让 AI 编程助手做研究,OpenResearch 想把实验这件事串起来

用 AI 读完一篇论文，和把论文里的想法验证出来，中间还隔着一大段工作。

你得找代码、配环境、跑基线、改参数、看日志。等几轮实验结束，又要回头确认：这张图对应哪版代码？上一次失败，到底是思路不行，还是环境出了问题？

AI 能帮你写代码，但研究过程里的线索，依然容易散落一地。

alphaXiv 的开源项目 OpenResearch，瞄准的就是这段衔接工作。它希望让已有的编程智能体，进入一个能查文献、执行实验、保存结果的研究工作空间。项目介绍

01｜给编程智能体搭一个研究工作台

理解 OpenResearch，可以先抓住两个词：执行框架、工作空间。

你负责提出问题，智能体负责调用工具、修改代码、执行任务；OpenResearch 则把这些活动组织进研究项目，让过程和产物有地方可查。

按官方说明，它支持接入 Claude Code、Codex、OpenCode、Cursor 和 Google Antigravity。项目的思路，是把用户已经熟悉的编程智能体接进来，承担研究任务。官方 README

我的理解是，它要补上的能力是：让一轮研究有上下文，让下一轮实验能接着往下做。

02｜从“帮我读论文”，走到“帮我验证想法”

OpenResearch 的功能，围绕一条研究流程展开。

先找依据。项目集成了 alphaXiv、bioRxiv 和 PubMed，帮助智能体检索相关文献，把后续假设与已有研究联系起来。中文说明

接着做实验。它支持本地执行，也支持通过 SSH、Slurm、Kubernetes 等方式使用远程计算资源。对使用者来说，提出一个想法之后，还需要决定在哪里跑、用多少资源、怎样衡量结果。计算资源说明

最后留证据。按照项目说明，实验记录进入本地 SQL 数据库，代码、日志和产物保存在机器上，桌面端可以查看执行情况与结果依据。实验记录说明

这里最值得关注的是记录方式。实验做得越多，越需要知道：哪个判断来自论文，哪个结论来自实测，哪个解释还只是猜测。

项目公开的智能体系统提示词也体现了这一点：涉及实测结果时，要求先读取相应运行日志，再引用运行记录；推断则要明确标注。这是项目对智能体的行为要求，实际执行质量仍需检查。系统提示词

03｜放进一个具体问题里，就容易理解了

假设你想研究：一个小模型在固定训练预算下，调整某项训练配置，能否改善验证集表现？

可以先把任务写清楚：

先检索相关文献，梳理可验证的假设。复现现有基线，再只改变一个变量进行对照。记录代码、配置、日志和指标，最后解释结果及其局限。执行前先给出计划和资源预算。

这是一种任务设计示例，并非本文已经完成的实测。

它把一个模糊的“帮我优化模型”，拆成了能检查的研究步骤。你可以逐步确认文献是否相关、对照是否公平、指标有没有改善，再决定要不要继续投入算力。

OpenResearch 的潜在价值，就体现在这些步骤之间：**减少反复交接背景和整理实验材料的负担，让人把精力留给问题、方法和判断。**这也是本文对其产品设计的判断，效率提升幅度需要实际使用后验证。

04｜“本地优先”，要看清具体含义

项目强调，研究资料和执行记录可以由用户在本地掌控。但使用时，还要分别看存储位置、模型调用和外部工具连接。

官方文档支持通过 OpenCode 接入 LM Studio、oMLX、Ollama 或兼容端点。所选模型需要具备工具调用能力，小模型或较短上下文未必能可靠完成编程工具任务。本地模型文档

**本地推理，也不能直接等同于整个研究过程离线。**论文检索、下载和连接的工具仍可能联网；使用云端模型时，也应另行核对对应服务的数据处理规则。联网边界说明

此外，英文 README 写明，官方发布版本默认发送可关闭的产品使用分析与智能体反馈。可在设置中关闭，也可以使用 orx telemetry off。使用分析说明

这些信息适合在正式接入研究资料之前看一遍。

05｜适合从一个小实验开始

从功能设计判断，OpenResearch 更适合已有代码项目、需要反复跑实验并比较结果的人。比如论文复现、训练方案对照，或者持续迭代的研究原型。

如果需求只是偶尔总结论文，完整的实验工作空间可能会增加学习成本。

首次尝试时，可以选一个规模小、基线明确的任务：先验证它能否顺利接入智能体、运行实验、找回日志，再逐步扩大任务范围。模型调用和计算资源的费用，也要单独核算；仓库采用 MIT 许可证，不代表外部服务免费。许可证

目前官方推荐桌面应用，提供 macOS、Windows 测试版和 Linux 下载；偏好终端的用户，也可以参考 README 中的 CLI 安装方式。开始使用

我更看重 OpenResearch 对研究过程的组织：让一次实验留下足够清楚的依据，让后续的人和智能体能够继续检查、继续尝试。

当 AI 越来越擅长执行任务，研究者就越需要知道：它做了什么，结果从哪里来，下一步为什么值得做。

你最想让 AI 接手哪一段研究工作：找论文、复现代码，还是整理实验结果？

项目地址：

https://github.com/alphaXiv/OpenResearch

官网：

https://openresearch.sh