研究团队最佳开源 Claude Science 替代方案

**没有任何开源项目能一对一替代 Claude Science，声称可以的人并不诚实。**Anthropic 的测试版研究应用把代理编排、领域数据、科学渲染和溯源整合在封闭桌面应用中；开源方案能分别覆盖这些层，但需要自行组装。

许多研究组无论产品多好都不能安装封闭版本。患者数据驻留要求、未发表结果与产业 IP 都意味着分析必须留在自己控制的基础设施中。

你实际在替换什么

先把 Claude Science 拆开：

1. 代理与编排层 — 规划任务、写代码、运行并迭代。
2. 执行环境 — 持久的 Python/R 内核，以及从笔记本到通过 SSH 的 HPC 计算管理。
3. 领域数据访问 — 60 多个预接入的科学数据库和文献整合。
4. 科学渲染 — 原生显示蛋白质、比对、基因组轨道、化学结构和 PDF。
5. 溯源 — 每个产物都带有生成它的代码、环境和对话。

前两层已有成熟开源选择，第三层部分具备；第四、第五层仍是开源生态的真实短板，应在开始时就纳入计划。

评估标准

以下工具按这些标准判断：宽松许可证、可完全运行在自己的基础设施、能使用你选择的模型（包括本地推理）、能执行真实代码而非只生成代码，并有足够社区支持。

1. Eigent — 通用编排层

**许可证：**Apache 2.0 · **运行方式：**桌面端、本地后端、云端或企业部署

Eigent 是用于多代理工作流的开源桌面应用，写作时有 15.2k stars。它并非科学专用；这既是限制也是价值：它提供领域技术栈可接入的编排和工具使用层。

对实验室重要的是模型无关执行、MCP 集成、内置浏览器和终端工具，以及通过 vLLM、Ollama、LM Studio 等实现的本地部署与推理。多代理协作可让一个代理检索文献、另一个运行分析。

**适用场景：**你需要端到端可控的通用代理团队，并愿意通过 MCP 接入领域工具。**不适用场景：**你需要开箱即用的科学渲染器。

2. Biomni — 最接近领域原生等价物的方案

**许可证：**Apache 2.0；但部分捆绑工具和数据库的商业条款更严格

斯坦福的 Biomni 是通用生物医学 AI 代理，也是生命科学中最接近 Claude Science 的开源类比。它结合 LLM 推理、检索增强规划和代码执行，提供 11GB 数据湖、外部工具的 MCP 支持，以及执行轨迹 PDF 报告。

其文档涵盖 CRISPR 筛查、scRNA-seq 注释、ADMET 预测、GWAS 和罕见病诊断。用 pip install biomni 安装，可使用 Anthropic、OpenAI 或其他提供商 API；其 Biomni-Eval1 基准包含十类生物推理任务中的 433 个实例。

**商业使用前请阅读许可证。**Apache 2.0 的标题不自动覆盖全部捆绑数据库，这类细节常在法务审查时才暴露。

3. PaperQA2 — 文献层

**许可证：**Apache 2.0 · 安装：pip install paper-qa>=5，Python 3.11+

FutureHouse 的 PaperQA2 专注于一件事：对科学文档做带文内引用的高准确度检索增强生成。它处理 PDF、文本、Office 文档和源代码，可检索包括引用次数与撤稿检查在内的元数据，并通过 LiteLLM 支持多种 LLM。

撤稿检查尤其重要：自信引用撤稿论文的代理，比什么都不引用更糟。它能替代 Claude Science 的文献整合，但不能替代其余四层。

4. OpenHands — 自托管控制平面

**许可证：**MIT · 85.8k stars

OpenHands 是编程代理和自动化的自托管控制中心。它可通过 npm、Docker 或源码在本地运行，支持 Claude Code、Codex、Gemini 以及任何使用 Agent-Client Protocol 的代理，也支持自带模型配置。

应清醒看待匹配度：其文档面向软件开发而非科学；没有科学渲染、数据库接线或为分析设计的内核模型。它提供的是成熟、广泛采用、MIT 许可的本机代理运行框架，以及调度和 webhooks。

**适用场景：**科学工作本质上是维护管道和软件包的工程工作，并且需要自托管。

5. Jupyter 加 MCP — 不应重建的一层

Claude Science 在分析时舒适的持久内核模式，本来就是 Jupyter 的模式。组建技术栈时，这一层已经久经考验且可在任何地方运行。通过 MCP 将代理接到它，比重写状态管理小得多，也让研究人员保留熟悉的界面。

这可能是最不华丽、却最有杠杆的建议。

对比

开源技术栈仍无法提供什么

三个诚实的缺口。

**原生科学渲染。**Claude Science 把蛋白质、比对、基因组轨道和化学结构作为一等对象显示。开源技术栈可在笔记本中通过库做到，但不等于代理能看着结构推理。

**默认溯源。**自动把代码、环境和对话附到每个产物上，是必须早期作出的架构决定；事后补上虽可行，却很少发生。

**六十多个预接入数据库。**每个自行构建的连接器都会占用一周无法做科学的时间。若数据在常见来源中，封闭产品的整合工作确有价值。

将这些缺口与数据驻留、模型选择、成本可预测性，以及不想基于价格未公开的测试版软件建设研究项目等原因权衡。

如何组装

面向不能外发数据的团队，可行配置如下：

1. **内核：**在自有硬件上运行 JupyterLab，并用 MCP 包装。
2. **编排：**Eigent 或 OpenHands；敏感工作通过 vLLM 或 Ollama 指向本地模型，其余工作指向前沿 API。
3. **文献：**让 PaperQA2 面向本地语料库，并开启撤稿检查。
4. **领域推理：**生物医学领域可用 Biomni，但先审查许可证。
5. **溯源：**第一周决定产物格式；每张图都带脚本、环境 lockfile 和输入，并通过约定和 CI 强制执行。

先从一个工作流开始，而不是整个平台。选择最常重复的分析，并阅读完全本地 AI 团队搭建指南来建立本地执行部分。

如果你还在确定需要科学应用还是编程应用，再去挑选替代品，请先看Claude Science vs Claude Code。

常见问题

**存在真正的开源等价物吗？**没有单一项目。封闭应用整合了五层，开源工具分别覆盖它们，需要自行组合。

**哪一个最接近？**生物医学工作选 Biomni；它是唯一同时具备领域原生推理、代码执行和捆绑数据湖的开源项目。

**能完全离线运行吗？**可以运行编排和内核层，只要通过 vLLM 或 Ollama 使用本地模型。按定义，文献和数据库访问需要网络或本地镜像。

**商业使用免费吗？**Apache 2.0 与 MIT 允许，但要分别检查捆绑依赖；Biomni 尤其如此。

**最会缺少什么？**原生科学渲染和自动溯源；二者都属于架构问题，应在开始时规划。

**需要 GPU 吗？**只有本地模型推理需要；使用托管 API 运行代理不需要。

构建你能控制的那一层

Eigent 以 Apache 2.0 为研究团队提供开源编排：多代理协作、MCP 工具集成，以及使用自选模型的本地部署，让分析数据无需离开你的基础设施。把最常重复的管道变成代理可执行的流程，可将工作流保存为技能；若瓶颈在分析上游，可从数据工程中心开始。在自己的硬件上运行，请下载 Eigent。