面向科学研究的 AI 工作台
从文献调研和提出假设，到编写代码、开展实验和调参，都能在同一个沙箱环境里完成规划、执行、迭代，并追溯每一项结果。
最快方式
运行 Linux 预编译版
适用于有 Bubblewrap、使用 glibc 的 Linux x86_64（glibc 2.28+ 和兼容的 libstdc++，不适用于 Alpine/musl）。先进入下载文件所在目录，再运行右侧命令。
下载 Linux x86_64chmod +x ./ScienceDiscovery-0.2.0-linux-x86_64
./ScienceDiscovery-0.2.0-linux-x86_64 serve需要使用 Docker、其他系统或架构，或从源码运行？ 查看其他安装方式 →
这是使用预设流程与示例数据的交互演示，不对应运行中的科研任务。可点击节点、重放或切换视图。
贯穿科研工作的完整闭环
一个本地工作台，帮你规划任务、安全执行、寻找更优解，并保留每个结论的来处。
科研执行环境与工作区
在受管的沙箱环境中运行 Python、R 和 Shell，并在工作区保留代码、数据和结果，方便检查。
了解更多 →Idea Tree
提出多个研究方向，分步设计和评估，再用反馈完善可供检验的方案。
了解更多 →科研产物的 RSI
为程序或其他可评价的产物生成变体、逐个评价，并用留出数据检验结果。
了解更多 →记忆图谱与 Reviewer
用图谱追溯已记录的工作和证据。启用 Reviewer 后，还能找出产物中需要进一步核查的问题。
了解更多 →专业 Specialist
按任务调用文献、代码和评价等专业角色，也可以结合指令、Skill 和工具创建自己的角色。
了解更多 →科研 MCP 与 Skill
通过 MCP 接入文献、数据库和工具，用 Skill 复用检索、分析与交付方法。
了解更多 →在你自己的机器上运行
一个可执行文件，无需云账号。启动服务后，即可在浏览器中使用。