ScienceDiscovery

ScienceDiscovery是专为科学研究打造的一站式AI科研工作台。依托该平台，科研人员能够一站式高效完成“文献阅读、假设提出、代码编写、实验试错、参数调优”这一极为繁琐的科研探索流程。

English | 中文

项目定位

ScienceDiscovery是专为科学研究打造的一站式AI科研工作台。依托该平台，科研人员能够一站式高效完成“文献阅读、假设提出、代码编写、实验试错、参数调优”这一极为繁琐的科研探索流程。

特性

• 海量资源一键配置与高效接入：通过平台内置的科研数据库 Connector，实现文献库与数据库的一键快速配置，快速获取海量前沿文献与核心试验数据；
• 安全沙箱环境下的自主代码探索：支持智能体在安全隔离的沙箱环境中自主编写、调试并运行 Python、R 或 Shell 代码，为复杂科学数据处理提供稳定环境；
• 复杂科研任务的自动拆解与动态执行：凭借强大的任务规划与多智能体协同能力，系统可自动拆解复杂科研任务，动态编排并调用 300+ 跨领域 Skills；
• 科研流程全链路可溯源：平台将完整展现全流程工作流，并提供包含代码、环境和日志在内的全链路产物溯源，确保科研全流程的高可信度。

相关文档

• 文档导航 — 完整的中英文 Tutorial / How-to / Reference / Explanation 入口。
• 贡献指南 — 开发环境与测试命令。

环境要求

预打包二进制是主要用户路径，其他部署方式单独记录在部署指南中。

路径	宿主要求
预打包二进制	Linux x86_64/aarch64、bubblewrap
本地源码模式	Linux x86_64/aarch64 或 macOS x64/arm64、Node.js 22.19+、pnpm 11.1.2、Python 3、uv 0.9+、Git；Linux 另需 Bubblewrap，macOS 使用系统内置 Seatbelt
Docker	Linux x86_64/aarch64、Docker Engine 24+、Compose v2，以及可用的无特权用户命名空间

源码模式下 Gateway 要求 Python 3.12，uv 会在需要时将其安装到服务环境。托管科学环境使用应用固定版本的 micromamba，不要求系统安装 Python、R 或 conda。预打包二进制与 Docker 仍仅支持 Linux；本地源码模式同时支持 macOS，具体见部署指南。

安装

准备与宿主架构匹配的 ScienceDiscovery 可执行文件。二进制打包、本地源码模式与 Docker 流程见部署指南。

快速开始

在 ScienceDiscovery 可执行文件所在目录启动服务：

chmod +x ./ScienceDiscovery
./ScienceDiscovery serve

另开终端执行 curl -fsS http://127.0.0.1:4310/health。随后打开启动日志中的 Open to sign in 链接，浏览器会自动保存本地服务访问令牌；它与外部模型 API Key 不同，请勿分享该链接。然后在 系统配置 → Global defaults 配置任务模型。第一次任务见快速开始教程；二进制打包、本地源码模式与 Docker 见部署指南。

许可证

Apache License 2.0。

本产品仅作为流程编排工具，不包含 AI 模型能力；用户在连接 AI 模型用于特定业务场景时，需自行承担欧盟 AI 法案等相关合规义务。