北大联合元空 AI 开源 OpenAI4S：Code-as-Action 重构科研智能体工作流
近日，北京大学与元空 AI Agent 联合实验室正式开源了一款名为 OpenAI4S（Open AI for Scientist）的科研智能体。该项目标志着 AI for Science 领域的一次重要范式转移：从传统的“工具调用”转向“代码即动作”（Code-as-Action）。
OpenAI4S 是一款基于 Code-as-Action 范式构建的开源科学研究智能体。它不再将智能体限制在固定的工具菜单中，而是让大语言模型直接向持久化的 Jupyter 风格内核发送真实的 Python 或 R 代码。这使得智能体能够独立完成数据读取、循环分析、模型调用、可视化及研究报告生成等全流程任务。
“科研智能体不能只停留在 Demo，而应成为真正可执行、可检查、可扩展的科研基础设施。” —— 联合实验室团队
为什么需要 Code-as-Action？
传统的 AI Agent 多采用 ReAct 与 tool_use 机制：模型每一步需从预设菜单选择一个工具，生成 JSON 调用，获取结果后再决定下一步。这种方式在处理简单问答时效果良好，但在科研场景中面临明显瓶颈：
- 上下文膨胀：频繁的数据序列化与反序列化消耗大量 Token。
- 状态丢失：长流程任务中，中间计算结果难以在多次调用间保持。
- 效率低下：处理大规模数据或复杂算法时，多次往返 API 成本高昂。
OpenAI4S 提出的 Code-as-Action 路径，将完整的 Python/R 代码单元视为“动作”。循环、分支、库调用和多步组合均可在一个代码单元内完成，数据对象常驻内核，模型仅需处理摘要信息，从而大幅降低上下文压力并保留真实的计算状态。
六大核心能力：覆盖从研究到产出的全链路
OpenAI4S 提供了六项关键能力，旨在覆盖从研究计划到最终科研产物的完整流程：
- 持久化科研内核：基于 Jupyter 风格的内核，跨代码单元保留命名空间和数据对象，完美适配长流程、迭代式研究任务。
- 纯标准库核心：引擎与 Web 服务器核心基于 Python 标准库构建，显著降低基础部署依赖。
- 多模型统一接入：通过统一接口支持豆包、GLM、Kimi、DeepSeek、MiniMax 以及 ChatGPT、Claude、Gemini 等主流模型，用户可在界面灵活切换。
- 完整科研 Web 应用：支持流式执行、版本化产物管理，提供与智能体共享内核的 Notebook 及后台任务恢复功能，并具备 PDB、CIF 等结构文件的可视化能力。
- BYOC 自带算力：用户可通过 SSH 或 NVIDIA NIM 将 GPU 任务调度至自有设备，打破对云端高性能算力的依赖。
- 30+ 项科研 Skills：内置文献综述、论文叙事、PDF 探索、科研绘图等工作流，覆盖结构预测、序列分析、组学、分子对接和蛋白质设计等专业方向，其中 30+ 项封装了 GPU 或模型工具。
真实场景：从文献检索到蛋白质工程
官方展示了六类真实会话案例，验证了智能体的实战能力：
- 数据获取与报告生成：从 UniProt、RCSB 等开放资源获取数据，自动生成三维结构与分析报告。
- 可复现分析：针对人胰岛素真实数据进行全流程分析，确保结论可复现。
- 交互式可视化：研究者可通过自然语言修改阈值、选择图表区域或调整图例，智能体基于内核中的原始对象继续工作，无需重新上传数据。
- 计划式研究：针对青蒿素、紫杉醇等课题开展系统性研究。
在蛋白质工程场景中，智能体可从序列出发，调用相应 Skill 与算力资源，生成候选突变体排序及结构依据；在数据分析场景中，研究者可直接修改参数，智能体基于内核状态继续迭代，实现了“所见即所得”的科研体验。
开源与低门槛：推动产学研协同
OpenAI4S 采用 MIT 许可证，代码可从 PKU-YuanGroup 的 GitHub 仓库获取，支持免费自托管与二次开发。项目核心可在无 API Key 的情况下启动，再由用户选择自己的模型服务。
在算力方面，项目采用 BYOC（Bring Your Own Cloud）思路，研究者可连接本地工作站、服务器或外部 GPU 服务，让数据处理和计算位置更可控。这对高校实验室和企业研发部门而言，为私有数据、本地科研环境及已有计算资源的接入提供了灵活路径。
此次开源由联合实验室张恭博同学持续推动，他此前在 UniGenX 项目中探索了面向分子、材料与蛋白质的通用科学基础模型。OpenAI4S 凝聚了团队多位成员的共同努力，从框架设计到功能研发，再到开源发布，每个环节都离不开协作。
元空 AI 长期深耕 AI Data Agent 与复杂数据处理，旗下 ChatExcel 已覆盖表格、文档、数据库等多源数据场景。此次与北大的合作，有望缩短科研成果从技术原型到真实应用的距离，共同推动科研 Agent 进入更多真实任务。
总结
OpenAI4S 的发布不仅是增加了一个开源项目，更是北大与元空 AI 推进产学研协同的一次具体实践。它证明了科研智能体可以成为真正可执行、可检查、可扩展的科研基础设施，让 AI 在研究人员监督下执行可复现的科学工作流。
对于开发者与科研人员而言，OpenAI4S 提供了一个开放、灵活且低门槛的起点，共同构建面向未来的科学智能生态。
