最近在 GitHub trending 上看到 aipoch/open-science，五天漲了一千多顆星（2,777 → 3,850），主打「開源版 Claude Science」：local-first、model-agnostic 的 AI 科研桌面工作台。我花了點時間把它的 GitHub issues、第三方評測翻了一遍，發現一個有趣的現象：Reddit 零討論、X 零獨立測評，所有的真實聲音都擠在 issues 裡。這篇文章整理我看到的東西。
它是什麼
一句話：Electron 桌面 app（macOS / Windows / Linux），裡面住著 coordinator agent、specialist subagents 和一個 reviewer agent。你開專案、用自然語言描述研究目標，agent 會讀檔、跑 Python / R、調科學資料庫，最後產出綁著 provenance（產地證據）的報告和圖表。
規格上看起來很完整：22 個科學 skills（AlphaFold2、Boltz、ESM、scGPT、文獻回顧、遠端 SSH 算力……）、24 個內建 connectors（PubMed、bioRxiv、ChEMBL、臨床試驗……）、artifact 不可竄改加 checksum、對話可以開分支不丟原文。授權是 Apache-2.0，沒有座位費，模型自己帶——Claude / Codex 訂閱可以直接掛進去。
官方自己宣稱在 BiomniBench-DA Public 50 拿第一（79.05 分）。這個數字先打個問號，後面會講。
真實使用者在 issues 裡怎麼抱怨
我把 open 的 issues 掃了一遍，挑幾個有代表性的：
notebook 會卡死（#1485）。Windows 0.18.0、Claude Code backend 下，notebook_execute 在 GLM 和 DeepSeek 兩個 provider 都卡住，一次等滿 1,800 秒 timeout。連 print("kernel alive") 這種測試 cell 也跑不出來，之後 artifact 的 RPC 憑證還過期。跨 provider 同一個症狀，問題多半出在它自己的 notebook MCP 或 runtime 回收路徑，不在模型那邊。這是核心執行路徑，出問題等於整台車引擎熄火。
headless CLI 回報不可信（#1662）。遠端工作明明成功（exit 0），但 completion 存檔時跟 session 快照 race，CLI 照樣回 exit 1。寫自動化的人看到這個會很痛：exit code 不能信，重試還會把做完的工作再做一遍。
SSH 遠端算力的產出沒有 provenance（#1101）。job 跑完、檔案收割回來、artifact 也 finalize 了，但 producer、執行快照、inputs 全是空，理由寫著 producer-source-unverifiable。等於它主打的「可追溯」在遠端算力這條路上是破的。
Specialist 整包匯入被一個 Skill 卡死（#1328）。匯入的包裡，只要有一個 Skill 跟已安裝的撞名，整包就直接判不能裝。偏偏內容 hash 幾乎每次都對不上，只能手動刪掉本地的再重來。
另外還有加不上 GLM 模型（#1717）、Windows 快取目錄不能換盤（#1516）這種小毛病。參數掃描（parameter sweep）、Slurm 支援、Zenodo / DOI 發布都還在提案階段。
公平地說，維護者修 bug 的速度很快。context overflow 造成死會話（#254）、provider 報錯難讀（#194）、reviewer 自動審查迴圈（#159）都修掉了。一個月從 v0.17 衝到 v0.26，這個迭代速度是玩真的。
第三方怎麼看
最有意思的一份評價，來自 BiomniBench-AI4S 的橫評：七個 AI-for-science agent，用同模型、同評分標準比了一輪，直接把 aipoch/open-science 排除在外。理由寫得很直白：它是包著 OpenCode 和 Claude Code 引擎的桌面 GUI，沒有自己的 agent core，當時也沒有 headless CLI，沒法批次跑 benchmark。v0.26 補上 headless CLI 之後，前半個理由過時了，但「沒有獨立 agent core」這句依然成立。
Bloss0m 寫了一篇 v0.19.0 的深讀，結論我很認同：這個專案的方向是對的——把 skill 產地版本、notebook 新鮮度、OAuth 生命週期、artifact 穩定 ID 都變成可治理的狀態。但每一條後面都要加 honesty clause：標 clear 不代表結論正確、唯讀不代表可信、lineage 不代表引用正確。trace 證明系統留了痕，不證明研究是對的。
SandBase 的評論更狠一點：可信度來自不可變的 provenance 和重放，不來自 agent 的數量。token dashboard 量的是資源，不是科學品質。
我的看法
如果你在找一個 Hermes 可以嵌入的元件，那它不是。它是獨立的 Electron 閉環生態，自己的 workspace、session、artifact 體系。它的價值是當對照組：人家怎麼做「可重現、可稽核」這件事，有哪些坑（上面那一串 issues 就是現成的坑位圖）。
真要試，我的建議只有一句：先驗 notebook 那條路在你的 provider 組合下通不通（#1485）。核心執行路徑不通，其他都是白搭。headless exit code（#1662）和遠端 provenance（#1101）是已知坑，寫自動化之前先測。
官方自己有一句話很誠實，放在 README 裡：「if you need a working AI research assistant today, Claude Science is the more capable choice.」 賣的是結構天花板，不是今天的完成度。衝著這份誠實，給個 star 不虧；要不要拿自己的研究賭上去，先等等。
相關連結：GitHub repo / 官網 / Bloss0m v0.19.0 深讀 / SandBase 評論
（資料時點：2026-09-07，v0.26.0，約 3,850 stars。迭代極快，issue 狀態可能隨版本變化，引用時請對照版本號。）