AIPOCH Open-Science

Entorno de investigación con IA para una ciencia reproducible — de código abierto, centrado en la ejecución local e independiente del modelo.

Este documento es una traducción del README.md en inglés. En caso de discrepancia, prevalece la versión en inglés.

AIPOCH Open-Science es un entorno de investigación de código abierto que incorpora inteligencia artificial. Empiece con una pregunta, un artículo científico o un archivo de datos. Describa con sus propias palabras qué quiere averiguar y trabaje con un agente de IA para examinar las pruebas, analizar datos o crear un gráfico.

Para entender cómo se obtuvo un resultado, consulte los datos de entrada, el código y el historial de ejecución disponibles. Para compartir su trabajo, elija las ramas de conversación, las versiones de los archivos, los registros del Notebook y las pruebas de verificación que quiera incluir y expórtelos en un paquete .science.

💡 AIPOCH Open-Science v1.2.0 — Novedades

9 de noviembre de 2026

• Cómputo remoto: Ejecute trabajos aprobados en destinos Kubernetes, Hugging Face Jobs, Modal o Ray conectados por usted, además de SSH y Slurm, con aprobación por trabajo y recuperación de la recogida de resultados tras reinicios.
• Agente integrado: Open-Science Agent es el entorno independiente predeterminado en las nuevas instalaciones; Claude Code, OpenCode, Codex, CodeBuddy y Pi siguen disponibles.
• Actualizaciones de macOS más rápidas: Descargue solo los bloques modificados de la imagen de la aplicación, con descarga completa automática si es necesario.
• Discusiones por paso: Las preguntas desde una investigación .science importada o un paso de reproducción abren una conversación secundaria vinculada al paso; la importación sigue siendo de solo lectura.
• Vista previa de fuentes: Al pasar el cursor sobre un enlace se muestra el dominio de destino y, para fuentes HTTPS aprobadas, el título y la descripción.
• Mejoras del espacio de trabajo: Barra lateral más sencilla, acción «Fork to continue» destacada y posición de lectura estable al enviar desde un turno anterior.
• Fiabilidad: macOS verifica la aplicación en ejecución antes de actualizar; Windows identifica los archivos bloqueantes y mantiene la entrada sobre la barra de tareas. La traducción de PDF de diseño fijo conserva las páginas correctas si una falla.

Notas completas v1.2.0

🚀 Inicio rápido

1. Descargue la aplicación

Abra la página oficial de descargas y elija el instalador para su equipo:

Consulte la verificación de descargas para realizar comprobaciones antes de instalar.

Los archivos de la CLI independiente para macOS, Linux y Windows incluyen Node.js y se pueden usar sin Homebrew ni npm.

En macOS, también puede instalar la aplicación con Homebrew:

brew install --cask open-science

Para la CLI independiente en macOS o Linux, utilice el tap de AIPOCH por separado:

brew install aipoch/tap/open-science

La fórmula incluye Node y no necesita la aplicación de escritorio en ejecución; su versión puede diferir del Cask de escritorio. Consulte los requisitos y las actualizaciones en la guía del entorno independiente.

Para el CLI independiente y la interfaz web, instale el paquete npm publicado con Node.js 22.13.0 o posterior:

npm install --global @aipoch/open-science
open-science start --no-open
open-science url

Abra la URL indicada para completar la configuración o siga la guía de configuración desde el terminal. npm admite macOS ARM64/x64, Linux ARM64/x64 con glibc y Windows x64; no requiere la aplicación de escritorio. Mantenga las dependencias opcionales de npm y consulte los requisitos de Linux y las instrucciones de actualización. La URL contiene un token de autenticación; manténgala privada.

En Windows, reinstalar conserva los datos de investigación. Para una limpieza completa, consulte la herramienta de restablecimiento, que elimina permanentemente los datos locales tras la confirmación.

2. Complete la configuración inicial

Siga el asistente: Entorno → Ubicación de datos → Entorno de ejecución del agente → Proveedor de modelo → Entorno de ejecución de Notebook.

Complete las comprobaciones obligatorias del entorno y del runtime del agente y pruebe la conexión al modelo. Python/R Notebook es opcional; Notebook y la ubicación de datos pueden ajustarse más adelante en Configuración.

En los ajustes del sistema encontrará las opciones de apariencia y notificaciones. La sección General incluye la guía de instalación y actualización manuales.

La antigua pestaña Modelo ahora se llama Capacidades locales e incluye extracción de PDF, paquetes de idioma OCR y narración de investigaciones. La narración requiere un modelo de voz instalado localmente.

Comprobaciones de red, almacenamiento y compatibilidad del host	Proveedor, clave API, endpoint y validación de modelo

3. Iniciar un proyecto de investigación

1. Haga clic en Nuevo proyecto, abra una sesión y describa el objetivo de investigación, las entradas y los resultados esperados.
2. Adjunte archivos, elija un modelo y un modo de aprobación y envíe la tarea. Use @ para referenciar archivos del proyecto o / para elegir una habilidad.
3. Revise la actividad de las herramientas y las solicitudes de aprobación, previsualice los resultados y consulte la evidencia disponible en Procedencia.

Las capturas de pantalla de este archivo README ilustran el flujo de trabajo. Las etiquetas, catálogos y otros detalles de la interfaz pueden diferir de la versión que instale.

Paquetes de investigación .science de AIPOCH Open-Science

Exporte una sesión de investigación terminada como un paquete .science portátil para revisión, traspaso y archivo. Elija las ramas de conversación, versiones de archivos, registros de Notebook y evidencias de verificación que desea incluir, y luego importe el paquete en otro proyecto o equipo.

La exportación y la importación están disponibles en la aplicación de escritorio, las sesiones web locales y la CLI sin interfaz. Las sesiones web remotas no pueden leer ni escribir rutas arbitrarias de paquetes locales.

Exportar → transferir → inspeccionar

1. Exporte una sesión terminada y elija el contenido que desea incluir.
2. Transfiera el archivo .science a un colaborador o a otro equipo.
3. Importe el archivo en un proyecto. Research replay, a la derecha, muestra el proceso registrado; la conversación de la izquierda permite hacer preguntas y citar pasos fijos.

Los registros importados siguen siendo de solo lectura; ver la reproducción no ejecuta código, no llama a modelos ni restaura credenciales. La primera pregunta crea una conversación editable asociada; utilice Fork to continue para crear una copia de trabajo. Volver a ejecutar un resultado sigue requiriendo una receta completa, los datos necesarios y un entorno disponible.

Las preguntas desde una investigación importada o un paso de reproducción abren discusiones secundarias vinculadas al paso sin modificar la importación. Se conservan al archivar; al eliminar la sesión principal se convierten en conversaciones normales.

Se excluyen las conversaciones Side Chat, los marcadores privados de lectura y las credenciales; los archivos incluidos dependen de la selección de exportación. Los registros de verificación recibidos describen las comprobaciones del remitente, no una nueva ejecución en este equipo. Consulte la guía de paquetes .science.

Resultados de benchmarks

AIPOCH evaluó AIPOCH Open-Science en tareas que abarcan encontrar un artículo, responder preguntas sobre su contenido y ejecutar un plan de investigación. Los resultados siguientes proceden de ejecuciones propias de AIPOCH. Cada puntuación corresponde a una tarea y una configuración de evaluación concretas. La evaluación también abarca la reproducción de resultados computacionales y la formulación de hipótesis a partir de datos.

AstaBench — Tareas de literatura

AstaBench — Reproducibilidad y formulación de hipótesis

ASI-Bench — Seguir un plan y elegir métodos

Las cuatro condiciones piden al agente ejecutar un plan especificado (B1), organizar un flujo de trabajo (B2), elegir métodos (B3) o investigar con información distractora (B4). Las dos primeras filas del gráfico comparan ejecuciones locales con el mismo modelo GPT-6 Astra.

Open-Science obtuvo 79.35, 56.11, 59.67 y 59.46 en B1–B4; la referencia local de Codex obtuvo 74.78, 56.09, 58.12 y 55.45. Las puntuaciones B2 fueron casi idénticas. Otras ejecuciones publicadas difieren en instancias de tareas, configuraciones o evaluación.

La puntuación local B1 cubre 59 tareas tras excluir una por un problema del sistema de puntuación. Se informaron tres repeticiones locales para B1/B2. B3/B4 usaron Open-Science v0.32.0 y un juez sustituto; cada puntuación es la media de tres ejecuciones de 60 tareas.

BiomniBench-DA — Análisis de datos biomédicos

En el conjunto Public 50, el juez Gemini 3.1 Pro puntuó los resultados con 81.04 y el juez DeepSeek v4-pro con 77.06. AIPOCH informa de su media con igual ponderación, 79.05, para la configuración gpt-5.6-sol (xhigh).

Alcance de la evaluación: estos informes cubren ejecuciones locales o internas de agosto a noviembre de 2026 con los modelos y particiones indicados; no se repitieron para la versión actual. Las referencias son instantáneas históricas, no clasificaciones en tiempo real. Las puntuaciones de distintas familias de benchmarks no son directamente comparables y las diferencias numéricas no establecen significación estadística.

Consulte el informe de AstaBench y ASI-Bench y el informe de BiomniBench-DA para conocer los detalles.

¿Por qué usar AIPOCH Open-Science?

1. Lee artículos y analiza datos en un mismo proyecto.

   • Importa referencias desde Zotero o pega hasta 100 identificadores o enlaces de artículos a la vez. Tras configurar un modelo de cribado, aplica tus criterios de inclusión y exclusión. Compara las decisiones del modelo con las tuyas y consulta los PDF para verificar un hallazgo en su contexto.
   • Visualiza datos científicos, documentos, imágenes y estructuras moleculares junto a los artículos. Ejecuta Python o R en un cuaderno para generar una tabla o figura con los datos del proyecto y contrasta el resultado con los archivos de origen.

2. Comprueba cómo se obtuvo un resultado y qué respalda la respuesta.

   • Abre una versión concreta de una figura, tabla o informe en Provenance para consultar las entradas, el código y el historial disponibles. Si dispones de las entradas, el procedimiento y el entorno de ejecución, vuelve a ejecutar esa versión en la aplicación de escritorio y compara los resultados.
   • Activa Reviewer para contrastar la respuesta del agente con los registros de ejecución y los archivos disponibles para ese turno. Consulta los problemas que detecta y la revisión posterior a las correcciones del agente.

3. Comparte con tus colegas el contexto de un resultado.

   • Elige las ramas de conversación, versiones de archivos, registros del cuaderno y pruebas de verificación que incluirás en un paquete .science. Otra persona puede abrirlo en otro equipo y consultar los pasos que dieron lugar a una figura o tabla.
   • El registro importado se abre en modo de solo lectura. La importación no ejecuta código ni restaura credenciales. Las verificaciones corresponden al equipo de origen. Para explorar otra pregunta, tu colega puede seleccionar Fork to continue y trabajar en una copia editable.

4. Elige herramientas y recursos de cómputo para tu análisis.

   • Selecciona un proveedor de modelos y accede a fuentes de datos científicos mediante 48 conectores integrados. Algunos deben activarse primero.
   • Usa las 24 habilidades integradas para tareas recurrentes. El mercado de habilidades ofrece 525 habilidades que puedes instalar. Para delegar parte del trabajo, elige entre los 10 especialistas del mercado de especialistas.
   • Ejecuta el análisis localmente o envíalo a un entorno que administres mediante SSH, Slurm, Kubernetes, Hugging Face Jobs, Modal o Ray. Revisa el destino, el comando, los recursos y las salidas antes de aprobar un trabajo remoto. Los trabajos en la nube pueden generar cargos en la cuenta conectada.

Proveedores de modelos

AIPOCH Open-Science es independiente del modelo a nivel de producto: conéctelo a los principales proveedores de LLM en la nube, una puerta de enlace personalizada o reutilice una suscripción Claude o Codex existente. Actualmente, la disponibilidad del proveedor depende del backend del agente seleccionado y de los protocolos API que admite. Están disponibles las siguientes opciones de conexión:

Hay 25 opciones de proveedor preconfiguradas, incluidos OpenAI, Anthropic, DeepSeek, NVIDIA Build y otros. Los modelos y puntos de acceso regionales dependen de la versión instalada y del backend elegido; consulte el selector y la prueba de conexión de la aplicación.

Datos, permisos y confianza

AIPOCH Open-Science almacena en el equipo local los datos del proyecto, la configuración, las versiones de los artefactos y la evidencia de procedencia. Las claves API se guardan localmente y utilizan el almacén seguro de credenciales del sistema operativo cuando está disponible. Los registros también son locales y no se cargan automáticamente.

El flujo de datos externos aún es posible y debe revisarse:

• Las solicitudes al modelo envían el prompt y el contexto necesarios al proveedor del modelo seleccionado.
• Las búsquedas web y los conectores remotos envían sus parámetros mostrados a servicios externos.
• Los conectores locales pueden ejecutar comandos de confianza en el equipo.
• La aplicación también puede contactar con servidores de actualización, catálogos del mercado y servicios de descarga de entornos o modelos.
• Los archivos adjuntos, las referencias @, los registros y los informes generados pueden contener datos de investigación confidenciales.

Elija el perfil de permiso más limitado que se ajuste a la tarea:

El perfil efectivo depende del backend y de los permisos existentes. También se aplican las políticas de conectores, herramientas y red de cálculo; compruebe el modo efectivo que muestra la aplicación.

Revise los parámetros del conector y la actividad de la herramienta antes de aprobarlos. Nunca incluya claves API, tokens de acceso, identificadores de pacientes, datos no publicados o rutas locales confidenciales en capturas de pantalla o registros de problemas públicos.

Desarrollo y empaquetado

AIPOCH Open-Science consta de un backend Node convencional y un cliente de escritorio Electron, con React, TypeScript, Prisma/SQLite y Open-Science Agent integrado junto con backends de agentes opcionales.

Requisitos previos para desarrollar desde el código fuente:

• Node.js 24 (consulte .nvmrc) con npm
• Git
• La ejecución de Notebook es opcional y usa entornos Python/R gestionados por la aplicación o un intérprete compatible que usted configure.

git clone https://github.com/aipoch/open-science.git
cd open-science
npm install
npm run dev

Consulte la referencia de comandos de desarrollo y empaquetado y la guía de contribución para los comandos de compilación y el flujo de desarrollo.

Modos web y sin interfaz gráfica en localhost

La interfaz web funciona con un backend Node independiente, sin Electron ni entorno gráfico.

npm run dev:web
npm run pack:backend

La interfaz web funciona con un backend Node independiente, sin Electron ni entorno gráfico. npm run dev:web y npm run dev:headless compilan e inician el backend y la interfaz web; no inician el escritorio ni la bandeja. OPEN_SCIENCE_WEB_PORT selecciona el puerto (predeterminado 44100); Ctrl+C cierra el servicio en primer plano de forma ordenada.

El desarrollo desde el código fuente requiere Node.js 24. El paquete npm publicado y el tarball independiente compilado localmente requieren Node.js >=22.13.0. Los archivos de Release, la fórmula Homebrew y el lanzador del escritorio incluyen su propio entorno de ejecución.

La aplicación de escritorio y el navegador comparten el mismo servicio. Las aplicaciones conectadas y una solicitud explícita de mantener el servicio activo mediante open-science start lo mantienen en ejecución. Al salir de la última aplicación, el servicio solo se detiene si no queda ninguna solicitud explícita de mantenerlo activo.

CLI · Node

Acceso remoto móvil

Escanee un código QR para abrir el espacio de trabajo actual en un teléfono o una tableta por WiFi local o un túnel Pinggy. El emparejamiento por WiFi permanece en la red local; los túneles de Internet encaminan el tráfico por los servidores de Pinggy, como indica el diálogo de conexión.

CLI y SDK sin interfaz gráfica

La CLI sin interfaz gráfica y el SDK de Node.js sin dependencias utilizan el mismo daemon local, así como los mismos proyectos, sesiones, credenciales y permisos que las interfaces web y de escritorio. La documentación detallada se incluye en el paquete publicado y sirve como referencia única de los comandos:

• Guía CLI: instalación, ciclo de vida del servicio, automatización de tareas, artefactos, formatos de salida y códigos de salida
• Descripción general del paquete SDK - Inicio rápido de Node.js y punto de entrada del paquete

La CLI independiente puede exponer sus herramientas de investigación a clientes MCP externos mediante open-science mcp. Primero, inicie y autentique el servicio del perfil seleccionado. El adaptador usa los permisos existentes de ese perfil; no es un entorno aislado ni una vista de solo lectura, por lo que los clientes conectados pueden guardar cambios y generar costes de modelos. No expone acceso arbitrario a shell o RPC, gestión de credenciales, importación o exportación de archivos, descargas a una ruta ni un endpoint MCP HTTP remoto.

Preguntas frecuentes

# Inicie el servicio en segundo plano
open-science init
open-science start --no-open

# Cree un proyecto y ejecute una tarea usando su nombre exacto
open-science project create "Revisión sistemática"
open-science run --project "Revisión sistemática" \
  --prompt-file ./task.md \
  --approval-profile auto \
  --skill literature-review \
  --wait --json

# Descargue un artefacto generado
open-science artifacts list <session-id> --json
open-science artifacts download <artifact-id> --output ./report.md

Colaboradores

Gracias a todas las personas que contribuyen a AIPOCH Open-Science con código, documentación, traducciones, informes de errores y ayuda a la comunidad.

Ver colaboradores en GitHub

Participe

Ayude a mejorar AIPOCH Open-Science: informe de un error, sugiera una función, haga una pregunta o contribuya. Elija un canal a continuación para empezar.

Antes de abrir una incidencia pública, elimine de los registros y las capturas de pantalla las claves API, los tokens, las rutas de archivos privados, los datos no publicados, los identificadores de pacientes y cualquier otro material confidencial. Consulte CONTRIBUTING.md para conocer el flujo de trabajo de desarrollo.

Si AIPOCH Open-Science le resulta útil, dé una estrella al repositorio en GitHub.

Las capacidades entregadas, parciales y previstas aparecen en el mapa de capacidades.

Cómo citar

Si utilizas AIPOCH Open-Science en tu investigación, cita la prepublicación de AIPOCH Open-Science.

@misc{ouyang2026aipochopenscienceopensourceai,
      title={AIPOCH Open-Science: An Open-Source AI Research Workbench with Reproducible .science Packages},
      author={Wen Ouyang and Bocheng Huang and Qianyu Yao and Fei Sun and Minying Deng and Haoyue Cheng and Wenwen Zhou and Lei Mou and Yusi Wei and Jiang Li and Kun Zhu and Lei Wang and Yi Feng and Jiaheng Dai and Ke Qian and Dan Wang and Yahui Wang and Chenyi Wang and Mingsheng Lyu and Yaqiang Zhang and Ping Zheng and Chunhua Tang and Xinge Ma and Xu Zhang and Youjia Fan and Can Lu and Zhijun Dai and Man Hu and Qiqi Xie and Beinan Liu and Yuanning Guo and Yunze Liu and Jinhong Jiang and Xianjun Fu and Mingwei Zhang and Yuanji Xu and Shilin Xia and Bowen Yang and Mingjun Yu and Jingdun Xie and Xuwei Chen and Xia Zou and Yuzhou Xue and Jianguo Zhou and Chunhao Cao and Donghao Tian and Lei Huang and Jinxiao Li and Shengrong Long and Zefeng Song and Honglin Li and Jiang Luo and Wenying Jiang and Shanshan Li and Lei Dai and Ning Jiang and Ying Cai and Chaohui Li and Chunyan Peng and Hetong Zhao and Angqing Li and Chunyan Yang and Chongyang Sun and Yong Li and Xinyu Shi and Wei Dai and Ming Peng and Chen Sang and Yuanyuan Han and Desong Qiu and Haixin Miao and Jian Xu and Yi Chen and Xiaoliang Shi and Tian Shen and Teng Hu and Shuhao Wang and Yingyong Hou and Huimei Wang},
      year={2026},
      eprint={2610.17110},
      archivePrefix={arXiv},
      primaryClass={cs.SE},
      url={https://arxiv.org/abs/2610.17110},
}

Licencia

Licencia Apache 2.0: consulte LICENSE.

Historial de estrellas