OpenLens 科研智能体
从数据集与一句研究设想出发,自动完成多模态科研流程。
- Star 数
- ★ 282
- 最近更新
- 2 个月前
- License
- MIT
- 主语言
- Python
- FA 评分
- 46/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台OpenAI API
- 费用
- 软件免费,模型调用费用自付
- 上手难度
- 高 · 需要较重的基础设施
- 开始前需要
- 典型场景
- 临床或医疗 AI 研究者拥有 eICU 等数据集,需要围绕一个明确问题自动探索生命体征恶化模式并形成研究报告。
- 不适合
- 希望开箱即用、不愿配置 Docker、Conda、Node.js 与多个 API 密钥的个人用户
- 只想写中文论文却不想自行获取 Windows 字体的用户
- 源码审查
- 46/100 · 缺口较多
这个 Agent 能做什么,适合哪些场景?
OpenLens AI 是面向医疗、机器学习、统计及其他数据驱动研究的全自主多模态科研智能体,并特别针对医疗与 AI 研究优化。用户提供数据集和一行研究想法后,系统通过 LangGraph 编排的多模块工作流开展文献检索、实验设计、数据分析与报告生成。核心组件包括 Literature Reviewer、Data Analyzer、Supervisor、Coder 和 LaTeX Writer,并通过共享状态协作。它提供命令行入口和基于 Streamlit 的交互式 Web 界面;代码执行依赖 OpenHands 的 Docker 运行环境。产出范围包括分析代码、LaTeX 论文或报告,以及可选发布到 GitHub 的代码工件。
系统从 --question 与 --dataset-path 接收研究问题和数据集,由 Supervisor 协调 Literature Reviewer、Data Analyzer、Coder 与 LaTeX Writer。Literature Reviewer 可使用 arXiv、medRxiv、Google Scholar 和 Tavily 搜索及阅读文献;Data Analyzer 处理和分析数据;Coder 通过 OpenHands 生成并执行数据分析或实验代码;LaTeX Writer 生成研究论文和报告。工作流还可进行向量搜索式上下文管理、文件操作、VLM 可视化反馈,以及通过 [git] 配置将生成的代码工件推送到指定或自动创建的 GitHub 仓库。
- 临床或医疗 AI 研究者拥有 eICU 等数据集,需要围绕一个明确问题自动探索生命体征恶化模式并形成研究报告。
- 机器学习研究者希望把数据分析、实验方案、代码执行和 LaTeX 写作串成一个由 LangGraph 协调的流程。
- 统计研究人员需要先检索相关论文,再对本地数据集执行分析并整理为可交付报告。
- 使用中文撰写论文的团队需要配置 language = "chs",并在具备相应字体的 Docker 环境中生成中文论文内容。
- 希望保留研究生成物版本记录的个人或团队,需要将 OpenLens 生成的代码工件可选地推送至 GitHub。
如何安装或部署这个 Agent?
前置条件:Python 3.9+、Docker、LLM 服务 API 密钥和 Tavily API 密钥。克隆并初始化子模块:
git clone https://github.com/jarrycyx/openlens-ai.git --recurse-submodules
cd openlens-ai拉取并标记运行镜像:
ALIYUN_REMOTE_DOCKER_NAME=crpi-hbt8nkulkjqjqkie.cn-hangzhou.personal.cr.aliyuncs.com/cyx-docker/openlens-ai:runtime-latest
docker pull $ALIYUN_REMOTE_DOCKER_NAME
docker tag $ALIYUN_REMOTE_DOCKER_NAME openlens-ai:runtime-latest创建环境并安装 file1.agent:
conda create -n openlens python=3.12
conda activate openlens
cd modules/file1agentpip install -e .
cd ../../在 modules/OpenHands 中按其 Development.md 安装 OpenHands,然后运行:
conda install conda-forge::nodejs
conda install conda-forge::poetry
pip install chardet
make build
cd ../../
pip install --upgrade pippip install -e .
最后执行 cp config.minimal.toml config.toml,并在 config.toml 填入模型、重排器和 Tavily 的配置及密钥。
如何使用这个 Agent?
在 config.toml 配置 [llm.chat]、[llm.vision]、[rerank]、[tools] 和 [docker],其中 [tools] 需要 tavily_api_key,Docker 镜像名默认为 openlens-ai:runtime-latest。命令行首次运行示例:
python cli.py --question "What are the temporal patterns of vital sign deterioration preceding cardiac arrest events in critical care settings?" --dataset-path "datasets/eicu-demo" --thread-id "pred_aki_trend_eicu_demo" --notify-email "[email protected]" --interrupt-after-subgraph "none" --language "chs" --domain "medical"也可运行 streamlit run start_app.py,并在浏览器访问 http://localhost:8501。若需要 HTTPS,先配置 .streamlit/config.toml,或注释其中的 sslKeyFile 与 sslCertFile。
这个 Agent 有哪些优点和局限?
- 将文献检索、数据分析、代码生成与执行、实验设计和 LaTeX 写作纳入同一套 LangGraph 多模块流程。
- 文献工具明确覆盖 arXiv、medRxiv、Google Scholar 与 Tavily,并可结合向量搜索管理上下文。
- 通过 OpenHands Docker 运行环境执行生成的代码,而非仅输出代码建议。
- 同时提供 CLI 与 Streamlit 交互界面,并支持中文语言设置和中文论文写作。
- 可选 GitHub 工件发布可推送到固定仓库,或在配置令牌后自动创建仓库。
- 本地部署依赖 Docker、Conda、Node.js、Poetry、OpenHands 子模块和多个 Python 包,安装链路较长。
- 运行需要 LLM 服务、视觉模型、重排服务和 Tavily 的 API 配置与密钥;README 未提供这些服务的成本说明。
- 中文论文写作如需自行构建 Docker 镜像,文档要求下载或收集 Windows 字体。
- 默认文献能力中 IACR ePrint、Semantic Scholar 和 PubMed 被列为未完成。
- 自动发布 GitHub 工件需要个人访问令牌;自动创建仓库时文档要求相应仓库与管理权限。
这个 Agent 与同类方案有什么区别?
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| OpenLens 科研智能体 当前 | 46 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 282 | 2 个月前 | Python | OpenAI API |
| DATAGEN 多智能体研究助手 | 45 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 1.8k | 14 天前 | Python | OpenAI API · Claude API |
| TradingAgents-Astock | 78 · 表现良好 | 代码库 / SDK免费 + 模型费 | ★ 3.9k | 8 天前 | Python | OpenAI API · Claude API |
| 智能公司研究助手 | 39 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 2.3k | 13 天前 | Python | OpenAI API |
FollowAgents 如何评估这个 Agent?
查看各维度的扣分理由
README说明需要配置LLM、Tavily等API密钥,并披露可选GitHub发布、所需令牌权限及撤销方式,数据流有一定可见性。扣分原因:CLI要求通知邮箱,入口会自动发送开始/恢复邮件;GitHub发布虽可选但可能创建仓库并推送,代码执行也委托给OpenHands,未见逐项操作确认或权限边界细节。文件管理器配置了删除备份目录,但材料未说明恢复流程;来源仅列出搜索服务和部分致谢,生成论文与研究结论的引用追踪方式不清楚。
README给出模块架构、Docker与依赖安装步骤,MCP搜索工具对部分读取错误返回空字符串,图像工具返回错误文本。扣分原因:README称Python 3.9+,pyproject要求Python 3.11+;脚本入口指向build_graph.cli_main而样例代码使用main.py中的cli_main;搜索适配器创建AsyncClient却同步调用searcher。材料只展示部分依赖和代码,未说明服务可用性保障,且部分错误被吞为通用空结果。
README明确面向医疗、机器学习、统计及一般数据驱动研究,CLI提供中英文和medical/general选项,配置可选择模型与服务地址。扣分原因:材料未清楚界定自治代理可可靠处理的任务边界;CLI新任务要求问题、数据集路径和邮箱,使用环境也依赖Docker、多个API及子模块。
README按安装、配置、运行、架构和定制分节,并提供CLI示例、配置示例、可选GitHub集成说明及MIT许可证,结构和上手说明较充分。扣分原因:版本信息仅见pyproject的0.0.1和README中的v0.1.0字体包链接,未提供变更记录;Python版本要求不一致;责任人与更新路径不够明确,已列出的待办也未构成完整限制说明。
产品将文献检索、数据分析、实验设计、代码执行和LaTeX报告生成整合在同一研究流程,输出目标具体且支持交互界面。扣分原因:所谓全自主及综合报告质量主要是README中的产品主张,材料不足以证明实际增益;运行依赖多个模型服务、搜索API、Docker和复杂安装,未见费用或资源估算。
README列出了主要能力、部分支持与待办功能,代码样本展示了CLI参数、图像分析与论文搜索接口。扣分原因:关键能力主张缺少材料内的结果示例或独立佐证;测试样本主要是模型API调用脚本,不能佐证产品级结果;文档未稳定地区分已实现功能、宣传描述与预期效果。
- 开始运行前核对Python版本要求:README写3.9+,pyproject要求3.11+。
- 配置通知邮箱会触发开始/恢复邮件;配置GitHub令牌可能允许自动创建仓库并推送产物。请按所需范围配置凭据,并确认数据和产物的外发路径。
- 该流程会执行生成的代码并使用外部模型和搜索服务;材料未展示完整的人工审核、隔离或恢复机制。
常见问题
它是否只适用于医疗研究?
运行前必须准备哪些凭据?
它会在本机直接执行生成的代码吗?
能否将结果推送到 GitHub?
谢谢反馈,我们会据此改进页面。