OpenResearch Skill：把你的编程 Agent 秒变科研 Agent 的本地工作台

OpenResearch Skill：把你的编程 Agent 秒变科研 Agent 的本地工作台

2026 年的 GitHub Trending 上，一个名为 OpenResearch 的开源项目引发了不少开发者关注。它不训练模型，不做框架——它只做一件事：让你已经在用的 Claude Code、Codex、OpenCode 或 Cursor，转身成为一个能自主做科研的工作站。从文献调研、假设生成、实验设计到结果归档，全流程跑在本地，数据不离开你的机器。

功能与原则

OpenResearch 的核心是一个本地优先的 Agent 研究工作台，官方称之为”Research Agent Workspace”。它为编程型 Agent 注入了完整的科研工作流能力：

• 并行探索：每个研究方向分配独立 Agent 会话和隔离的 Git Worktree，互不干扰
• 可复现实验：用 Git 原生实验树追踪变体，每次运行都会生成包含完整记录提交的不可变归档
• 证据关联：日志、diff、文件、结果和产出物都绑定到产生它们的代码版本上
• 全流程自治：Agent 可以自主提出想法、修改代码、启动实验、检查证据、决定下一步

设计原则是本地优先 + 无数据泄露——项目、对话、实验记录、代码和产出物全部存在本地机器上，OpenResearch 服务器不接触任何研究数据。

认可度

• GitHub Star：5,574（截至 2026-09-23）
• GitHub Fork：342
• 语言：Rust
• Trending 经历：曾在 GitHub Trending 单日增长 +1017 星，被多家技术周报收录
• 平台兼容：Claude Code、OpenAI Codex、OpenCode、Cursor、Google Antigravity

链接

GitHub：https://github.com/AlphaXiv/OpenResearch

原作者

alphaXiv 团队（GitHub: @alphaXiv），定位是构建开源的研究自动化基础设施。项目提供 CLI 工具 orx，以及跨平台桌面应用和本地 Web Dashboard。

介绍

OpenResearch 起源于一个观察：2026 年的 AI 编程工具已经相当成熟，但当开发者想用同样的 Agent 做文献调研或实验设计时，却没有一个成体系的工作环境。项目用 Rust 编写了一个轻量 CLI（orx），在你已有的编程 Agent 基础上叠加了科研所需的结构化能力——会话隔离、实验版本控制、证据追踪。

安装后，运行 orx up 会打开本地 Dashboard（默认 http://127.0.0.1:4791），研究者可以在浏览器里管理项目、启动实验、查看每次运行的完整记录。Agent 执行过程中产生的所有日志、输出文件、实验参数都被自动归档到对应的 Git 提交里，方便日后回溯。

实验树（Experiment Tree）是其核心抽象：每一次”跑实验”都会在项目目录下生成一个独立的 Git Worktree，确保不同实验方向的代码状态完全隔离。研究者可以用 orx exp run 快速启动新实验，用 orx runs 查看历史记录，用 orx logs 追踪执行细节。

还支持连接到远程机器的 GPU：直接 ssh user@host 运行 orx up --remote，本地浏览器操控远程算力，工作目录仍然落在本地。

特点

• 一键将编程 Agent 变身为研究 Agent：不需要换工具，直接在现有 Agent 上 orx install-skills 安装 OpenResearch Skill 即可
• Git 原生实验版本控制：每次实验对应一个 Worktree + Git 提交，版本管理零学习成本
• 证据关联不可篡改：日志、diff、产出物全部绑定到生成它的代码快照，审计追溯无死角
• 本地优先，隐私安全：所有数据存在本地，SQLite 存储，无强制云端账号（openresearch.sh 账号仅用于团队协作和托管算力）
• 支持主流编程 Agent：Claude Code、OpenAI Codex、OpenCode、Cursor、Google Antigravity，一个 Skill 覆盖多个生态

使用方法

安装 CLI（macOS / Linux）：

curl -LsSf https://openresearch.sh/install.sh | sh

启动本地工作台：

orx up

浏览器打开 http://127.0.0.1:4791 即可看到 Dashboard。

安装 Agent Skill：

orx install-skills

常用命令：

orx runs              # 查看所有历史运行
orx logs <run-id>     # 查看某次运行的完整日志
orx exp run           # 启动一个新实验
orx discover <keyword> # 搜索论文或项目
orx paper <arxiv-id>  # 获取指定论文信息

使用场景与人群

适用场景：学术研究（文献调研、假设验证）、工业实验（算法调参、A/B 测试）、竞品分析（并行跑多个方向的调研 Agent）

目标用户：习惯用 Claude Code 等编程 Agent 做事、希望把 AI 能力延伸进科研流程的开发者/研究者；在本地有 GPU 资源、想跑大模型实验但不想依赖云服务的团队

输入与输出案例

案例 1：启动一个研究实验

# 研究者告诉 Claude Code：
# "用 OpenResearch 启动一个新实验，研究 RAG 系统在长上下文场景下的召回率衰减问题"
# Claude Code 自动调用 orx exp run，生成实验目录 + Git Worktree，
# 跑完自动归档所有日志和结果到对应 Git 提交

案例 2：并行探索多个假设

# 研究者告诉 Claude Code：
# "并行跑三个方向的调研：(1) Self-RAG (2) Corrective-RAG (3) Adaptive-RAG，
# 用 orx 创建三个独立实验会话，对比各自在 Medical QA 数据集上的 F1 分数"
# 系统自动分配三个隔离的 Worktree，实验结束后用 orx runs 对比各分支结果

OpenResearch 的意义在于它不替代你的 Agent，而是给它叠加了一层科研所需的结构化基础设施。当你的 AI 编程助手开始做研究时，你需要的是隔离、版本、可复现——这些恰恰是现有 Agent 工具链里最缺失的部分，而 OpenResearch 正好填上了这个空白。

GitHub: https://github.com/AlphaXiv/OpenResearch