Ra mắt Claude Science mã nguồn mở: Không phụ thuộc, giấy phép MIT, tích hợp hơn 30 kỹ năng nghiên cứu

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

04-08-2026 21:14:27 Nguồn: QbitAI (Liangziwei)

Phòng thí nghiệm liên kết Đại học Bắc Kinh & YuanKong AI Agent

Yun Zhong, đưa tin từ Aofeisi

QbitAI | Tài khoản chính thức QbitAI

Có lẽ bạn đã từng nghe qua Claude Science.

Đó là một AI Agent nghiên cứu khoa học của nhà Anthropic, có khả năng tự tìm kiếm tài liệu, tự viết mã, tự chạy phân tích và tự xuất biểu đồ, báo cáo. Nó từng khiến người ta phải thốt lên rằng: "Đây mới chính là hình mẫu mà AI for Science nên có".

Nhưng nó là mã nguồn đóng.

Hiện nay, đã có người tái tạo lại nó – mã nguồn mở, giấy phép MIT, cốt lõi không phụ thuộc vào thư viện bên ngoài (zero-dependency).

Dự án có tên là OpenAI4S (Open AI for Scientist), là dự án tác nhân thông minh phục vụ nghiên cứu khoa học được Phòng thí nghiệm liên kết Đại học Bắc Kinh & YuanKong AI Agent chính thức mở mã nguồn.

Điểm nhấn quan trọng: Nó không chỉ "trông giống" Claude Science, mà còn đi theo tư duy Code-as-Action (Mã là hành động), tái hiện độc lập các thành phần như engine, nhân bền vững (persistent kernel), giao thức host-RPC và lớp bảo mật theo cách thức mã nguồn mở.

Dự án đã được mở mã nguồn trên GitHub vào ngày 06/07/2026, sử dụng giấy phép MIT.

Hiện tại, OpenAI4S cung cấp ứng dụng Web nghiên cứu khoa học hoàn chỉnh, hàng chục Skills tích hợp sẵn, khả năng kết nối năng lực tính toán riêng và quản lý phiên bản các sản phẩm nghiên cứu.

YuanKong AI Science: https://www.chatexcel.com/homesite/openAI4S

Nó không thỏa mãn với việc đưa ra một câu trả lời trông có vẻ đúng, mà mong muốn đưa AI thực sự thâm nhập vào quy trình làm việc nghiên cứu khoa học, thúc đẩy một vấn đề từ khâu "đề xuất" đến khi "hoàn thành".

Không chỉ là trò chuyện thêm vài vòng, mà là để AI thực sự bắt tay vào làm việc.

Hiện nay, nhiều AI Agent về bản chất đều đang làm một việc giống nhau: mô hình đối diện với một "thực đơn công cụ" đã chuẩn bị sẵn, phán đoán xem nên gọi công cụ nào, rồi thực hiện từng bước một. Với các tác vụ đơn giản, phương pháp này là đủ dùng.

Nhưng nghiên cứu khoa học không phải là việc có thể giải quyết trong ba hay năm bước.

Tra cứu nhiều cơ sở dữ liệu, tải dữ liệu, làm sạch dữ liệu, sửa mã liên tục, gọi các thuật toán chuyên sâu, yêu cầu năng lực tính toán GPU, tạo biểu đồ, tổng hợp báo cáo... bất kỳ bước nào xảy ra lỗi đều có thể dẫn đến việc phải quay lại từ đầu.

Câu trả lời mà OpenAI4S đưa ra là Code-as-Action, tức là "Mã là hành động".

Nó cho phép tác nhân thông minh trực tiếp tạo ra mã Python hoặc R và thực thi trong một môi trường nhân (kernel) chạy liên tục.

Các vòng lặp, điều kiện rẽ nhánh, xử lý dữ liệu hàng loạt và vẽ biểu đồ có thể được kết hợp hoàn thành trong một lần thực thi; dữ liệu và kết quả trung gian cũng không cần phải chuyển lại cho mô hình sau mỗi bước, mà được lưu giữ trong môi trường làm việc.

Đối với người dùng, thay đổi trực tiếp nhất không phải là có thêm một thuật ngữ kỹ thuật, mà là AI có thể xâu chuỗi các tác vụ dài hơn và phức tạp hơn.

"Mã là hành động, nhân là môi trường."

Trong một giao diện duy nhất, hoàn thành quy trình nghiên cứu khoa học từ dữ liệu đến kết luận.

OpenAI4S giống như một bàn làm việc nghiên cứu khoa học dùng chung giữa con người và AI.

Bạn đưa ra một nhiệm vụ, nó có thể tự tra cứu các nguồn dữ liệu nghiên cứu công khai, viết và chạy mã phân tích, gọi năng lực tính toán chuyên sâu, sau đó tổng hợp kết quả thành hình ảnh, bảng biểu, cấu trúc 3D hoặc báo cáo Markdown.

Toàn bộ quá trình không kết thúc sau khi làm xong. Mỗi sản phẩm nghiên cứu đều được ghi lại, lưu trữ và quản lý phiên bản, thuận tiện cho việc kiểm tra, sửa đổi và tái sử dụng sau này.

Ví dụ, yêu cầu nó phân tích một loại protein.

Nó có thể bắt đầu bằng việc truy xuất dữ liệu trình tự và cấu trúc protein thực tế, sau đó hoàn thành việc tính toán đặc trưng và trực quan hóa, cuối cùng viết quy trình phân tích, nguồn dữ liệu và kết quả vào bài báo.

Điểm mấu chốt là: Dữ liệu là thật, và tính toán cũng là thật.

Nếu dịch vụ bên ngoài không thể kết nối hoặc điều kiện tính toán không đáp ứng, nó sẽ chỉ rõ cho bạn biết chỗ nào không thể thực hiện. Nó sẽ không lén lút chèn dữ liệu mô phỏng, càng không bịa ra kết quả để cố tình hoàn thiện bài báo.

△ OpenAI4S tạo ra dữ liệu, biểu đồ và cấu trúc trong cùng một tác vụ nghiên cứu.

Công việc nghiên cứu khoa học thường đòi hỏi phải sửa đổi nhiều lần.

Trong quy trình truyền thống, nhà nghiên cứu có thể phải tìm lại tập lệnh vẽ biểu đồ, sửa tham số, chạy lại và xuất tệp;

Với OpenAI4S, bạn có thể trực tiếp đưa ra yêu cầu điều chỉnh bằng ngôn ngữ tự nhiên, tác nhân thông minh sẽ tạo lại sản phẩm dựa trên dữ liệu và mã hiện có, đồng thời lưu giữ lịch sử phiên bản.

△ OpenAI4S điều chỉnh biểu đồ nghiên cứu hiện có và tạo ra phiên bản mới.