，實驗室夥伴幾個月後重新打開，仍然能追出每個數字是怎麼來的。這是可重現研究在實務上的樣子。
入門成本落在安裝這一步。你得先裝桌面應用程式或命令列工具，再處理模型存取：自己的金鑰、供應商訂閱、本機模型，或付費的 Ace 服務。官方文件也要求使用者閱讀方法並核對結果，確認無誤才寫進論文。
開始使用
- 下載 macOS、Windows 或 Linux 的桌面應用程式，或以 npm install -g @synsci/openscience@latest 安裝命令列工具，然後在專案資料夾啟動工作區。
- 建立 Synthetic Sciences 帳號。首次啟動的精靈會要求登入，即使你打算使用自己的模型金鑰。
- 在 Customize → Models 選擇模型存取方式：Ace 託管模型、供應商 API 金鑰、ChatGPT 或 Claude 訂閱登入，或執行在自己機器上的本機模型。
- 建立專案，並用三件事描述任務：輸入、預期產出、限制條件。需要時附上資料，或引用專案裡既有的檔案。
- 觀察執行過程，檢查它跑過的程式碼與引用的來源，然後匯出報告，或留在同一個工作階段繼續。
第一次提問寫得具體，後面就順。請它分析 data/measurements.csv、標出缺漏值、比較各處理組，並在 results/ 存一張圖與一份方法說明。代理手上就有明確的對象可以核對。
產品資訊
快速了解 OpenScience 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 博士生與博士後研究員：文獻、分析與圖表在同一處完成，對需要跨多種工具的論文特別順手。第一次正式使用前，請留一個下午處理安裝與設定。
- 計算生物學與化學研究者：結構、序列與分子的資料庫和檢視工具都隨程式附上，不必為每個來源另外接一支 API 用戶端。
- 研究工程師與機器學習團隊：可以帶入自己的金鑰、跑本機模型，筆電算不動時把工作送到叢集或 GPU 機器。
任務
- 附上來源的文獻回顧：代理會搜尋、讀論文、抽出發現，你能逐條核對，而不是只信一段摘要。
- 資料分析與統計：描述想做的比較，它負責寫腳本、執行，並把表格與圖表存回專案。
- 重現已發表的結果：給它論文與資料集，它會照對方記載的方法重跑分析，再把算出的數字與原文對照。
情境
- 實驗室接手已畢業學生留下的專案：留存的工作階段與執行紀錄，讓下一個人有一條起點，而不是一疊沒有命名的腳本。
- 團隊有叢集卻沒有專屬工具人力：運算工作可以從筆電移到叢集或 GPU 主機，不必手動重建環境。
- 論文草稿卡在方法段落：代理把它實際跑過的步驟整理成文字，你改這份草稿，不必憑記憶重寫。
主要功能
一個專案涵蓋整段研究流程
每個專案容納工作階段、上傳的檔案、產生的檔案與儲存的結果。對話裡保留代理的回答，旁邊就是它執行過的指令、讀過的檔案與引用的來源。圖表有問題時，你可以回到產生它的那個工作階段，不必翻找舊筆記本。
模型可隨時更換
OpenScience 的設計是模型無關，不綁定特定模型。Ace 提供 21 個經過審核的模型，來自 OpenAI、Anthropic、Google、xAI、Z.ai、DeepSeek、Qwen、Moonshot、MiniMax、Xiaomi、Meta 與 NVIDIA，走在託管路線上。你也可以接自己的 API 金鑰、沿用 ChatGPT Plus 或 Pro 訂閱，或在本機執行開源模型。換路線不必另開專案。
42 個科學資料庫就是工具
UniProt、PDB、ChEMBL、PubChem 與 arXiv 隨程式附上，另外還有 37 個來源，代理把它們當工具呼叫，不需要你把查到的結果貼進去。做結構研究時，這代表抓一筆 PDB 條目、用實測值為突變評分、再把比較畫成一張圖，一次做完。
內建 371 項技能
用戶端內建 371 項技能，涵蓋生物、化學、物理、機器學習與科學寫作。其中一組經過整理的核心技能對應常見研究步驟，而且每一份技能檔都能讀、能改，實驗室可以照自己的慣例調整流程，或加入內部方法。
運算從筆電延伸到叢集
代理會建立執行環境，也能把工作送到你眼前這台機器之外。小規模分析在本機跑，大型掃描交給叢集或 GPU 主機。筆記本原型長成需要數小時運算的工作時，這條路省下重寫的工夫。
桌面、瀏覽器與終端機
同一個工作區可以用桌面應用程式開啟，也能在啟動命令列後從瀏覽器進入，或只用一行指令送出單次請求。習慣終端機的研究者和偏好圖形化檔案樹的夥伴，可以在同一個專案裡協作，不必匯出任何東西。
優缺點
優點
- 程式碼以 Apache 2.0 開源，實驗室可以稽核代理的行為、自己分支維護，或不簽供應商合約直接執行。
- 模型選擇權在自己手上，包含處理敏感資料用的本機模型，以及已經付費的 ChatGPT 或 Claude 訂閱。
- 資料庫清單涵蓋生命科學與化學專案真正會引用的來源，而且是以代理工具的形式運作，不是手動查詢。
- 結果保留來源脈絡：產生它的程式碼、輸入與執行紀錄都跟著產出物一起保存。
- Synthetic Sciences 公開 Terminal-Bench Science、Terminal-Bench 4.0、BiomniBench-DA 與自家 OpenScience Bench 的成績，提供的是可以查核的數字，不是一句籠統的宣稱。
缺點
- 首次啟動要註冊帳號，開源版也一樣；登入後預設會上傳工作階段追蹤紀錄。可以按裝置關閉，但臨床或產業實驗室值得先確認這項預設。
- 安裝假設你會用終端機。裝命令列工具、選模型路線、管理金鑰，比打開一個聊天應用程式麻煩。
- 效能數字來自廠商自己的測試，其中幾項用的還是自家設計的基準。獨立重測目前仍少。
- 模型費用與軟體分開計算，而且隨路線變動。長時間的工作階段可能超出預算，除非盯著錢包餘額並設上限。
常見問題
OpenScience 是 Synthetic Sciences 推出的開源 AI 研究工作台。它執行一個研究代理，會讀論文、撰寫並執行程式碼、查詢科學資料庫，並把結果連同佐證一起保存。使用形式包括桌面應用程式、瀏覽器工作區與命令列。
相關內容
探索與 OpenScience 相關的工具、技能與文章。
OpenScience 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改，看著預覽確認結果，再以 Pull Request 交回工程團隊。
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
GitGlow
GitGlow · 程式設計 · 生產力GitGlow 是桌面版 Git 用戶端，把你自己的程式碼與 AI 代理程式的變更集中在同一份審查裡，讓你在交付前看清楚機器上究竟要送出什麼。