大家好，我是某白。

Claude Science 类似的平台有许多，名字也很容易让人看花眼。Open Science Desktop 和 OpenScience 只差一个空格，看起来像同一个项目。另两款的介绍也很类似，都包含文献、实验、代码和论文。

我把这些项目重新梳理了一遍，发现这四款科研 AI 工具根本不在同一层。

有的是桌面工作台，帮你管好文件、Notebook 和实验记录。有的是浏览器科研代理，拿到目标后继续安排任务。还有两款更像研究原型，重点是让 AI 自己找方向、跑实验，再从失败中总结经验。

所以这篇不按功能多少排座次，也不拿 Star 数判断好坏。我只回答一个问题：你手头是什么任务，该选哪一款？

需要提前说明：各个项目更新很快，版本、界面和功能请以你实际安装时看到的内容为准。

四款 Claude Science 开源替代，先按类型分清

把四个项目摆在一起，大致可以分成三类。

工具	产品形态	人怎么参与	更适合什么任务
Open Science Desktop	本地优先的桌面科研工作台	人掌握流程，AI协助执行	文献、数据、Notebook、图表和报告放在一个工作区
Synthetic Sciences OpenScience	命令行启动的浏览器科研工作台	人给目标，在关键节点介入	从文献、假设、代码到实验报告的连续任务
EvoScientist	自进化多智能体科研系统	人设定方向，系统跨任务积累经验	研究想法搜索、实验策略迭代、长期记忆研究
AutoResearchClaw	23阶段自主科研流水线	可全自动，也可设置人工检查点	需要辩论、自修复、结果核验和论文写作的完整流程

这张表也解释了为什么“谁更强”很难回答。

Open Science Desktop 解决的是日常工作环境。EvoScientist 研究的是 AI 如何越做越会做。AutoResearchClaw 关心失败后怎么修、结果怎么核验。它们处理的问题不同，硬排成一条榜单反而会误导。

五款科研 AI 工具定位图

Open Science Desktop：想要桌面科研工作台，先看它

如果你用 Windows，平时离不开 Python 和 Jupyter，可以先看 Open Science Desktop。四款工具中，它最接近日常科研环境。

它支持 Windows、macOS 和 Linux。材料把它称为本地优先、模型无关、强调复现记录的桌面工作台。文件、Notebook、图表、报告、运行日志和审查流程，都可以放进同一个工作区。

这和普通聊天框差别很大。

假设我要分析一份实验数据。普通 AI 往往给我一段代码，我再复制到本地运行。报错了，我把错误贴回去。图画完后来，代码、参数和结果散在几个窗口里。

在桌面工作台里，AI 可以操作 Notebook，运行 Python 或 R。图表、报告、运行记录和输入文件都能留在项目中。后来回头查结果，不必只靠聊天记录猜当时做过什么。

Open Science Desktop 工作区示意图

Open Science Desktop 还支持 Skills 和 MCP。前者保存任务步骤。后者把 arXiv、PubMed、Crossref 等来源接进工作流。对科研任务来说，这两类扩展比“能聊多少轮”更实在。

模型也不必绑死在一家服务商。材料显示，它可以配置不同模型提供商，也能连接兼容 OpenAI 接口的服务。便宜模型可以筛文献、整理文件，强模型负责研究判断和结果审查，敏感任务还可以思考本地模型。

这里有个容易误解的地方：本地优先不等于所有信息永远不离开电脑。

文件和代码可以在本地处理，但只要调用云端模型，发给模型的内容仍会进入对应服务商。是否适合敏感数据，要看模型配置、请求内容和机构规定，不能只看“本地”两个字。

它更适合以下情况：

• 主要在 Windows 或桌面环境工作；

• 已经习惯 Python、R 或 Jupyter；

• 希望保留文件、参数、图表和运行日志；

• 想自己决定用什么模型和科研技能；

• 愿意花时间配置环境并检查 AI 生成的代码。

如果你只想问几个文献问题，桌面工作台反而显得重。不愿处理 Python、路径和依赖，也很难用得顺手。工具装好了，不代表研究流程会自动变清楚。

官方也把 Open Science Desktop 定义为 Beta 研究工具。它生成的数字、引用、代码和结论都只能当草稿，发表或据此决策前仍要逐项核验。

Synthetic Sciences OpenScience：喜爱命令行和浏览器工作区，可以看它

第二款也叫 OpenScience，但来自 Synthetic Sciences。它和 Open Science Desktop 不是同一个项目。

它从命令行启动本地服务，再打开浏览器工作区。材料描述的界面包含文件树、编辑器、终端和会话记录。代码与数据主要在本机处理，模型推理请求发给用户配置的模型服务商。

它的卖点是把科研任务连成一条研究循环。

用户给出目标后，科研代理可以继续检索文献、形成假设、写代码、跑实验、分析数据，再整理报告。过程中可以切到只读计划模式，也能在关键决定前让人确认。

Synthetic OpenScience 浏览器工作区示意图

官方 README 当前列出 290 多个科研 Skills，并接入 UniProt、PDB、Ensembl、ChEMBL、PubChem、arXiv、OpenAlex、Semantic Scholar 等数据库，以及约 30 个其他数据源。熟悉命令行、想改工作流的科研程序员，会更容易用好这种开放结构。

但“技能多”不能直接换算成“研究做得好”。

技能数量说明覆盖面广，不说明每个领域都有足够深的科学判断。数据库能查到，也不代表引用已经核准。代码能够启动，更不等于实验设计成立。

现有材料还反复提到一个问题：项目发布时间不长，公开的真实科研案例不足。它目前展示了很完整的工程框架，但框架能否长期服务真实课题，还要看后续使用和验证。

它更适合以下情况：

• 习惯命令行和浏览器式开发环境；

• 希望在一个任务中切换不同模型；

• 想把文献、代码、实验和报告串起来；

• 需要修改 Skills、插件或数据库连接方式；

• 能看懂权限提示，并愿意用容器或虚拟机隔离高风险代码。

如果你期待的是双击安装、登录即用，它未必比桌面端省心。如果实验数据很重大，也不要让刚装好的科研代理直接在原目录里随意执行命令。

EvoScientist：它研究的重点，是让 AI 记住失败

EvoScientist 已经不只是早期论文里的研究原型。当前 v0.2.2 提供桌面 WebUI、CLI/TUI、定时任务和多渠道接入，也能把记忆中的重复规律整理成可复用 Skills。

不过，它和普通桌面工作台仍有区别。EvoScientist 最值得看的部分，依然是 AI 做完一次研究后来，能不能把经验带到下一次任务。

它关注的问题更难：AI 做完一次研究后来，能不能把经验带到下一次任务？

许多科研代理每次启动都像刚入组。上一个任务里试过的失败路线，下次还可能再走一遍。数据清洗踩过的坑、超参数调优留下的经验，也很难跨任务复用。

EvoScientist 用三个智能体和两套记忆处理这件事。

Researcher Agent 负责寻找想法，通过多轮审查筛选方向。Engineer Agent 写代码、跑基线、调参数，再做方法实验和消融。

任务结束后，Evolution Manager Agent 整理经验。方向判断存入 Ideation Memory。数据处理和训练策略则存入 Experimentation Memory。

下一次遇到相近课题，系统可以先查过去的经验。哪些方向有希望，哪些方向因数据、算力或实验条件失败，都不必完全从头摸索。

EvoScientist 三智能体与两套记忆架构图

这套思路很像科研组里的实验记录。成功结果当然要留，失败缘由更该留。只记最终精度，不记中间走过的弯路，换个课题仍会重复花时间。

知识库材料称，EvoScientist 生成的 6 篇论文均获 ICAIS 2025 AI Scientist Track 接收。其中两篇获奖。

这个结果值得关注，但不能直接推成“AI 已经能独立做科研”。

六篇论文来自特定赛道和评估环境。它能说明这套机制有研究价值，却不能替代不同学科、不同数据和不同审稿标准下的长期检验。

我更愿意把 EvoScientist 看成一套围绕科研经验积累生长出来的产品。它适合研究多智能体、自主实验和长期记忆的人，也适合想参考其架构搭建内部科研代理的团队。

如果只想读文献、处理 CSV 或写一段 Python，直接上 EvoScientist 仍有些舍近求远。它虽然有 WebUI，但核心长处还是跨任务记忆和自进化。

AutoResearchClaw：完整之外，更看重实验失败后的处理

AutoResearchClaw 也在做自主科研。它把研究过程分成 23 个阶段。

当前 v0.5.0 已把 ARC-Bench 扩展到 55 个任务，覆盖机器学习、高能物理、量子、生物和统计。论文最初报告的是 25 个核心机器学习任务，以及后续的跨领域扩展；阅读不同版本的数据时要分清口径。

这些阶段归入发现、实验和写作三部分。系统在关键位置安排多智能体辩论、自修复执行、结果核验、人工检查和跨轮次经验复用。

它最值得看的地方，不是“从想法到论文”这句口号，而是如何限制系统乱写结果。

实验阶段出现错误后，系统会诊断依赖、修改代码、重跑，再决定继续优化还是更换方向。写作阶段只能从只读结果登记表中取数。关键结论如果找不到对应实验记录，就拒绝写入或留下待补位置。

引用也有单独的核验步骤。系统检查 DOI、OpenAlex 和 arXiv 等信息，再标出可疑或疑似虚构的引用。

这套设计抓住了自动科研最危险的一处：文章写得流畅，实验数字却没有来路。

AutoResearchClaw 还准备了不同的人机协作模式。你可以让它全自动运行，也可以只在关键关口检查，或者采用协作模式，在少数重大节点介入。

论文还做了 10 个课题的内部评估。协作模式有 8 个课题产出有效结果，其中 7 个达到论文设定的质量阈值，内部“Accept”比例为 87.5%。这里的 Accept 指质量评分不低于 5 分，不是外部会议录用率。

逐步人工干预的次数更多，结果却没有随之同步提高。样本很小，但它提示了一件实用的事：人不必盯着每一步，关键处做判断更有价值。

AutoResearchClaw 发现、实验与写作流程图

它更适合以下情况：

• 想研究完整的自主科研管道；

• 在意实验失败后的修复和方向调整；

• 要求数字、引用和结论能够追溯；

• 希望设置人工检查点；

• 有条件提供容器、算力和较强模型。

代价也很明显。23 个阶段意味着更复杂的环境、更长的运行时间和更高的模型成本。论文里的基准成绩也不能保证它在你的化学、生物或材料课题上同样有效。

如果没有稳定的数据、算力和评价标准，自动跑完整流程只会更快地产生一大堆难以判断的中间文件。

Biomni：如果已有成熟的领域智能体，未必需要通用工作台

前面四款工具之外，还有一条值得单独看的路线：不做覆盖所有学科的通用工作台，而是把资源聚焦到一个领域。

斯坦福团队开发的 Biomni 就属于这一类。它面向生物医学研究，论文《Autonomous biomedical research with an artificial intelligence agent》已于 2026 年 7 月 9 日在 Science 在线发表。

我没有把 Biomni 塞进前面的四款横评，由于比较口径不同。Open Science Desktop 和 Synthetic Sciences OpenScience 面向多个学科。EvoScientist 与 AutoResearchClaw 更关心自主科研机制。Biomni 则围绕生物医学任务搭建专业执行环境。

论文显示，团队从 bioRxiv 的 25 个生物医学子领域中各选取 100 篇近期论文，让智能体提取常用任务、工具、数据库和软件。人工核验后，Biomni-E1 集成了 150 个专业工具、105 个软件包和 59 个数据库。

Biomni-A1 接到问题后，会先检索相关资源，再制定步骤，并把步骤写成可执行代码。它不依赖预先写死的流程，因此可以把 Python、R、命令行软件和数据库查询组合起来。

这和“装了许多工具”仍有区别。工具只是材料，Biomni 更关键的设计是知道当前任务需要哪些资源，以及执行过程中怎样根据结果调整计划。

论文给出的案例覆盖可穿戴数据、单细胞多组学、实验方案设计、蛋白质稳定性优化和实验室仪器编排。对科研程序员来说，最有参考价值的是单细胞多组学和蛋白质优化两个案例。

单细胞多组学分析需要连续处理 RNA-seq、ATAC-seq、调控网络和细胞类型等环节。Biomni 能把多个软件和数据步骤串起来，并在运行出错后调整。蛋白质优化则要连接结构预测、稳定性评估、文献证据和候选突变筛选。这些任务都不是问答，真正的工作发生在代码、数据和专业工具之间。

Science 论文和实际案例让 Biomni 比单纯的功能清单多了一层证据，但这不代表它已经覆盖整个生物医学领域。论文也承认，评估任务只触及其中一部分，还有不少领域没有测试。

使用门槛同样不能忽略。官方仓库提供 Python 包和 Gradio 网页界面，但首次使用可能需要下载约 11GB 的数据文件。部分依赖存在冲突，开源版本与当前网页平台也有差异。

更重大的是，官方明确提醒：Biomni 会以完整系统权限执行大模型生成的代码，可以访问文件、网络和系统命令。处理真实科研数据时，应该放进隔离环境，不能直接对着重大目录运行。

所以，Biomni 适合已经明确属于生信、多组学、遗传学或分子生物学的任务。如果你的领域已经有这类专业智能体，它往往比从通用工作台里自己拼工具更省事。换到材料、物理或通用机器学习场景，前面四款仍更合适。

科研 AI 工具怎么选？先看你要把哪一段交给 AI

四款主体工具和 Biomni 这个领域参照看完，选择方法反而可以很简单。

你想要一个日常科研桌面

优先看 Open Science Desktop。

它把本地文件、Notebook、图表、报告和运行记录放在一起。对于常常用 Python 处理数据的科研程序员，这种工作方式最接近日常环境。

你习惯命令行，想让科研代理连续推进任务

可以看 Synthetic Sciences OpenScience。

它更像一个面向科研任务的命令行代理和浏览器工作区。开放、可改、模型选择多，但环境配置和代码安全也要自己负责。

你研究多智能体和长期记忆

EvoScientist 更对题。

它的价值聚焦在三个角色如何协作，以及成功和失败怎样进入跨任务记忆。把它当作架构参考，比把它当普通聊天软件更合适。

你想研究可审计的自主科研流程

看 AutoResearchClaw。

它把辩论、实验修复、结果登记、引用核验和人工检查放进同一条流程。要研究“AI 怎样从想法走到可检查的论文草稿”，它提供了比较完整的样本。

你做的是生物医学或生信分析

可以关注 Biomni。

它不追求覆盖所有学科，而是把生物医学工具、软件包和数据库聚焦到一个执行环境中。对于多组学、遗传学和分子生物学任务，这种专业化可能比通用工作台更省事。

你只想查文献或整理几份数据

这四款都可能太重。

文献检索工具、普通聊天 AI，或者一个能操作本地文件的编程代理，也许更快。科研工具的目标是减少麻烦。为了一个半小时的任务，花一天搭环境，很可能本末倒置。

科研 AI 工具选型决策树

我的选择标准：不看功能数量，看五件事

后来再遇到新的 Claude Science 开源替代，我会先问五个问题。

研究者在哪一步做决定？

如果系统从目标直接跑到论文，中间没有检查点，我不会把重大课题交给它。

数字从哪里来？

实验结果应当回到代码、数据、参数和运行记录。只给一篇语气肯定的报告，不够。

失败后来怎么办？

修改代码、重跑实验和更换假设是三件事。系统只会修语法错误，离自主科研还很远。

数据和模型请求去了哪里？

本地工作区、云端模型、本地模型是不同边界。敏感数据能否使用，要看完整的数据流向。

换一个课题还好用吗？

机器学习基准跑得好，不等于化学或生物课题也可靠。领域工具、数据来源和评价方法，缺一不可。

这五个问题，比“有多少个智能体”“装了多少 Skills”更接近科研工作的真实成本。

写在最后

回到开头：这四款 Claude Science 开源替代，到底哪款最好？

如果让我给普通科研用户一个起点，我会先看 Open Science Desktop。它离日常文件、Notebook 和数据分析最近，也最容易判断是否适合自己的工作习惯。

喜爱命令行，又想串起文献、代码和实验，可以看 Synthetic Sciences OpenScience。

EvoScientist 和 AutoResearchClaw 则更适合关注自主科研的人。前者研究经验怎样跨任务保留下来，后者研究一条自主流程怎样处理失败、约束数字并留下检查入口。

如果任务已经落在生物医学或生信领域，Biomni 代表了另一种选择：少追求一些跨学科覆盖，把专业工具、数据和执行流程做深。

我对这类工具的态度并不悲观，但也不会由于它能生成一篇论文，就把“完成研究”的印章盖上去。

科研真正难的部分，常常是提出哪个问题、接受哪份证据、何时否定自己的假设。这些判断暂时还得由研究者负责。AI 可以接手越来越多步骤，责任却不会跟着自动转走。

选工具时，先找自己最耗时间的那一段。是文献整理，是代码和数据，是实验反复失败，还是结果难以追溯？问题定准了，工具才有高低之分。

项目与论文地址

• Open Science Desktop：https://github.com/ai4s-research/open-science

• Synthetic Sciences OpenScience：https://github.com/synthetic-sciences/openscience

• EvoScientist：https://github.com/EvoScientist/EvoScientist

• EvoScientist 论文原文：
  https://arxiv.org/abs/2603.08127

• AutoResearchClaw：https://github.com/aiming-lab/AutoResearchClaw

• AutoResearchClaw 论文原文：
  https://arxiv.org/abs/2605.20025

• Biomni：https://github.com/snap-stanford/Biomni

• Biomni 论文原文：
  https://www.science.org/doi/10.1126/science.adz4351

如果觉得有用，随手点个赞、在看、转发三连吧，也方便更多朋友看到。如果想第一时间收到推送，也可以给我个星标。

有什么好的想法或者意见，在评论区和我聊聊吧。