OpenAI4S

北京大学团队开源的 Code-as-Action 科研智能体（github.com/PKU-YuanGroup/OpenAI4S，截至 2026-08-07 最新版 v0.1.0）。README 定位：用 9.9 元/月的火山方舟 Small 套餐接入豆包，复现 Claude Science 的核心工作方式（作者明确说明这不是官方性能对标结论）。与普通聊天机器人不同，它”不只告诉你应该怎么分析，而是真去执行”。

？ 源页核验说明：OpenAI4S 出自 PKU-YUAN Lab（北大深研院袁粒课题组），源页明确注明其”区别于已有的北大 DCAI/OpenDCAI 团队”——两团队关系待确认。

双动作平面架构

• JSON 工具负责控制：流程、权限、元数据、外部服务、人工审批。
• 持久 Python/R 内核负责计算：读数、清洗、统计、绘图、仿真，多轮任务保留状态。
• 代码单元可反向调用宿主：执行到一半能同步问一次模型、派出子智能体、把重活丢给远程 GPU，再接着往下跑——传统 tool_use 架构中原子是动作、做不到这一点。
• 可追溯交付：过程记录在 Action Timeline，图表与报告存为带版本与来源信息的 Artifact。

效率与能力

• Code-as-Action 效率对比：同一任务传统 ReAct 要 14 个来回（读文件、筛选、排序、画图各与模型通信一轮），OpenAI4S 一个代码单元跑完；大型数据留在内核内存，进入对话的只有 <DataFrame 100000×20> 一行摘要（数字来自 README 示例，非第三方基准）。
• 数据与检索：连接 UniProt、RCSB PDB、PubChem、arXiv 等公开数据库与联网搜索。
• Skills：科研工作流 Skills 覆盖文献综述、PDF 精读、论文叙事、科研配图、实验规划、数据集审计；内置 30 余个生命科学 Skill（AlphaFold2、ESMFold2、ProteinMPNN、DiffDock、scGPT 等，重型任务需外部 GPU/远程算力）。
• 模型中立：支持火山方舟、OpenAI、Anthropic、Gemini 及兼容接口，定位是”科研执行框架”而非某家模型的壳；9.9 元档对应火山方舟一个 Key 同时覆盖豆包、GLM、Kimi、DeepSeek、MiniMax。

部署与成熟度

• 安装：PyPI pip install openai4s && openai4s serve（端口 8760）；源码安装需 Python 3.10+ 与 uv，完整 Python+R 内核需 micromamba/mamba/conda；Apple Silicon 有 .dmg 但未公证（Gatekeeper 需手动放行）。
• 开源不足两个月、接口仍在变动；通用远程算力标注为 Prototype；路线图上未打勾项包括更强 Linux 隔离、抗限流免密钥搜索、端到端工作流公开基准、本地 GPU 模型服务。
• 使用提醒：“能执行代码不代表结果天然正确”——科研使用仍需保留原始数据、固定环境、复算关键指标、由领域专家审阅。

关联

• Source: 北大开源 OpenAI4S 科研 Agent
• 自主科研 Agent（与 autoresearch、他山 Skills、Discovery Loop 并列的形态之一）
• 北京大学 DCAI 团队（暂记）、火山引擎、豆包