北大开源 OpenAI4S：9.9 元豆包 API 复刻 Claude Science，科研 Agent 终于进入工作流
一个科研场景：把一篇论文的关键结果交给 AI，让它用真实数据、真实计算完整复现一遍，产物可检查、可复用。这听起来是 Claude Science 的活——Anthropic 的订阅制科研 Agent。但 7 月 6 日，北京大学—元空智能AI联合实验室开源了一个项目，把这件事的成本打到了每月 9.9 元人民币。
项目叫 OpenAI4S（Open AI for Scientist），仓库地址 github.com/PKU-YuanGroup/OpenAI4S，MIT 协议。一句话定位：用最便宜的国产模型 API，复刻 Claude Science 的科研工作流。
背景：科研 Agent 的"玩具期"为什么还没结束
过去两年，科研 Agent 的产品不少，但绝大多数停在演示阶段。原因有三。
第一，算力贵。跑一次蛋白质折叠或单细胞分析，要么租云端 GPU，要么自建集群，科研团队付不起，个人研究者更付不起。第二，token 贵。前沿模型的 API 按量计费，一个科研任务动辄几十轮工具调用，账单吓人。第三，不可信。模型输出的"实验结果"常常是编的——没有真正跑代码，只是"想象"了一个结果。这三点不解决，科研 Agent 就永远是 demo。
OpenAI4S 的三板斧，恰好对着这三个问题：模型侧用 9.9 元/月的豆包套餐，算力侧支持接入自有 GPU（BYOC，Bring Your Own Compute），可信侧用一套"代码即行动"（Code-as-Action）架构加"不伪造"策略。项目 README 里那句话很直接：“code is the action, the kernel is the environment”——代码是行动，内核是环境。
核心一：两个行动平面，各干各擅长的活
OpenAI4S 最核心的设计是"双行动平面"，这也是它与传统"工具调用"式 Agent 的分水岭。
平面一：JSON 工具调用（控制面）。 负责确定性编排：工作流调度、权限管理、元数据、外部服务接入、人工审批。这些事要求结构化、可审计，适合原生 tool call。
平面二：Python/R 代码单元（科学面）。 负责真正的科研计算：数据分析、探索、仿真、长时间运行的科学任务，全部在常驻内核（persistent kernel）里执行。Python 单元运行时还可以通过内核内的 host API 同步调用宿主能力；R 是独立的常驻分析通道。
为什么必须这样分？看一个例子：传统 ReAct 式 Agent 读文件、过滤、排序、画图，要经历约 14 轮"推理-调用-返回"的往返，每轮都把中间结果塞进上下文；OpenAI4S 用一段代码单元完成同样的流程——一个 10 万行的 DataFrame 全程留在内核内存里，只有最终产物进入上下文。往返次数从 14 次降到 1 次，上下文干净，计算真实发生在内核里，而不是模型"想象"出来的。
核心二：零依赖的纯标准库内核，34 个科研 Skills
OpenAI4S 有个反常规的坚持：引擎和 Web 服务全部用 Python 标准库实现——http.server 加手写的 WebSocket，不依赖任何框架；LLM 客户端只用 urllib 直连 OpenAI、Anthropic、Gemini 协议。这意味着核心代码在任何有 Python 3.10+ 的环境都能跑，没有版本地狱。
模型接入是"一行切换"：同一个 host.llm 接口，支持火山方舟的 ark 协议（豆包、GLM、Kimi、DeepSeek、MiniMax），也支持官方 chatgpt、claude、gemini。官方推荐的最便宜路径，就是火山方舟"Small"套餐，9.9 元/月，约合 1.4 美元——README 里的原话是"比一杯咖啡还便宜"。
内置 34 个科研 Skills，覆盖主流方向：结构生物学（AlphaFold2、ESMFold2、Boltz、Chai-1、OpenFold3、ProteinMPNN）、基因组学（ESM-2、Evo2、Borzoi）、单细胞（scGPT、scVI）、分子对接（DiffDock）等。关键设计是：这些 Skill 是"代码配方"（recipes of code），不是 JSON 工具 schema——一个 Skill 就是一段可执行的科研流程代码，用户自己写的 Skill 放在数据目录下，不能覆盖内置的可信版本。
核心三：“不伪造"策略与可复现产物
科研 Agent 最大的信任问题是幻觉。OpenAI4S 用两个机制应对。
一是 no-fabrication 策略：在 host.fold 等涉及科学产出的操作上，严格执行"不伪造”——没有真实计算就不产出结果。二是产物版本化：运行记录（Action Ledger）是 append-only 的，所有执行尝试、生成生命周期、用量与完成记录都可追溯重建；每个产物带版本与来源（provenance），界面里有 Action Timeline 时间轴，Notebook 默认只读。这意味着"Agent 干了什么"全程可查，实验结果可以原样复用。
演示案例很能说明问题：人胰岛素（UniProt P01308）从 UniProt/RCSB 数据库取真实数据，到 3D 结构预测与可复现报告，全流程真实计算。另一个演示是青蒿素与紫杉醇的溶解度预测——plan-mode 研究模式下的完整工作流。
深度分析一：9.9 元背后的算力经济学
“9.9 元复刻 Claude Science"这个卖点，很多人会看成噱头，但它其实点破了一个结构变化：科研 Agent 的成本大头，正在从 token 转向算力。
模型侧，豆包级别的中端模型在代码执行、数据操作上的能力已经够用，每月 9.9 元近乎免费。算力侧，OpenAI4S 的 BYOC 设计——通过 ssh: 或内置的 NVIDIA NIM 集成把 GPU 任务分发到自有服务器——把最贵的部分留给了用户已有的硬件。换句话说，这个项目赌的是：科研团队缺的不是 GPU，而是把 GPU 用起来的软件层。这个判断和当下推理引擎、本地部署工具的流行是同一条逻辑线。
当然，也要泼一盆冷水：9.9 元套餐的模型能力上限，决定了它更适合"分析、复现、管线化"类工作，而非"从零提出新理论”；Claude Science 级别的顶级模型在开放探索类任务上仍然领先。开源复刻的意义不在"持平"，而在"把门槛打下来"。
深度分析二：科研 Agent 进入工作流的三个标准
OpenAI4S 值得关注，还因为它无意中给"科研 Agent 进入工作流"立了三个可检验的标准。
真实数据与真实计算。 结果来自内核里真实跑过的代码，不是模型编的。可检查可复用。 每个动作有账本，每个产物有版本，复现不需要重跑整个对话。版本化产物。 结果可以作为后续研究的输入，而不是一次性输出。对照这三条，市面上大量"科研 Agent"产品其实还在玩具期——它们能聊天、能写计划，但交不出可复现的产物。这或许是这个项目 760 次提交背后真正的野心：定义科研 Agent 的"合格线"。
反过来看，也有明确的未解问题：34 个 Skill 覆盖的是生物信息学为主的领域，物理、化学、材料等方向的覆盖还薄；本地沙箱（macOS 用 Seatbelt、Linux 用 bubblewrap）的隔离强度依赖系统配置，Windows 原生不可用；172 个 star（截至 8 月 8 日）说明它还在早期，社区生态尚未成形。它目前更像"给科研团队的一把趁手工具"，而非"面向大众的成品"。
落地：两件现在就能做的事
-
有科研或数据分析需求的团队，花一小时试跑。
git clone后跑setup.sh，用火山方舟 9.9 元套餐配一个模型，把一篇你熟悉论文的复现流程丢给它，对照 OpenAI4S 的账本检查它的每一步是否真实执行。重点体验"代码单元 vs 多轮工具调用"的差异。 -
关注 Code-as-Action 范式。OpenAI4S 背后是 CodeAct 论文（《Executable Code Actions Elicit Better LLM Agents》）的思路：用代码作为统一行动接口。这个范式正在从论文走向产品，无论你是否用 OpenAI4S，理解"为什么代码单元比工具调用更适合长任务"都有价值——它是下一代 Agent 架构的分水岭之一。
结尾
OpenAI4S 的 README 第一行写着：“Replicating Claude Science in two cuts or less”——用最少的成本复刻 Claude Science。这个项目最有意思的地方，不是"复刻"二字，而是它定义了一套可执行的科研 Agent 标准：真实计算、可检查、可复用、不伪造。当科研 Agent 从"能聊天"进化到"能交作业"，AI 进入实验室的方式就变了：不再是一个会写综述的助手，而是一个真正上手跑数据的同事。9.9 元的价格只是一个信号——这个门槛，正在以肉眼可见的速度降低。
（信息来源：OpenAI4S 官方 README 与文档（github.com/PKU-YuanGroup/OpenAI4S，2026-07-06 开源）、docs/architecture.md 与 docs/skills.md、GitHub API 数据快照（2026-08-08，172 stars / 20 forks / 760 commits）、CodeAct 论文（Wang et al.，2024））