科研里最累的不是想法：这个开源工作台把读文献跑实验全接了

读文献、洗数据、复现别人的结论、扫参数跑实验——科研里最熬人的从来不是那个想法，而是想法周围的一圈苦活。YC 孵化的 Synthetic Sciences 把这套活交给了一个开源科研工作台 OpenScience：你用大白话描述目标，它自己查文献、写代码、跑实验、最后把发现写成报告，而且每一步都留痕可查。项目在 X 上官宣后拿到了五百多赞、近二十万浏览，Apache-2.0 协议开源，发文时星标约 3.7 千。

项目简介

OpenScience 的定位是"带工作台的科研 agent"。它可以装成桌面应用（macOS、Windows、Linux），也可以跑在浏览器工作区里，或者就是一个终端命令，全部在你自己的机器上、对着你自己的文件干活。

它和普通编码 agent 的区别在两件事。第一是每一步可见：一轮任务读下来，它想过什么、搜了什么、执行了什么、写了哪些文件，像实验记录本一样摊开，没有任何你看不到就跑掉的操作。第二是科研工具链原生：内置 Shell、Python、R 三种内核和 notebook，文件系统带显式的读写授权，笔记本算力不够还能挂远程计算；官方捆了数百个覆盖生物、化学、物理、机器学习和数据工程的技能包，并能直连 ChEMBL、UniProt、PubMed、arXiv 这些数据库。

架构上，主 agent 可以把拆好的边界任务并行派给多个 worker，但综合结论和最终判断权始终留在主 agent 手里。模型完全自带：填自己的 API key、登录支持的订阅、接 Ollama 本地模型都行，官方也提供按量付费的 Ace 托管选项。

成绩单

官方 README 给出的基准成绩：Terminal-Bench Science（70 题）拿下 75.7%，Terminal-Bench 4.0 科学子集 10/14（71.4%），BiomniBench-DA（公开 50 题）82.2。按官方在 X 上的对比帖，前两项分别高于 Codex 加 GPT-6 Astra 的 68.1% 和 Claude Code 组合的 60.0%——每一次计分试验的轨迹都放在 benchmarks-openscience 仓库里可以复查。数字是官方自报，好在全程可复现，这点比结论本身更有意思。

快速上手

npm 全局安装后直接启动：

npm install -g @synsci/openscience
openscience

不想装也可以免安装运行 npx synsci，macOS 和 Linux 还有独立安装脚本：

curl -fsSL https://openscience.sh/install | bash

第一次用先接模型，自己的 key 或本地端点都行：

openscience keys add    # 填 API key
openscience local add   # 接 Ollama、LM Studio 等本地模型

然后打开一个项目目录，用大白话派活：

openscience ~/research/my-project

检查 data/samples.csv 里的缺失值和标签不一致问题。
不许改原始数据。把质量报告和图存到 results/，附上可复现代码。

想先对齐方案再动手，输入 /plan；要接进脚本或流水线，用 openscience run "任务" 单轮执行，加 --continue 接着上一轮继续。

适合谁用

科研工作者：文献调研、复现一篇论文的结论、参数扫描、方法节初稿、参考文献核查，这些"真活但不是想法"的部分正是它的主场，你保留想法和判断。

实验室与团队：每步留痕的设计天然适合需要审计和可复现性的场景，报告给导师或评审前，轨迹本身就是过程证据。

agent 工程师：显式授权的文件系统、主从 agent 分工、技能包组织方式，都是值得借鉴的工作台设计。

一句提醒，也是官方反复强调的：依赖它的结论前，务必复查它的来源、假设、代码和输出。agent 把科研的苦活接走了，但科学判断还得留在你手里。