夜雨聆风Claude Science 火了以后，很多人都在找一个问题的答案：有没有一个能在本地跑、能接自己模型、能读论文、跑代码、生成图表、写报告、审查引用的开源替代品？
答案是：有，但网上叫 Open Science / OpenScience 的项目不止一个，名字非常容易混淆。本文把项目地址、真假区分、Windows 安装、模型配置、环境依赖、常用技能、实际使用方法一次讲清楚。
一、先说结论：到底哪个 Open Science 才是真的？
严格来说，不是“谁真谁假”，而是有多个名字相似但定位不同的项目。
本文主要讲的是这个：
它现在的正式名称是 Open Science Desktop，定位是一个本地优先、模型无关的 AI 科研桌面工作台，支持 macOS、Windows 和 Linux。它的 README 明确写到：这是一个 Claude Science 及同类 AI-for-science 工作台的开源桌面替代，基于 Tauri、MCP、agent skills 和可复现工件构建。
这个项目的核心特点是：它不是一个普通聊天框，而是把智能体、文件、Notebook、图表、报告、运行记录、审查流程放进同一个桌面工作流里。官方说明里强调了本地工作区、可追溯工件、模型无关运行时和可复现实验记录。
另一个也很火的项目是：
Synthetic Sciences OpenScience，但它更偏 CLI + 浏览器工作区。它的安装方式是：
npm install -g @synsci/openscience openscience或者：
npx synsci它的 README 写的是：给它一个目标，它会读文献、形成假设、写代码、跑实验、查询科学数据库并写出结果，支持 Anthropic、OpenAI、Google 等模型提供商，也支持开放权重模型和自带 API Key。
这两个产品形态不同。Open Science Desktop 更适合想要桌面软件、本地文件、本地 Notebook、可追溯运行记录的人；Synthetic Sciences OpenScience 更适合喜欢 CLI、浏览器工作区和 research-agent 流程的人。ai4s 官方文档里也专门做了中立对比：Open Science Desktop 强调本地桌面和可复现记录，而 Synthetic Sciences OpenScience 强调浏览器工作区和 CLI 驱动的研究循环。
另外还有一个容易混淆的项目：
这个仓库也存在，但它的 release 页面明确写着：公开 release 只包含应用安装器和更新元数据，源码不从该仓库分发；商业使用、企业部署、SaaS、付费咨询、再分发或第三方托管需要 ResearAI 的书面许可。
还有传统意义上的 Center for Open Science，它是开放科学组织和 OSF 生态，不是本文讨论的 AI 科研工作台。GitHub 上的 Center for Open Science 是已验证组织，控制对应域名，但它不是 Claude Science 替代品。
一句话总结：
项目是否真实适合谁ai4s-research/open-science真实想在 Windows/macOS/Linux 上用桌面版 AI 科研工作台的人synthetic-sciences/openscience真实想用 CLI + 浏览器工作区跑 research agent 的人ResearAI/OpenScience存在，但不是完全开源源码仓库需要谨慎区分授权和源码可得性CenterForOpenScience真实组织传统开放科学/OSF，不是 AI 工作台
本文下面主要以 ai4s-research/open-science，也就是 Open Science Desktop 为主。
二、Open Science Desktop 能做什么？
Open Science Desktop 的官方定位是：本地优先、模型无关、可复现的 AI 科研桌面工作台。它强调的不是“问答”，而是一个完整科研流程：规划、批准、执行、检查工件、审查、复现。官方 README 写到，它可以把图、表、报告、Notebook 和运行输出追溯到代码、输入、环境、模型输出和对话上下文。
它当前能力包括：
多会话聊天和历史记录；
本地文件浏览、预览、打开、复制路径；
真实 .ipynb Notebook；
Python 和 R Notebook；
本地 kernel 执行；
通过内置 uv 管理 Jupyter 环境；
运行日志、SQLite 运行索引、可复现提示；
.openscience/provenance.jsonl 溯源记录；
PDF、图片、视频、HTML、Markdown、CSV、DOCX、XLSX、PPTX、分子、3D mesh、基因组轨道等文件查看能力。
它和 Claude Science 的关系，可以理解为：Claude Science 是 Anthropic 官方做的科研工作台，Open Science Desktop 则是开源社区在桌面端尝试复刻类似的科研工作流。
Anthropic 官方介绍 Claude Science 时说，它面向科研人员，预配置了基因组、单细胞、蛋白质组学和化学信息学能力，并连接 60 多个科学数据库；它还支持把实验室已有的数据、模型、pipeline 和工具保存成 reusable skill 或 connector。 Open Science Desktop 的目标，正是把类似的“科研工作台式体验”放到开源、本地、可插拔的桌面环境里。
三、Windows 安装部署
1. 下载正确安装包
进入项目 Release 页面，下载最新版 Windows 安装包。
官方说明 Windows 支持：
NSIS .exe
.msi
Windows 10/11 x64
Open Science Desktop 当前构建尚未代码签名，所以 Windows 首次启动时可能会弹出 SmartScreen。官方 release 说明中写得很明确：如果看到 “Windows protected your PC”，点击 More info → Run anyway。
Windows 用户推荐下载：
Open.Science_xxx_x64-setup.exe
或者：
Open.Science_xxx_x64_en-US.msi普通用户优先选 .exe，企业环境或管理员批量部署可以考虑 .msi。
四、Windows 环境依赖怎么装？
Open Science Desktop 自带 uv 和 OpenCode sidecar，但它的 Scientific Environment 会检测你本机是否有 Python、R、Node.js、Jupyter、Git 等工具。官方 README 里也提到它的 Notebook 能力涉及真实 .ipynb 文件、Python/R Notebook、本地 kernel 执行和 JupyterLab。
建议 Windows 上至少装这些：
Python
Jupyter
Node.js
Git
R，可选但推荐
1. 安装 Python
PowerShell 执行：
winget install -e --id Python.Python.3.12 --source winget装完以后关闭 PowerShell，重新打开，检查：
where.exe python python --version python -m pip --version正常结果应该类似：
C:\Users\你的用户名\AppData\Local\Programs\Python\Python312\python.exe Python 3.12.x pip xx.x如果显示的是：
C:\Users\你的用户名\AppData\Local\Microsoft\WindowsApps\python.exe那不是正常 Python，而是 Windows 商店的占位符。需要进入：
Windows 设置 → 应用 → 高级应用设置 → 应用执行别名关闭：
python.exe python3.exe然后重新安装 Python。
2. 安装 Jupyter 和常用科学计算包
Python 正常后执行：
python -m ensurepip --upgrade python -m pip install --upgrade pip python -m pip install jupyter jupyterlab ipykernel numpy pandas matplotlib scipy scikit-learn statsmodels openpyxl检查：
python -m jupyter --version jupyter --version如果 python -m jupyter --version 有结果，但 jupyter --version 找不到，说明 Scripts 目录没有进 PATH。可以执行：
$pythonExe = (Get-Command python).Source $pythonDir = Split-Path $pythonExe $scriptsDir = Join-Path $pythonDir "Scripts" $userPath = [Environment]::GetEnvironmentVariable("Path", "User") if ($userPath -notlike "*$pythonDir*") { $userPath = "$userPath;$pythonDir" } if ($userPath -notlike "*$scriptsDir*") { $userPath = "$userPath;$scriptsDir" } [Environment]::SetEnvironmentVariable("Path", $userPath, "User")然后关闭 PowerShell，重新打开。
3. 安装 Node.js
PowerShell 执行：
winget install -e --id OpenJS.NodeJS.LTS --source winget检查：
node -v npm -vNode.js 对 Open Science 很重要，因为它底层涉及 OpenCode、MCP、插件和部分工具链。官方从源码构建要求 Node.js ≥ 20、pnpm 9、Rust 工具链。 即使你不是源码构建，装 Node.js 也能减少很多工具兼容问题。
4. 安装 Git
如果 Open Science 里 Git 显示 not found，执行：
winget install -e --id Git.Git --source winget检查：
git --version5. 安装 R
R 不是必须，但科研统计、R Notebook、部分生信/统计工作流会用到。安装：
winget install -e --id RProject.R --source winget如果安装后 Open Science 仍然显示 R not found，先找 Rscript：
$searchRoots = @( "C:\Program Files\R", "$env:LOCALAPPDATA\Programs\R", "$env:ProgramFiles", "${env:ProgramFiles(x86)}" ) $rscript = Get-ChildItem -Path $searchRoots -Recurse -Filter Rscript.exe -ErrorAction SilentlyContinue | Sort-Object FullName -Descending | Select-Object -First 1 -ExpandProperty FullName $rscript如果输出类似：
C:\Program Files\R\R-4.6.1\bin\x64\Rscript.exe就把它所在目录加入 PATH：
$rBin = "C:\Program Files\R\R-4.6.1\bin\x64" $userPath = [Environment]::GetEnvironmentVariable("Path", "User") if ($userPath -notlike "*$rBin*") { $userPath = "$userPath;$rBin" } [Environment]::SetEnvironmentVariable("Path", $userPath, "User")重新打开 PowerShell 后检查：
where.exe Rscript Rscript.exe --version R.exe --version注意在 PowerShell 里不要直接用：
R --version因为 R 可能被 PowerShell 当成历史命令别名，最好写成 R.exe。
五、模型配置：Open Science 怎么接模型？
Open Science Desktop 的模型能力来自它内置的 OpenCode sidecar。官方 README 里写到，模型部分使用 OpenCode provider catalog，支持 OAuth/API key provider、自定义 OpenAI-compatible endpoint，以及 OpenCode 支持的本地或云模型选项。
OpenCode 官方文档也说明，它支持 75+ LLM providers，并支持运行本地模型；同时可以使用任何 OpenAI-compatible provider，因为现在很多模型服务商都提供 OpenAI-compatible API。
配置思路很简单：
Settings → Models / Providers
选择模型服务商
填 API Key
选择模型
保存
新建会话测试
如果是 OpenAI-compatible 服务，一般要填：
Provider ID：自定义名字
Base URL：模型服务商提供的兼容接口地址
API Key：你的密钥
Model ID：模型名称
以下面的API为例，openscience模型配置页的设置如图所示：（填好了之后不要忘记点击“添加端点”按钮）
密钥获取方法：在注册了账号之后，进入“API令牌”页，点击“添加令牌”；
名称输入openscience，路由选择“智能自动”，再点击“确认”；
复制密钥，粘贴进openscience的设置页即可；
模型选择建议：
文献综述 / 论文写作：选择长上下文、推理能力强的模型
代码执行 / 数据分析：选择工具调用和代码能力强的模型
中文科研写作：选择中文表达稳定的模型
低成本探索：先用便宜模型规划和整理，再用强模型生成最终稿
本地隐私数据：优先考虑本地模型或内网模型
不要一上来就让最贵模型跑全流程。更合理的方式是：
便宜模型：文献初筛、目录生成、数据清洗草稿
强模型：研究判断、统计解释、论文段落、审查与修订
本地模型：敏感资料预处理、私有数据摘要
（更多的模型可以去模型广场复制）
六、MCP 连接器：比 skills 更重要的“科研工具入口”
很多人一上来就问“装什么 skills”，但在 Open Science 里，MCP connector 可能比 skill 更重要。
官方文档说得很清楚：Open Science 是一个工作台，它聚合工具，而不是替代工具；agent 能访问的东西，要么是 MCP server，要么是 skill，两者都是可插拔的，不需要改 app 代码。
目前一键科学 MCP 连接器包括：
arXiv
PubMed
Crossref
Semantic Scholar
bioRxiv / medRxiv
ClinicalTrials.gov
MyVariant / ClinVar
Materials Project
FRED economic data
Space weather
Open-Meteo
USGS water data
这些连接器可以在：
Settings → MCP servers里启用。官方说明中还提到，文献和数据库结果会带真实 DOI、PMID、arXiv id，这样后续 traceability-review 技能可以审查引用。
这点非常关键。普通聊天 AI 的问题是“看起来像引用”，但科研工作台必须尽量做到“引用可查、数据可追溯、结果可复现”。
七、常用 skills：建议先装这几类
Open Science Desktop 本身已经集成了一批技能。官方 README 写到，构建和发布时会拉取 ai4s-research/ai4s-skills 技能包、Anthropic 的文档技能，以及第一方核心技能。内置技能包括 traceability-review、stats-integrity、domain-check、large-file、publication-figures、remote-compute 和 modal-run。
1. ai4s-skills：最适合 Open Science 的科研技能包
项目地址：
这个技能包包含 7 个 AI-for-Science agent skills：ai4s-agent、research-explorer、literature-survey、experiment-suite、paper-writer、mindmap-render、integrity-auditor。它的目标是把一个研究方向变成文献综述、可运行实验、论文草稿和完整性审查，并要求每个引用、数字和图都能追溯来源。
最值得用的是：
research-explorer：探索选题
literature-survey：生成文献综述
experiment-suite：生成实验方案和可运行代码
paper-writer：写论文草稿
integrity-auditor：审查论文数字、图片、引用和逻辑
它还强调几个科研场景非常重要的原则：真实引用、数字标注为 measured/simulated/illustrative、可运行实验、可恢复运行、专家审查建议。
2. Anthropic skills：文档处理参考价值很高
项目地址：
Anthropic 官方 skills 仓库解释说，skill 是一个包含说明、脚本和资源的文件夹，Claude 会动态加载它来提升特定任务表现；每个 skill 都是一个自包含文件夹，核心文件是 SKILL.md。
这个仓库里尤其值得关注的是：
docx
pptx
xlsx
这些是文档创建和编辑技能的参考实现。Anthropic 说明这些文档技能不是完全开源，而是 source-available，但对开发复杂技能很有参考价值。
3. K-Dense scientific-agent-skills：适合生物、化学、医学、药物发现
项目地址：
这个库覆盖非常广。它包含 148 个科研和研究技能，涉及生物信息学、基因组学、化学信息学、药物发现、蛋白质组学、临床研究、医疗 AI、医学影像等领域。官方 README 写到，这些技能可以让 AI agent 执行复杂的多步骤科学工作流。
推荐先看这些方向：
文献检索
统计分析
数据可视化
单细胞分析
药物发现
临床研究
医学影像
但不要一次性全装。第三方 skills 可能让 agent 运行代码、联网、安装依赖或读取文件，装之前要先看 SKILL.md 和依赖说明。
4. Orchestra AI Research Skills：适合 AI 研究和模型训练
项目地址：
这个库偏 AI research engineering，包含 98 个 skills，覆盖 ideation、ML paper writing、model architecture、fine-tuning、post-training、distributed training、RAG、multimodal、MLOps、observability、mechanistic interpretability 等 23 类。
如果你是做大模型、微调、评测、RAG、推理部署、AI 论文实验，这个库比生物医药类 skills 更适合。
八、怎么安装自定义 skill？
Open Science 官方文档写得很直接：skill 是一个带 SKILL.md 的文件夹，可以包含它需要的脚本和模板。你可以在 Skills 页面粘贴 URL 或 Markdown，应用会保存到当前工作区的 .opencode/skills/ 下面。
一个最小 skill 长这样：
--- name: literature-review-helper description: 用于帮助用户完成科研文献综述，包括检索策略、论文筛选、主题归类、研究空白总结。 --- # Literature Review Helper 你需要按以下流程工作： 1. 先明确研究问题。 2. 拆解关键词。 3. 检索文献。 4. 提取每篇论文的问题、方法、数据、结论、局限性。 5. 生成综述矩阵。 6. 总结研究空白。 7. 所有引用必须给出 DOI、PMID、arXiv ID 或来源链接。Open Science 适合先装少量高频 skill，而不是一次装一大堆。我的建议顺序是：
第一批：research-explorer、literature-survey、paper-writer、integrity-auditor
第二批：pdf、docx、pptx、xlsx
第三批：statistical-analysis、publication-figures、stats-integrity
第四批：领域技能，比如 bioinformatics、cheminformatics、clinical-research
九、Claude Science 式使用方法：Open Science 应该怎么用？
很多人把这类工具当成聊天机器人用，这是错的。Claude Science 和 Open Science 这类工作台的正确用法，是把它当成一个研究项目管理器 + 数据分析助手 + 论文写作助手 + 审查员。
Anthropic 官方介绍 Claude Science 时提到，它可以让专门 agent 查询和综合科学数据库，也能连接实验室已有工具，并将 pipeline 保存为 reusable skill。 TechCrunch 对 Claude Science 的介绍也提到，它不是一个新模型，而是一个让科学家在同一个环境里做计算研究的 workbench；一个主 AI assistant 像项目经理一样工作，可以把任务拆给 sub-assistants，并有事实检查环节审查引用和计算。
所以在 Open Science 里，你也应该按“项目流”使用。
示例 1：做文献综述
不要这样问：
帮我写一篇人工智能医疗综述。这样问太泛，容易得到空话。
应该这样问：
请以“AI 辅助医学影像诊断在肺结节筛查中的应用”为主题，帮我完成一轮文献综述工作流。要求：
1. 先拆解检索关键词，包括英文关键词和同义词；
2. 使用 arXiv、PubMed、Semantic Scholar、Crossref 检索近五年文献；
3. 只保留真实可追溯文献，记录 DOI、PMID 或 arXiv ID；
4. 建立综述矩阵，字段包括：论文、年份、任务、数据集、方法、指标、主要结论、局限性；
5. 最后总结 3 个研究空白和 3 个可写论文方向；
6. 不要直接编造引用，无法确认的引用单独列入“待核验”。
这类任务应该配合：
literature-survey
traceability-review
domain-check
示例 2：上传 CSV 做数据分析
把 CSV 放到工作区，然后问：
请分析 workspace/data/experiment.csv。任务：
1. 先检查字段含义、缺失值、异常值；
2. 生成描述性统计；
3. 根据数据类型选择合适的统计检验；
4. 输出至少 3 张适合论文使用的图；
5. 所有图保存到 figures/；
6. 所有统计结果保存到 results/statistics.md；
7. 写一段论文 Results 小节，但必须区分 measured result 和 interpretation。
这类任务适合配合：
stats-integrity
publication-figures
experiment-suite
示例 3：复现一篇论文实验
把论文 PDF、代码仓库链接、数据说明放到工作区，然后问：
请帮我复现这篇论文的核心实验。输入：
- paper.pdf
- 原始代码仓库：见 README
- 数据集说明：data/README.md
要求：
1. 先阅读论文，提取核心实验目标；
2. 检查代码是否能运行；
3. 生成环境依赖列表；
4. 尝试运行最小可复现实验；
5. 把每一步命令、错误、修复方式记录到 runs/reproduction_log.md；
6. 输出复现结果表格；
7. 判断复现结果与论文是否一致；
8. 不要为了匹配论文结果而修改指标定义。
这才是科研工作台的价值：不是写一段漂亮话，而是让它跑代码、产生日志、留下证据。
示例 4：写论文草稿
在文献和实验结果已经生成后，再让它写论文：
请基于以下材料写一篇论文初稿：
材料：
- literature_survey.md
- results/statistics.md
- figures/
- experiment_log.md
要求：
1. 使用标准论文结构：Abstract、Introduction、Related Work、Method、Experiment、Results、Discussion、Limitations、Conclusion；
2. 引用只能来自 bibliography.bib；
3. 图表必须引用已存在文件，不允许虚构图；
4. 所有数字必须能追溯到 results/statistics.md 或 experiment_log.md；
5. 生成 LaTeX 源码和 PDF；
6. 最后运行 traceability-review 和 stats-integrity 检查。
对应 skills：
paper-writer
publication-figures
traceability-review
stats-integrity
integrity-auditor
示例 5：审查 AI 生成论文
请审查 paper.pdf 的科研完整性。重点检查：
1. 引用是否真实存在；
2. DOI / PMID / arXiv ID 是否能对应上；
3. 图表是否有来源；
4. 数字是否能追溯到实验结果；
5. 是否存在夸大结论；
6. 是否存在把 simulated result 写成 measured result 的问题；
7. 输出 audit_report.md，并按严重程度分级。
这类任务非常适合 integrity-auditor。ai4s-skills 官方说明里也强调，它会检查图像、数值和逻辑问题，并做证据分级。
十、使用 Open Science 的关键原则
第一，不要把它当搜索引擎。它应该用来组织研究流程，而不是问一句“帮我查查”。
第二，不要一次性让它“写完一篇论文”。正确做法是：
选题探索 → 文献检索 → 综述矩阵 → 实验设计 → 代码执行 → 图表生成 → 论文写作 → 完整性审查
第三，必须让它保存中间产物。比如：
research_exploration.md
literature_matrix.csv
experiment_plan.md
results.json
figures/
paper.tex
audit_report.md
第四，所有引用、数字、图表都要可追溯。Open Science Desktop 本身就强调 provenance，也就是每个工件能回到代码、输入和对话上下文。
第五，输出只能当草稿。Open Science Desktop 官方 README 明确提醒：这是 beta research tooling，输出应视为草稿，发表或决策前需要核验数字、引用、代码和结论。
十一、常见问题
1. 为什么 Open Science 里 Python 显示 not found？
一般是 Python 没装好，或者 PATH 没配好。Windows 上最常见的问题是 python 指向了 WindowsApps 假入口。正确的 where.exe python 应该指向：
C:\Users\你的用户名\AppData\Local\Programs\Python\Python312\python.exe
2. 为什么 Jupyter 显示 not found？
通常是 Jupyter 没装，或者 Python Scripts 目录没加入 PATH。先检查：
python -m jupyter --version
jupyter --version
如果前者能用、后者不能用，就是 PATH 问题。
3. 为什么 R 装了还显示 not found？
R 的 Rscript.exe 目录没有加入 PATH。一般在：
C:\Program Files\R\R-4.x.x\bin\x64
把这个目录加入用户 PATH 后重启 Open Science。
4. 为什么 Windows 提示不安全？
因为当前 Open Science Desktop 构建尚未代码签名。官方 release 说明也说了，Windows SmartScreen 出现时选择 More info → Run anyway。
5. 可以联网查论文吗？
可以，但推荐通过 MCP connectors。Open Science 官方连接器包括 arXiv、PubMed、Crossref、Semantic Scholar、bioRxiv/medRxiv 等文献源。
6. 可以装很多 skills 吗？
可以，但不建议乱装。第三方 skill 可能让 agent 执行命令、安装依赖、读取文件、联网。Open Science 官方安全说明也提醒：你添加的 server 能发起网络请求和运行代码，启用前要审查源码。
十二、最终推荐配置
如果你是 Windows 用户，最推荐的配置是：
Open Science Desktop
Python 3.12
JupyterLab
Node.js LTS
Git
R
一个稳定的强模型 API
Literature MCP connector
Biomedical MCP connector，可选
ai4s-skills
document skills
traceability-review
stats-integrity
publication-figures
最推荐的工作流是：
先用 research-explorer 找方向
再用 literature-survey 做综述
再用 experiment-suite 设计实验
再用 Python/Jupyter 跑数据
再用 publication-figures 出图
再用 paper-writer 写论文
最后用 traceability-review / integrity-auditor 审查
这才是 Open Science 真正的打开方式。
它不是“AI 帮你写论文”的工具，而是一个把科研任务拆成可追溯步骤的本地工作台。对学生、研究生、科研工作者、AI 产品开发者来说，它最有价值的地方不是生成一段文字，而是把“文献、数据、代码、图表、报告、审查”串成一条可复现的流程。
如果你只是想聊天，普通 AI 就够了。
如果你想做真正的 AI 科研工作流，Open Science Desktop 值得折腾。
