机器越强，界面越薄；人的目标、判断与责任始终在线。
让成熟 Agent runtime 在后台执行，让研究者在关键节点判断、纠偏和验收；同时把论文、数据、工具调用、证据、决策与产物沉淀为可追踪的研究记录。
English · 官网 · 下载 · 论文 · 使用 Wiki
未来 Agent 会自动完成越来越多研究工作，但它做的事仍需符合人的目标、约束和判断。SciForge 保留一层会随模型能力增强而不断变薄、却长期必要的 GUI：人负责提出目标、检查证据、干预关键步骤和批准结果，机器负责搜索、解析、执行、分析与生成。
| SciForge 提供什么 | 你得到什么 |
|---|---|
| 干预面板 | 在计划、权限、工具调用、文件改动、证据冲突和最终发布等关键节点审阅与纠偏。 |
| 研究状态与证据采集器 | 自动归集论文、科学对象、命令与工具结果、图表、批注、claims、provenance 和决策记录。 |
| 科学场景增强层 | 为通用 Agent 增加科学多模态路由、文献检索、Evidence / Project DAG、受控绘图、写作、汇报和可复跑工作流。 |
| 长期研究工作区 | 让跨会话、跨角色、跨工具的研究过程可继续、可复盘、可交接。 |
SciForge 不重新发明、也不替代 Codex、Claude Code 等成熟 runtime。它与这些 runtime 是合作关系：runtime 负责通用 Agent 执行，SciForge 提供科学对象、研究上下文、人类审阅界面和证据治理。你可以按场景选用 Codex、Claude Code、SciForge Runtime 或自定义 runtime。
研究目标与材料
↓
Codex / Claude Code / SciForge Runtime 执行
↓
科学检索 · 多模态翻译 · 分析 · 绘图 · 写作 · 工作流
↓
SciForge 归集证据与产物 ──→ 人类审阅、干预、批准
↓
可追踪、可复现、可继续的研究状态
这些截图来自真实本地研究会话，而非独立概念图。点击图片可查看原图；更多设计与案例见论文。
 会话级 Evidence DAG 从对话回到 claim、来源、支持/矛盾关系与节点 provenance。 |
 项目级 Project DAG 聚合多次会话中的证据、结论、审查状态与项目决策。 |
 PDF 审阅到修订 把页内批注、Agent 修改、编译验证和未解决问题放在同一界面。 |
 结构选区驱动的科学对话 将结构查看器中的 residue 选择连同文件哈希和定位信息送入对话。 |
四个旗舰案例展示了 SciForge 如何把 Agent 执行、人类 PI 干预与可审计研究记录连成闭环：
| 案例 | 一句话价值 | 可复查材料 |
|---|---|---|
| 多日 Agentic Research Sprint | 面向减数分裂基因发现的 PI-controlled 长程研究循环，覆盖 132 个阶段与 199+ 次 Git 提交。 | 公开仓库 |
| AI 引导的蛋白设计 | ProteinMPNN 序列设计，结合 Boltz-2 / ESMFold 结构验证和明确的后续实验标准。 | 公开仓库 |
| AI 引导的分子优化 | 围绕 EGFR scaffold 完成可追踪 SAR 迭代：135 个过滤候选、36 次 docking evaluation。 | 公开仓库 |
| Genome-to-BGC Discovery | 串联 antiSMASH、MIBiG、BiG-SCAPE 与多 Agent 分析，对 430 个 BGC region 做证据化优先级排序。 | 公开仓库 |
查看论文中的全部 8 个端到端案例
| # | 案例 | 仓库 |
|---|---|---|
| 1 | Agentic Research Sprint：多日、PI-controlled 的基因发现研究循环 | AGI4Sci/scenario-01-research-sprint |
| 2 | AI4AI：ESMC-6B ContactProbe 接触预测与超参数搜索 | BruthYU/autoresearch_base |
| 3 | Reviewer / Rebuttal：证据治理的同行评审与回复流程 | maoxinjie/scenario-05-reviewer-rebuttal-vcbench |
| 4 | Guided Paper Reproduction：MCFST 空间转录组论文复现 | Winshion/sciforge-ai4ai-spacial-trans |
| 5 | Cross-Scale Cell Atlas：跨数据库整合与引导式分析 | ShaysXIA/cross-scale-data-demo |
| 6 | AI-Guided Protein Design：从序列生成到结构验证 | kaiwinYao1/sciforge-de-novo-protein-demo |
| 7 | AI-Guided Molecular Design：可追踪的 scaffold SAR 优化 | AGI4Sci/molclaw |
| 8 | Genome-to-BGC Discovery：从基因组到候选 BGC 卡片与优先级 | wenne-kwj/scenario-bgc-genome-discovery |
- 阅读与综述：检索 arXiv、bioRxiv、Europe PMC 和 Semantic Scholar；解析 PDF；做页内批注、选区问答和研究写作。
- 理解科学对象：将蛋白序列、蛋白结构、小分子和单细胞表达交给专用 translator，再把可审计文本证据交给主 Agent 推理。
- 复现与实验：让 Agent 在真实 workspace 中读写文件、运行命令、连接 SSH / HPC 或科学工具，并保留运行与变更记录。
- 证据与决策：用 Evidence DAG 审查单次会话，用 Project DAG 维护跨会话目标、证据、review 与 release 状态。
- 科研表达：从数据和论文参考图生成受控图表，在 Canvas 审改，再进入论文、报告和 PPTX 产出。
- 自动化与协作：把重复步骤做成 Workflow 或 Schedule，通过桌面、手机与团队入口监督长期任务。
SciForge 默认本地优先；模型、远程执行和科学专家服务由用户或机构显式配置。Evidence / Project DAG 中的节点是可审阅的证据候选，不是自动生成的真理；科学结论仍需领域专家判断，Showcase 中的计算结果也不等同于实验验证。
如何阅读 Showcase： 这些是论文中记录的 prototype demonstrations 和公开审计材料，不是已完成的临床/实验验证或全面 benchmark。论文还记录了明确的边界：蛋白设计案例存在 provenance mismatch，MCFST 复现的运行计数与选择规则仍需修订，分子优化的预注册主指标未达标且处于 docking 噪声范围内。请把它们当作可复查的研究轨迹，而不是自动生成的科学结论。
从 GitHub Releases 下载 macOS、Windows 或 Linux 安装包。首次启动后，在 Settings 中选择 runtime、配置 Model Router / provider，并为新任务选择本地 workspace。
环境要求：Node.js 20+，以及一个可用的模型 provider；若选择 Codex 或 Claude Code runtime，还需在本机完成对应 CLI 的安装与登录配置。
git clone https://github.com/AGI4Sci/SciForge.git
cd SciForge
npm install
npm run dev常用验证命令：
npm run typecheck
npm run test
npm run build完整的安装、首次配置、runtime 选择、worker 启动、科研工作流、数据位置与排障说明，请看 SciForge 使用 Wiki。
| 入口 | 内容 |
|---|---|
| 使用 Wiki | 从安装到第一个任务，以及常用场景、配置和排障 |
| SciForge 论文 | 系统定位、架构、真实界面与 8 个端到端 Showcase |
| 开发指南 | 本地开发、测试与构建 |
| Runtime contract | SciForge、Codex、Claude Code 的统一适配边界 |
| 架构说明 | Agent runtime、GUI 与服务边界 |
| 贡献指南 | 如何参与项目 |
| 安全策略 | 漏洞报告与安全说明 |
欢迎提交 Issue、Showcase、科学 worker、Skill、runtime adapter、文档和 UI 改进。提交 PR 前请运行与改动范围相符的 typecheck、test 和 build；协作约定见贡献指南。
SciForge 使用 MIT License。第三方依赖、参考项目与资产来源见 THIRD_PARTY_NOTICES.md。