近日，北大&元空 AI Agent 联合实验室正式开源科研智能体 OpenAI4S（Open AI for Scientist）。OpenAI4S 是一款基于 Code-as-Action 范式构建的开源科学研究智能体：它不再把智能体限制在固定工具菜单中，而是让模型直接向持久化的 Jupyter 风格内核发送真实的 Python 或 R 代码，完成数据读取、循环分析、模型调用、可视化和研究报告生成。
北大&元空 AI Agent 联合实验室开源科研智能体 OpenAI4S，Code-as-Action 重构 AI for Science 工作流
近日，北大&元空 AI Agent 联合实验室正式开源科研智能体 OpenAI4S（Open AI for Scientist）。OpenAI4S 是一款基于 Code-as-Action 范式构建的开源科学研究智能体：它不再把智能体限制在固定工具菜单中，而是让模型直接向持久化的 Jupyter 风格内核发送真实的 Python 或 R 代码，完成数据读取、循环分析、模型调用、可视化和研究报告生成。
OpenAI4S 已开放代码、科研 Web 应用、30+项内置 Skills 与自带算力接入能力，并采用 MIT 许可证。项目希望降低科研智能体的开发与使用门槛，让高校、科研机构和企业研发团队能够自托管、二次开发，并针对生物信息、蛋白质工程、文献研究和科学数据分析等场景构建专属工作流。
需要说明的是，OpenAI4S 中的「Open AI」意为「面向科学家的开放人工智能」，该项目并非 OpenAI 公司旗下产品。
为什么科研智能体需要 Code-as-Action？
目前多数 AI Agent 采用 ReAct 与 tool_use 机制：模型每一步从预设菜单中选择一个工具，生成一次 JSON 调用，得到结果后再决定下一步。对于简单问答，这种方式足够直观；但面对科研任务，往往需要连续读取多个文件、处理大规模数据、调用专业库、反复计算并保存中间结果。工具调用次数一多，模型往返、上下文膨胀和状态丢失问题就会变得明显。
OpenAI4S 提出的 Code-as-Action 路径，把一个完整 Python/R 代码单元作为动作。循环、分支、库调用和多步组合可以在一个单元内完成；数据表、模型结果等大对象常驻内核，进入模型上下文的主要是摘要，而不是反复序列化的完整数据。
简单来说，传统智能体像是在固定工具箱里「一次拿一件工具」；OpenAI4S 则让智能体获得一个可编程的科研环境。它不仅能选择工具，还能根据任务写出完整操作过程，并保留真实的计算状态。
六项核心能力，覆盖从研究计划到科研产物
持久化科研内核：Jupyter 风格内核跨代码单元保留命名空间和数据对象，适合长流程、迭代式研究任务。
纯标准库核心：项目介绍显示，引擎与 Web 服务器核心基于 Python 标准库构建，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 等模型提供商，并可在界面中切换。
完整科研 Web 应用：支持流式执行、版本化产物、与智能体共享内核的 Notebook、后台任务与恢复；对 PDB、CIF 等结构文件提供可视化能力。
BYOC 自带算力：用户可通过 SSH 或 NVIDIA NIM 将 GPU 任务调度到自有设备，避免把本地是否具备高性能 GPU 作为使用前提。
30+项科研 Skills：项目内置文献综述、论文叙事、PDF 探索、科研绘图等研究工作流，同时覆盖结构预测、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 GPU 或模型工具。
从文献检索到蛋白质工程，科研过程可追踪、可复现
OpenAI4S 官方展示了六类真实会话，包括从 UniProt、RCSB 等开放资源获取数据并生成三维结构与报告，对人胰岛素真实数据形成可复现分析，使用自然语言修改可视化产物，以及针对青蒿素、紫杉醇开展计划式研究。
在蛋白质工程场景中，智能体可从序列出发，调用相应科研 Skill 与算力资源，生成候选突变体排序和结构依据。在数据分析场景中，研究者还可以直接修改阈值、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，而不必重新上传和解析全部数据。
这类设计使科研人员能够看到执行代码、检查中间对象、保存版本化成果并复现关键步骤。AI 给出的结论不再只是聊天窗口里的一段文字，而是与真实数据、代码和产物连接的研究过程。
开源与低门槛，推动 AI for Science 走向更多科研团队
科研智能体要真正进入实验室，除了模型能力，还需要解决部署成本、专业工具接入和数据控制问题。OpenAI4S 采用 MIT 许可证，支持免费自托管；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，OpenAI4S 采用 BYOC 思路：研究者可以连接自己的工作站、服务器或外部 GPU 服务，让数据处理和计算位置更可控。对高校实验室和企业研发部门而言，这为私有数据、本地科研环境以及已有计算资源的接入提供了更灵活的路径。
开源也意味着每项关键差异都可以在代码仓库中检查。开发者能够审视安全策略、复现实验、扩展 Skills，或接入新的模型、数据库与科学计算工具，推动科研智能体从单一产品走向开放生态。
联合实验室探索产学研协同的新路径
北大&元空 AI Agent 联合实验室聚焦企业级超级智能体、非结构化全模态数据量化分析及数据赋能平台等方向。OpenAI4S 的开源，是联合实验室面向科学智能与科研工作流的一次具体实践。
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。高校的前沿研究与企业的工程化、产品化经验结合，有望缩短科研成果从技术原型到真实应用的距离。
未来，联合实验室将继续围绕科学数据理解、复杂任务规划、多智能体协作和科研工具生态开展探索，让 AI 不只回答科研问题，更能在研究人员监督下执行可检查、可复现的科学工作流。
开源，是北大&元空 AI 联合实验室推动产学研协同的一次实践
OpenAI4S 的发布，不只是增加了一个开源项目，也是北京大学与元空 AI 推进产学研协同的一次实践。
作为双方联合实验室的阶段性成果，OpenAI4S 从研发到开源，离不开联合实验室张恭博同学的持续投入与推动。张恭博研究方向聚焦 AI for Science，由他担任共同第一作者的 UniGenX，探索了面向分子、材料与蛋白质的通用科学基础模型，这些围绕科学智能展开的研究积累，也进一步延伸到了 OpenAI4S 的研发与落地中。同时，OpenAI4S 也凝聚了团队中李昊、王豫、刘宇阳、吕刘正浩、毛奕澄、林慕捷、彭莘尧、姜政祥、王一米等同学的共同努力，从框架设计、功能研发到开源发布，每个环节都离不开大家的协作与投入。
元空 AI 是一家端侧 AI 公司，专注于通过模型后训练、Agent Runtime、长期记忆与端侧推理技术，让 AI 在本地及离线环境中完成复杂任务。目前，公司已形成元空 AI Work 与元空 AI Science 两条产品线，分别进入智能办公与科学发现领域。
这次开源 OpenAI4S，也体现了联合实验室与元空 AI 对科研 Agent 的共同判断：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。
因此，本次开放的不只是示例，还包括核心架构、科研 Skills 与完整应用。高校、科研机构、开发者和产业伙伴可以在此基础上接入数据源、算法、工具与科研流程，共同推动科研 Agent 进入更多真实任务。
OpenAI4S 常见问题
OpenAI4S 是什么？OpenAI4S 是北大&元空 AI Agent 联合实验室开源的 Code-as-Action 科研智能体，可在持久化 Python/R 内核中执行科学研究任务。
OpenAI4S 与普通 AI Agent 有什么不同？普通 Agent 通常逐步调用固定工具；OpenAI4S 直接生成和执行完整代码单元，支持循环、分支、库调用，并在内核中保留真实数据对象。
OpenAI4S 是 OpenAI 公司的产品吗？不是。OpenAI4S 的全称是 Open AI for Scientist，指面向科学家的开放人工智能项目，与 OpenAI 公司没有隶属关系。
OpenAI4S 是否开源？是。项目采用 MIT 许可证，代码可从 PKU-YuanGroup 的 GitHub 仓库获取，支持自托管和二次开发。
OpenAI4S 需要本地 GPU 吗？不一定。普通工作流可在本地运行；GPU 任务可以通过 SSH 或 NVIDIA NIM 调度到用户自有或远程算力。
来源：互联网
