### 面向科学家的开源 AI ## 💸 9.9 元豆包 API 复刻 Claude Science **一个开源的混合式科研智能体。**
_{原生 JSON 工具负责编排与权限；持久 Python/R 内核负责科学执行。} **由北京大学—元空AI联合实验室推出。**
_{Launched by the Peking University–YuanKong Intelligence AI Joint Research Laboratory.}

[English](README.md) · **简体中文**

[!TIP] 为什么是 9.9 元? 不需要昂贵的前沿模型 Key —— OpenAI4S 跑在豆包上,用的是 火山方舟 最便宜的「Small」套餐:¥9.9 / 月。在 UI 里把供应商选成 ark,你就用不到一杯咖啡的钱得到了一个 Claude Science 级的智能体。

_{火山方舟 · Agent Plan(个人版)—— 入门的 Small 套餐仅 ¥9.9 / 月。}

🧬 JSON 编排，Code-as-Action 科学执行

OpenAI4S 刻意保留两个动作平面。供应商原生 JSON tool call 处理确定性编排、权限、元数据、外部服务和人工审批；Python/R Code-as-Action 在持久内核中执行计算、探索、分析、仿真与长时任务。Python Cell 运行期间可以同步调用内核中的 host API；R 是独立的持久分析通道。

工具和代码并非二选一，它们各自承担适合的职责。纯工具或对话型任务可以通过 Engine 自有、严格结构化的 finalize_response 完成。科学 Python Cell 保留 host.submit_output(...) 契约，包括结构化 Artifact 与指标。host.submit_output 是唯一能从 Cell 内部发出的完成信号；先执行过 Cell 后，后续单独且有效的 finalize_response 仍可关闭 Engine。

# ReAct 需约 14 次往返(read → … → filter → sort → plot)。   OpenAI4S:一个代码 cell。
hits   = [f for f in files if pattern in host.read_file(f)]
top3   = sorted(hits, key=os.path.getsize, reverse=True)[:3]
frames = [pd.read_csv(f) for f in top3]      # 10 万行的 DataFrame 留在内核里……
host.save_artifact(plot(frames))             # ……上下文里只留 "<DataFrame 100000×20>"

📣 更新

• 2026-09 🧭 v0.3.0 —— 新工作台，以及第一个 Windows 安装包 —— Preact/TypeScript 工作台取代 app.js 单体成为默认 UI，本次 release 也在 Linux tarball 之外首次发布 Windows/WSL2 zip。每个本地守护进程现在都要求访问令牌：OPENAI4S_REQUIRE_TOKEN=0 这个 loopback 豁免已被移除。交互式 HTML 报告运行在独立的沙箱源上；Notebook cell 保留自己产出的精确 Artifact 版本；长上下文压缩真正落地，并能在重启后恢复；委派的子代理继承父会话的环境，并留下持久、可导出的 cell 记录；Auto Mode 以原子方式准入预算，并会停下没有进展的运行。单细胞 RNA 分析 Skill 让总数达到 604。本版本没有 macOS 磁盘镜像，请改用 PyPI 安装。数据库 schema 从 27 升到 32，首次启动前请先阅读 从 0.2.x 升级。
• 2026-08-24 🚀 v0.2.0 —— 多平台发布 —— 一个 release，两个桌面安装包：Apple Silicon .dmg 与内嵌同一套 Python 与科学栈的可移动 Linux x86_64 tarball（Windows/WSL2 zip 已构建、正在稳定化，将随后续版本发布）。底层新增：带 Guardian 审查边界的 Auto Mode、诚实的完成证据对账（崩溃的 cell 不再可能渲染成干净的成功）、MCP Streamable HTTP 传输（含火山引擎 DataPro 连接器与豆包联网搜索）、Anthropic Messages SSE 流式、锁定的 561 个 bioSkills 配方集合（共 603 个 Skill，可用 npx 装到任何地方）、工作台的轨迹账本视图、Docker/Kubernetes 部署、openai4s --version，以及让运行中的 R cell 在每个平台都能可靠中断的信号修复系列。
• 2026-08-04 🔭 main —— 通往 v0.2.0 的路上 —— 只读会话共享（经出站 relay 隧道，openai4s share / openai4s relay）、七个规范化的公共数据库连接器（检索结果自带来源与时间）、带版本的 /api/v1 接口（keyset 分页、统一错误信封、可续传的 WebSocket 游标）、环境即事务（openai4s env plan|apply|rollback）、脱敏的 doctor / diagnostics 支持包、默认关闭且可撤销的遥测、逆合成规划 Skill，以及一套 10 workflow / 20 case 的基准——它跑在真实的 Store、内核与 dispatcher 上。Linux 与 Windows 桌面包在此构建并验证——Linux 包随上面的 v0.2.0 发布，Windows 包将随后续版本发布。
• 2026-07-15 🍎 v0.1.0 —— macOS 应用 —— 一键、免工具链的 Apple Silicon .dmg，内嵌 Python 与完整默认内核科学栈（rdkit · scanpy · 单细胞栈），并支持 PyPI 安装（pip install openai4s）与自动化发布。第一次用？→ 上手指南。
• 2026-07-06 🎉 代码开源 —— 纯标准库 Code-as-Action 引擎、科研 Web 应用、24 个科学 Skill、BYOC 远程计算。

😮 亮点

• 🧬 混合动作引擎 —— 基于类的原生 JSON 工具负责编排，持久 Python/R 内核执行科学任务。CLI/Web 中的前台语言 slot 惰性启动；tool/finalize 路由本身不会启动它，但个别工具仍可管理专用 worker。
• 📒 Ledger-first 运行时 —— action group/event 和终止事实以追加方式记录；执行尝试、generation 生命周期、用量与 completion record 可持久和重建。
• 🐍 纯标准库核心 —— 引擎和 Web 服务器都是纯标准库(http.server + 手写 WebSocket，无框架、无依赖)。LLM 客户端仅用 urllib 直接对接 OpenAI / Anthropic / Gemini。
• 🔌 一行切换多供应商 —— ark(doubao · glm · kimi · deepseek · minimax)加官方 chatgpt · claude · gemini,都由一个 host.llm 统一封装;在 UI 里即可切换。
• 🖥️ 科研工作台 —— 实时流式事件、版本化 Artifact、溯源、Action Timeline，以及默认只读的 Notebook。只有显式开启开发标志后，才能对共享 Python/R 内核输入多行代码。
• 🔐 分层本地执行防护 —— 严格子进程环境 allowlist、持久审批、与 generation 绑定的一次性 host.bash capability，以及 macOS Seatbelt/Linux bubblewrap 沙箱适配器；降级与 fail-closed 状态会显式呈现。
• 🔬 604 个内置 Skill —— 43 份由 OpenAI4S 筛选维护的 GPU/模型科学、科研工作流与平台操作配方，加上固定版本、MIT 许可的 GPTomics/bioSkills 全部 561 份配方。Skill 是代码配方,不是 JSON schema；大型第三方集合按需搜索，在常驻 prompt 中只占一行。用户自撰的 Skill 只落在数据目录里，无法顶替内置 Skill 的信任等级。
• ☁️ BYOC 远程计算 —— 在 provider 已配置且可达时，可通过 ssh:<alias> 或内置 NVIDIA NIM 集成投送 GPU 作业。通用远程计算仍属 Prototype；host.fold 遵守严格的不伪造策略。
• 🔗 只读会话共享 —— 把一个会话发布成快照，拿到链接的人可以查看并导入自己的本地实例，全程经由你自己运行的 relay。守护进程从不监听公网端口，只向外拨号。记忆、权限状态与 Key 一律不外流，残留密钥会让发布 fail closed。→ Web 共享
• 🔎 带来源的科学检索 —— 七个规范化的公共数据库连接器（UniProt · RCSB PDB · Ensembl · ChEMBL · PubChem · arXiv · OpenAlex）。检索到的记录自带来源与时间，但不带取回它的 API Key。
• 🧰 不止能跑，还能运维 —— 带版本的 /api/v1（keyset 分页、统一错误信封、correlation ID、可续传的 WebSocket 游标）、启动即要求本地凭据、脱敏的 doctor / diagnostics 支持包，以及默认关闭、一撤销就连同身份一起销毁的遥测。

📦 当前已交付的能力

当前代码树的能力地图——按平面列出已实现且可达的部分。

🎬 效果演示

Live API 工作流:从 UniProt / RCSB 到 3D 结构和报告	真实数据分析:人胰岛素 INS 从 UniProt / RCSB 到可复现报告
可视化 Artifact 编辑:一句话把 confidence 阈值线抬到 75	注释驱动图表编辑:圈选区域并重绘图例配色
计划模式科研分析:青蒿素与紫杉醇溶解度预测	蛋白质工程:从序列到突变候选与结构解释

⚡ 快速开始

git clone https://github.com/PKU-YuanGroup/OpenAI4S && cd OpenAI4S
./setup.sh     # 一次性:用 uv 创建环境
./start.sh     # 启动 Web UI(http://127.0.0.1:8760/)

setup.sh 用 uv 创建轻量控制面 .venv。如需完整的 Python + R 科学计算内核，请先安装 micromamba、mamba 或 conda，然后改用 ./setup.sh --with-kernel-envs；已有环境可用 ./setup.sh --update-kernel-envs 同步，且不会删除用户自行安装的包。start.sh 从环境中启动守护进程 + Web UI。启动无需 API Key —— 在 UI 里设置你的模型(Customize → Models)。不启动 UI 跑单个任务:uv run openai4s run "Compute the mean of [4,8,15,16,23,42] and submit it." -v。

macOS

[!NOTE] v0.3.0 不发布 macOS 磁盘镜像。 发布流程只在 .dmg 经过 Developer ID 签名并完成公证时才上传它。这些凭据目前还不存在，所以本次选择不带镜像，而不是发布一个未签名的镜像。在 Mac 上请按下面的方式从 PyPI 安装，或使用上面的源码方式运行。旧的 v0.2.0 预览镜像仍可从 v0.2.0 release 页面下载（不是最新 Release）。它运行的是 0.2.0，不包含 0.3.0 的任何改动，并且不能打开已被 0.3.0 升级过的数据目录（见 从 0.2.x 升级）。

请从 PyPI 安装到一个单独的虚拟环境中。Apple Silicon 与 Intel 都适用，需要 Python 3.10 或更新版本：

python3 -m venv ~/.venvs/openai4s && source ~/.venvs/openai4s/bin/activate
pip install "openai4s[science]"   # numpy · pandas · matplotlib · scikit-learn；需要 RDKit 时用 [science,chemistry]
openai4s serve                    # 启动守护进程，并用访问令牌打开工作台

数据写在 ~/.openai4s。如果关掉了标签页，openai4s url 会再次打印带令牌的工作台 URL。R 内核需要一个 Conda 家族管理器（micromamba、mamba 或 conda），运行一次 openai4s setup 即可构建。

首次运行 —— 先配模型，再配搜索。 启动不带任何 Key，所以打开工作台之后：

1. 模型 API —— 打开 设置 ⚙ → 模型，选协议（ark 兼容协议 对应豆包/GLM/Kimi/DeepSeek/MiniMax，或 OpenAI / Anthropic 兼容协议），粘贴 API Key，点 新增，再点 设为当前。最省钱：用火山方舟 ¥9.9/月 套餐的 ark 协议。
2. 搜索 API （可选、推荐） —— 打开 设置 ⚙ → 网络，保持 允许联网 打开，把火山方舟 Agent Plan Key 粘进主选的豆包搜索 Custom 版卡片 → 保存凭证。当前 Ark 模型已使用同一个 Key 时会自动复用。Tavily 与免密钥引擎仍作为备用；豆包专用健康检查不会把备用结果冒充豆包成功。

完整流程（安装 → 模型 → 搜索 → R 内核，以及 v0.2.0 预览镜像的 Gatekeeper 步骤）见：上手指南。

Linux 应用（无需任何工具链）

[!NOTE] Linux 安装包自 v0.2.0 起随每个 release 发布。Windows/WSL2 安装包自 v0.3.0 起发布，见下方 Windows 一节。更早的版本（v0.1.0 只带 macOS 镜像，v0.2.0 没有 Windows 包）请用上面的源码方式，或 pip install openai4s。

从 最新 Release 下载 OpenAI4S-<version>-linux-x86_64.tar.gz，解包到任意位置直接运行。它内嵌自带的 Python 和预装科学栈，形态是一个可任意移动的目录：

tar -xzf OpenAI4S-*-linux-x86_64.tar.gz && cd OpenAI4S-*-linux-x86_64
./OpenAI4S          # 启动守护进程并打开 http://127.0.0.1:8760/
./install.sh        # 可选：把 `openai4s` 挂到 PATH，并注册应用菜单项

install.sh 是单用户级的、不需要 root——它只往 $HOME 里写；./uninstall.sh 会撤销这些改动，而 ~/.openai4s 里的数据原样保留。建议装上 bubblewrap（apt install bubblewrap）让 cell 在沙箱里跑；没有它，默认的 OPENAI4S_KERNEL_SANDBOX=auto 会明确报告内核处于降级、未隔离状态。目前只发布 x86_64——arm64 Linux 请改用 PyPI 安装（pip install openai4s）。

Windows（经由 WSL2）

下载 OpenAI4S-<version>-windows-x86_64.zip，解压后双击 OpenAI4S.cmd。首次运行会检查 WSL2 与可工作的 bubblewrap 0.8.0+ 沙箱，校验并安装随包 Linux payload，创建 ~/.local/bin/openai4s，在 WSL 中启动守护进程，再用 Windows 浏览器打开带本地登录引导的安全 URL。应用本体不下载、不 pip、不装工具链；支持基线是 Ubuntu 24.04，启动器可配置国内 PyPI/Conda 镜像以及 WSL 可访问的代理。详见双语 Windows/WSL2 指南。

v0.3.0 是第一个发布这个安装包的版本，它的验收证据只覆盖 x86_64 上的 WSL2 和测试所用的 Ubuntu 24.04 发行版。WSL2 一致性审计的最后一节（「修复验收记录 — 2026-09-07」）列出以下尚未验证的范围：

• 与 macOS 并排运行的一致性对比。对比中的 macOS 一侧来自源码阅读，并未实际运行。
• Windows on ARM、其他发行版，以及测试所用之外的 WSL 网络模式。
• 真实的供应商登录与推理。科学家流程是在 OPENAI4S_NOTEBOOK_REPL=1 下运行的，没有调用真实模型。
• Conda 环境准备，因此 Windows 上的 R 和其他命名环境都未经验证。R 只是作为测试前提装进了测试发行版。
• 全部领域配方。
• Windows 整机重启。只测试了重启 WSL 发行版，重启后能重新打开已保存的结果和已存的凭据。
• 冷启动性能。未经修改的完整浏览器 smoke 未通过：它超过了 20 秒的排队准入等待。并发负载下还出现过 WSL 服务连接超时。

原生 Windows 不受支持，而且程序会直接拒绝在那里启动内核，不是「先警告再照跑」——内核要拉起 POSIX 子进程，R 通道靠 shell 重定向走文件描述符 3 和 4，沙箱也没有 Windows 后端。WSL2 报告自己是 Linux，所以这个包跑的就是其他平台跑的同一个构建。如果你还没有 WSL2，启动器会停下来并给出那条确切的命令（管理员 PowerShell 里的 wsl --install）。详见：平台支持矩阵。

🐳 Docker 与 Kubernetes

docker compose up -d --build          # http://127.0.0.1:8760/
docker compose exec openai4s openai4s url   # 带令牌、可直接打开的 URL

镜像由本仓库构建——Debian-slim 上的 CPython、wheel，以及 science extra——以非特权用户运行，只有一个挂在 /data 的卷。模型 key 用 OPENAI4S_SECRET_LLM_LLM_API_KEY 传入（在集群里就是一个 Secret）；镜像从环境读取凭据，不会把任何凭据形状的东西写到卷上。上集群则是 kubectl apply -f deploy/kubernetes.yaml：一个单副本 Deployment、一个 ReadWriteOnce 声明、一个 ClusterIP Service，探针打在 /health 上。

发布版镜像由 publish-image.yml 推送到 GitHub Packages，名为 ghcr.io/pku-yuangroup/openai4s:<version> 与 :latest（linux/amd64，自 0.2.0 起）；只有通过与每个 PR 相同的 container_smoke.sh 冒烟的镜像才会被推送。如果 docker pull ghcr.io/pku-yuangroup/openai4s:latest 要求你登录，请照上面的方式从检出的源码自行构建。公开它之前有两件事值得知道。在容器内绑定 0.0.0.0 会让访问令牌变成强制、同时关掉防 DNS 重绑定的 Host 白名单，于是挡在那些会执行代码的端点前面的就只剩令牌——这也是为什么 compose 只发布到 loopback、Service 只用 ClusterIP。另外，非特权容器无法给 bubblewrap 它所需要的命名空间，因此内核沙箱会可见地降级、由容器充当边界；那是一道更粗的边界，容器指南 写清楚了它不再覆盖什么。

🧩 把 Skills 带去任何地方（npx）

内置的 604 个 Skill 是配方——文字、代码，以及跑通它们所需的操作知识——其中没有任何东西是 OpenAI4S 专属的。npm 发布版 @pku-yuangroup/openai4s-skills@0.2.0 包含 603 个 Skill：42 个精选 + 561 个固定版本 bioSkills。以下命令固定安装该发布版本：

npx @pku-yuangroup/openai4s-skills@0.2.0 install --all                  # v0.2.0：42 个精选 Skill
npx @pku-yuangroup/openai4s-skills@0.2.0 install --collection bioskills # v0.2.0：561 个固定版生信配方
npx @pku-yuangroup/openai4s-skills@0.2.0 install alphafold2 boltz --target claude
npx @pku-yuangroup/openai4s-skills@0.2.0 list
npx @pku-yuangroup/openai4s-skills@0.2.0 uninstall --all

npx @pku-yuangroup/openai4s-skills <command> 使用 npm 上的最新发布版。若要使用当前仓库目录（604 个 Skill：43 个精选 + 561 个 bioSkills），可直接从 GitHub 运行；这种写法跟随默认分支：

npx github:PKU-YuanGroup/OpenAI4S install --all                  # 43 个精选 Skill
npx github:PKU-YuanGroup/OpenAI4S install --collection bioskills # 561 个固定版生信配方

两种来源使用相同的目标目录与覆盖规则。--target claude 写入 ~/.claude/skills，--target openai4s 写入 <data_dir>/user-skills，--dir <path> 则写入你指定的任意位置；在往目标写任何东西之前，解析出的绝对路径都会先打印出来，而 --dry-run 到此为止、不再写入。每个已安装文件的 SHA-256 都会记进 Skills 旁边的清单，因此重装会拒绝覆盖你改过的、或不是它自己装的 Skill，卸载也只删它自己写下的文件。skills/ 下每个精选 Skill 页面和集合根目录页面都带一节安装，命令里已经填好它自己的名字，所以你跳到哪一页，就可以在哪一页直接装。

如果你本来就在用本检出源码运行 OpenAI4S，那 604 个你已经全有了——同名时自带 Skill 优先于数据目录里的那个。这条命令是为反方向准备的。

📚 文档

中英双语的标准公开文档发布在 openai4s.org/docs。文档源码与 issue 追踪位于 Nobody-Zhang/openai4s-docs；下表链接指向与源码仓库同步保留的代码就近文档。

🗺️ 路线图

已交付

• [x] 交付下一代工作台地基：分支激活与追加式 Revert/Undo 投影、带明确 Partial/Failed 状态的验证式恢复、依赖级过期传播、持久化委派、隔离的可移植 Session 包、检查点化的 plan/review/memory 状态，以及专用的 2D 化学/基因组/序列/MSA/LaTeX 渲染器。内存中的 任意命名空间对象有意不做序列化；除非有安全配方能重建并验证它们，否则恢复始终是 Partial，而且只有带可证明检查点映射的记录才提供 Fork，更早的历史会返回 409。
• [x] 经由你自己运行的出站 relay 实现只读会话共享：守护进程从不监听公网端口，残留密钥 会让发布 fail closed。
• [x] 端到端科研工作流的可执行基准 —— 11 workflow / 34 case 跑在真实的 Store、内核 管理器、host dispatcher 与计算管理器上；声明为 failure / permission_denied / recovered / provenance 的用例，一旦运行成功即判定失败。对外发布可横向比较的 公开成绩仍在后面。
• [x] 环境即事务（openai4s env plan|apply|rollback）：generation 全新构建、验证通过后 才被原子地指向，因此 Artifact 的溯源可以指名一个不可变的环境。

下一步

• [ ] 经过公证的 macOS 镜像与 arm64 安装包。 Linux 安装包自 v0.2.0 起发布，Windows/WSL2 安装包自 v0.3.0 起发布，但 v0.3.0 没有 macOS 镜像，而且只发布 x86_64。有了 Developer ID 签名并经过公证的 .dmg，再加上 arm64 Linux 与 Windows on ARM 安装包，每个受支持的平台才都能免工具链安装。
• [ ] NVIDIA 科学计算套件 —— 在现有 NVIDIA NIM 集成之外，把 BioNeMo（生物分子基础模型）与 Parabricks（GPU 加速的基因组学流水线）作为一等公民接入 Skill 与 BYOC 后端。
• [ ] 本地 GPU 模型服务,让结构/设计类 Skill 无需远程计算即可运行。
• [ ] SSH + NVIDIA NIM 之外的更多 BYOC 提供方(Modal / SLURM)。
• [ ] 在可用平台上加强 bubblewrap 之外的 Linux 隔离（例如 seccomp），并扩展打包后沙箱冒烟验证。
• [ ] DuckDuckGo 之外的免密钥 web_search(抗限流)。

💡 如何贡献

OpenAI4S 是一个让 Code-as-Action 范式保持开源的社区项目。

提 PR 前请先阅读 .github/CONTRIBUTING.md —— 它定义了分支命名、PR 检查清单(.github/pull_request_template.md)、代码所有权(.github/CODEOWNERS)、评审与发布政策,以及离线测试政策。

开发环境配置

需要 Python ≥ 3.10 与 uv。

git clone https://github.com/PKU-YuanGroup/OpenAI4S && cd OpenAI4S
./setup.sh                          # uv sync --locked --extra science + pre-commit hook
./setup.sh --with-kernel-envs       # 可选：完整 Python + R 内核环境
uv run pytest                       # 离线测试套件(LLM 被 mock)
uv run pre-commit run --all-files   # 全量格式化 + lint

代码风格由 pre-commit 强制执行 —— black、isort(--profile black)、ruff(版本锁定在 .pre-commit-config.yaml)。运行时依赖:核心零依赖(纯标准库);可选 science extra 锁定 numpy>=1.24 · pandas>=2.0 · matplotlib>=3.7。

欢迎的贡献

• 新 Skill —— 在 skills/ 下放一个 SKILL.md(+ 可选 kernel.py)—— 代码配方,而非 schema。
• 新供应商 —— 在 openai4s/llm/providers/ 添加 wire adapter 并更新 provider definition/registry，或添加 BYOC 计算提供方。
• 引擎与 UI —— 核心是纯标准库、可读性强;Web 应用无框架。

请保持核心零依赖,把可选科学库导入包在 try/except ImportError 里,并在提 PR 前确保 uv run pytest 与 uv run pre-commit run --all-files 通过。

👍 致谢与相关工作

• Claude Science(Anthropic)—— 作为闭源参考架构,OpenAI4S 以开源方式独立复现了它的 Code-as-Action 设计、持久内核、宿主 RPC 协议与安全层。
• CodeAct —— 「Executable Code Actions Elicit Better LLM Agents」 —— 以代码作为统一动作接口。
• ReAct —— 「Synergizing Reasoning and Acting in Language Models」 —— 本项目刻意背离的 tool_use 基线。
• 各科学 Skill 站在 ColabFold / AlphaFold、ESM、OpenFold、Boltz、Chai、ProteinMPNN、DiffDock、Evo2、Borzoi、scGPT、scVI-tools 以及开放数据服务(NCBI、UniProt、RCSB PDB、EBI、OpenAlex、Crossref)之上。

🔒 许可证

以 MIT License 发布 —— 见 LICENSE。

🤝 社区贡献者

_{由 scripts/update_contributors.py 每日根据 GitHub 贡献者图谱与维护中的公开署名名单自动生成。}