过去两年，AI 正在进入科研的每一个环节：检索文献、清洗数据、跑代码、写报告。

但一个尴尬的现实是，研究做得越快，“研究是怎么做出来的”反而越难说清。对话记录散落在聊天框里，数据在云端，代码在本地，中间结论躺在 Notebook 里。当一项研究需要评审、交接或复现时，研究者常常发现：结果还在，过程没了。

AI 降低了做研究的门槛，却没有降低追溯研究的门槛。

现在，这道门槛有了一种新的解法。

近日，AIPOCH 正式开源发布 AI 科研工作平台Open-Science（Apache License 2.0）。随平台一同亮相的，是一种名为 .science 的软件包格式——它把选定的对话分支、文件版本、Notebook 记录与验证证据整合成一个可移植的文件，让一段 AI 辅助的研究过程，第一次可以被完整地打包、传递，并在另一台机器上接续。

这个项目的目标很直接：让研究更易追溯、学习与分享。

      图 1｜.science 科研包：将选定的研究材料与过程记录一起保存和分享。

描述这套系统的预印本已同步发布。除 AIPOCH 外，论文作者还来自全球 76 家机构：复旦大学附属中山医院、阿姆斯特丹大学医学中心（Amsterdam UMC）、哈佛医学院教学医院贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）等医学中心；北京大学、上海交通大学、浙江大学、伊利诺伊大学厄巴纳-香槟分校、以色列理工学院等高校；以及商汤科技、艾德生物等科技与生物技术企业。

如此广泛的协作网络也意味着，这套方法已经在众多机构的真实科研场景中得到验证。

官网：https://aipoch.com/

GitHub：https://github.com/aipoch/open-science

预印本：https://arxiv.org/abs/2610.17110

.science：把“研究过程”打包成一个文件

.science 要解决的，是 AI 辅助研究里最容易被忽略的一环：上下文。

         图 2｜Session package 导出界面，可选择导出范围并自定义内容（局部）。

过去，这类工作往往需要分别传输文件、复制对话历史，完整的研究上下文难以评审、交接，更难在其上继续构建。.science 的思路，是把上下文变成可迁移的资产：一个软件包可以包含选定的对话分支、文件与成果版本、Notebook 记录、可用的溯源信息以及验证证据。

它可以分享给其他研究者、迁移到另一台计算机，或作为只读记录导入以供评审，不会自动执行代码、恢复凭据，或复用原始外部服务的授权。研究者还可以将其派生（fork）为一个可写副本，在共享工作之上继续构建。

当然了，这套设计并非凭空造轮子。.science 兼容 RO-Crate 这一国际通行的数据格式标准——后者把研究数据、数据集、文件、软件、作者、机构、许可、实验步骤、工作流与溯源（provenance）信息，统一描述成一个可交换的“研究对象”。

只有站在标准之上，研究上下文才有机会在不同项目与机构之间被共享、评审与长期归档。

更令人惊喜的是，Open-Science 开创了机器之间分享 AI 使用过程存档的先河：一个系统中已记录的 AI 辅助工作，可以被另一个系统打开、检视，并在其上继续构建。

AIPOCH 也在官网公开了一批 .science 研究案例：从分析一座城市百年降雨记录中的强降雨变化，到通过计算示例区分化学纯度与分子手性，读者可以查看具体的研究过程，并下载对应的 .science 科研包。

探索更多研究案例：https://aipoch.com/open-science/use-cases

不再需要各种工具，科研也有“操作系统”了

如果说智能体（Agent）正在成为 AI 的通用操作系统，那么 AIPOCH 想做的，是具体的科研场景。

Open-Science 把 AI 智能体与研究文件、科学文献、数据源、可执行工具、本地与远程计算资源整合在同一环境中，并将研究工作流带入一个持久化、可检视的工作空间，支持多家 AI 模型供应商与可配置的执行环境。

与其说它是一个科研工作平台，不如说是一个科研操作系统：智能体、模型、数据、工具与算力，作为同一连贯系统的组成部分协同运作。

对于科研工作者来说，这个体验和以往是天差地别的，他不再需要在项目各阶段之间切换工具。文献探索、计算分析、可视化与报告撰写，成为一个连贯研究流程中相互衔接的环节。

      图 3｜官网工作流示意：定义问题、规划、执行、检查与分享。

工作流割裂、模型锁定、输出黑箱：逐一给出解法

从设计上看，Open-Science 的各项能力，几乎一一对应着当前 AI 辅助研究的真实痛点。

工作流割裂 → 一体化工作空间。

文献、PDF、数据集、代码、计算环境、笔记与最终产出，过去分散在彼此割裂的工具中。Open-Science 把它们收进同一环境：研究者从研究问题出发，可以直达文献综述、数据分析、可视化与报告撰写，推理界面与工作环境不再分离。

厂商与模型锁定 → 开源且模型无关的架构。

平台支持多家 AI 模型供应商，接入 Claude Code、OpenCode、Codex 与 CodeBuddy 四大智能体框架，并兼容自定义网关与本地部署模型。用户可以为不同任务配置不同模型，让每项任务匹配到契合其需求与优势的模型。代码库依据 Apache License 2.0 开源。

      图 4｜围绕研究需求，选择 Agent、模型、算力、编程语言与数据。

AI 输出不透明 → 可溯源的研究成果。

当一份精美的答案或图表缺少源素材、生成代码、执行历史与中间决策时，它几乎无法评估。Open-Science 中，报告、表格、图表与 Notebook 以不可变版本保存，并保留与输入、生成代码、执行历史、环境细节、对话分支及可选审阅证据的关联。

图 5｜成果验证界面示例：查看验证历史、已捕获证据与依赖关系。图中为演示任务（局部）。

智能体只能“说”不能“做”→ 一体化代码执行。

在用户授权范围内，智能体可以检视研究文件、检索已批准来源、查询科学数据连接器，并直接运行 Python、R 与 shell 工作流——真正执行计算任务，而非仅仅推荐代码。

交接与协作受限 → 可移植的 .science 与用户可控的基础设施。项目数据默认本地存储，访问权限可配置；研究上下文则通过 .science 在人、设备与机构之间延续。

科研能力的开放生态：525 项 Skills、10 位 Specialist

平台之上，AIPOCH 还在搭建一个科研能力的开放市场。

目前，Skill 市场已提供 525 项可复用的科学方法与工具，Specialist 市场包含 10 位面向特定研究场景的 AI 助手——后者把指令、Skills 与数据工具组合打包。加上平台内置的 23 项 Skills 与 36 个研究连接器，两个市场均支持贡献与评审流程，用户可以直接在平台内发现并安装科研能力。

图 6｜Skill 市场详情页，可查看能力说明、版本、来源及评估信息（局部）。

文献环节也经过了专门设计，研究者可以整理参考文献与 PDF，借助智能体检索和阅读文库资料，并生成格式化的引文；智能合集（Smart Collections）可选用 Jev 等已配置的分类模型，按用户自定义的纳入与排除标准筛选文献，在结果可供人工审阅的前提下构建聚焦的阅读集；BibTeX 与 RIS 的导入导出，让文库与现有参考文献工作流相连接。

图 7｜文献库中的图表浏览界面，支持定位回原始 PDF 并与 Agent 一起阅读。

通过邀请全球研究者与开发者贡献 Skills 与 Specialists，Open-Science 试图让科研能力像开源代码一样，更易被发现、复用，并跨学科延展。

“Vibe Research 的时代正在到来”

“Vibe Research（氛围式研究）的时代正在到来，将有更多人能够把自己的好奇心与研究想法，转化为有意义的工作。”

AIPOCH 首席执行官王慧美表示，“AIPOCH Open-Science 将开放的研究工具、可复用的科学方法与 AI 能力汇聚于一个工作平台。我们希望让科学探索更加触手可及，并构建一个开放生态，让研究者与开发者能够彼此贡献、彼此受益。”

目前，该平台已支持生命科学、生物信息学、统计学、机器学习、化学、材料科学、物理学与环境科学等科研工作流，面向研究者、学生、教育工作者、开发者、工程师、分析师，以及任何希望借助 AI 进行探索的人。

当 AI 越来越多地参与研究，“研究过程”本身应该去哪儿？

AIPOCH 给出的答案，是让它成为一种可以保存、传递与复用的资产。而这种模式的适用性并不止于科研——无论是人与人之间的协作，还是专家经验的复现，.science 都是一种面向智能体时代数据可迁移性的答案。

当研究过程第一次可以被机器读懂、被同行接手、被时间保存，它就有机会成为 Agent 时代的一种新范式。

声明:此文版权归原作者所有，若有来源错误或者侵犯您的合法权益，您可通过邮箱与我们取得联系，我们将及时进行处理。邮箱地址:zhaobozhi@jnexpert.com