北大&元空 AI 联合开源科研智能体 OpenAI4S，Code-as-Action 重构 AI for Science 工作流
在 AI for Science（科学智能）领域，Anthropic 的 Claude Science 曾被视为标杆，但其闭源特性限制了科研社区的深度应用。如今，北京大学与元空 AI Agent 联合实验室正式开源了名为 OpenAI4S（Open AI for Scientist）的科研智能体项目，旨在打破这一壁垒，构建真正的可执行、可检查的科研基础设施。
该项目于 2026 年 7 月 6 日在 GitHub 上线，采用 MIT 许可证，核心采用零依赖设计，为高校、科研机构及开发者提供了全新的科研协作范式。
核心突破：Code-as-Action 架构
OpenAI4S 并非简单的“工具菜单”调用器，而是沿着 Code-as-Action（代码即行动）的思路，将引擎、持久内核、Host-RPC 协议及安全层独立复现。
- 持久内核环境：智能体在一个持续运行的环境中工作，数据和中间结果无需在每一步重新交给模型，而是保留在本地。这使得循环处理、批量数据清洗和复杂绘图可以在一次执行中完成。
- 全流程自动化：从检索公开数据库、编写分析代码、调用专业算法，到生成图表和 Markdown 报告，AI 能真正推进任务从“提出”到“做完”。
- 版本化科研产物：所有生成的数据、图表、结构及报告均被记录、保存和版本化，方便后续检查、修改和复用。
关键技术指标与功能亮点
OpenAI4S 内置了 30+ 个科研 Skills，覆盖蛋白质结构分析、分子对接、单细胞分析、文献检索等常见场景，其中 14 个 Skills 封装了需要 GPU 或专业模型才能完成的科学计算能力。
| 指标/功能 | 详细说明 |
|---|---|
| 协议 | MIT License (开源) |
| 核心架构 | Code-as-Action + 持久内核 |
| 内置 Skills | 30+ 个 (含 14 个 GPU/专业计算类) |
| 算力支持 | 支持接入自有 GPU 环境 (如 8x A100) |
| 数据真实性 | No-Fabrication Policy (严禁伪造) |
| 启动方式 | 三行命令即可启动，无需预配置 API Key |
三大核心亮点
-
真数据、真计算，拒绝“一本正经地胡说八道” OpenAI4S 立下了严格的 No-Fabrication Policy。无论是用
np.random假装实验结果，还是用 BLOSUM 冒充 ESM，均被禁止。如果外部服务（如 UniProt, RCSB）连不上或计算条件不满足，它会明确报错，绝不生成模拟数据。例如，在蛋白质结构预测任务中，若未配置 GPU，它会直接报错而非捏造一个假结构。这种“宁可算不了，绝不编数据”的态度，对于科研的可复现性至关重要。 -
灵活的算力调度机制 针对科研计算对 GPU 资源的依赖，OpenAI4S 支持将任务派发到用户的本地或远程服务器上执行。智能体负责交互和组织任务，将输入送入正确的计算环境，并将结果完整带回工作流。这使得实验室和团队无需为了接入算力而重写整套流程。
-
高度可扩展的 Skills 生态 Skills 被设计为一组可被智能体理解的“代码配方”，而非死板的工具参数表。开发者可以持续接入新的数据库、算法和实验流程。目前已有兔展智能等合作伙伴提供 Skills UI 支持，未来社区可共同扩展更多学科领域的专业能力。
产学研协同的实践
OpenAI4S 是北京大学与元空 AI 推进产学研协同的阶段性成果。项目由联合实验室成员张恭博等同学主导研发，凝聚了团队在 AI for Science 领域的深厚积累。元空 AI 作为端侧 AI 公司，通过此项目展示了其让 AI 在本地及离线环境中完成复杂任务的能力。
项目正式向高校、科研机构及产业团队发出 Call for Contributors，欢迎开发者贡献新的 Skills、完善核心架构或反馈使用场景。OpenAI4S 不仅仅是一个工具，更是推动科研 Agent 进入真实任务、构建开放生态的起点。
“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
参与方式： 访问 GitHub 仓库 或 元空 AI Science 官网 即可开始体验。
