Параллельные ИИ-агенты для научных исследований

Команда alphaXiv опубликовала на GitHub проект OpenResearch — локальную рабочую среду (local-first workspace) для запуска параллельных research-агентов. Платформа превращает Claude Code, Codex, OpenCode или Cursor в исследовательских агентов, способных изучать литературу, формулировать гипотезы, проводить эксперименты и создавать научные артефакты. Главная идея — дать исследователю полный контроль над данными и инфраструктурой, не отправляя код за пределы своей машины.

Как это работает

OpenResearch запускает полный цикл автономно: предлагает идею, меняет код, запускает эксперимент, анализирует результаты и решает, что попробовать дальше. Несколько агентов могут одновременно исследовать разные направления, пока дерево экспериментов сохраняет историю их происхождения.

ℹ Что такое autoresearch?
Autoresearch — режим, при котором система без участия человека предлагает идеи, запускает эксперименты, оценивает доказательства и принимает решения о следующем шаге. OpenResearch реализует этот цикл нативно.

Каждое исследовательское направление получает изолированную сессию агента и отдельное git worktree (рабочее дерево репозитория), что гарантирует воспроизводимость:

Варианты отслеживаются в git-native дереве экспериментов — каждый запуск получает неизменяемый архив зафиксированного коммита. Логи, диффы, файлы, результаты и артефакты привязаны к работе, которая их создала.

Где можно запускать

Один и тот же зафиксированный снэпшот исходного кода можно запустить локально, по SSH, на Slurm, Kubernetes, Ray, Hugging Face Jobs, Modal, Tinker или в managed-среде OpenResearch — публикация репозитория при этом не требуется.


graph TD
    A[Исследователь] --> B[OpenResearch Workspace]
    B --> C[Claude Code агент]
    B --> D[Codex агент]
    B --> E[OpenCode / Cursor агент]
    C --> F[Эксперимент 1]
    D --> G[Эксперимент 2]
    E --> H[Эксперимент 3]
    F --> I[Git Experiment Tree]
    G --> I
    H --> I
    I --> J[Артефакты и архив]

Поддерживаемые агенты и модели

АгентЛокальные моделиManaged compute
Claude CodeНетДа
Codex (OpenAI)НетДа
OpenCodeДа (Ollama, LM Studio, MLX)Да
CursorНетДа

Для подключения локальных моделей через LM Studio, MLX, Ollama или собственный endpoint используется интеграция с OpenCode.

Установка и первый запуск

Десктопное приложение доступно на openresearch.sh/download, а CLI для macOS и Linux устанавливается одной командой; после запуска orx up открывается локальный дашборд по адресу http://127.0.0.1:4791.

# Установка CLI (macOS / Linux)
curl -LsSf https://openresearch.sh/install.sh | sh

# Запуск локального дашборда
orx up

# Основные команды
orx projects                   # список проектов
orx runs <project-id>          # запуски проекта
orx logs <run-id>              # логи запуска
orx discover keyword <query>   # поиск по ключевым словам
orx paper <arxiv-id-or-doi>   # загрузка статьи
⚠ Windows: бета-версия
На Windows поддержка пока в статусе бета — перед установкой из раздела Releases необходимо прочитать специальные заметки, так как требуется Git for Windows.

Приватность и аналитика

По умолчанию вся работа остаётся на вашей машине: проекты, диалоги, эксперименты, запуски, логи, код и артефакты хранятся локально. Официальные сборки отправляют opt-out аналитику, привязанную к случайному ID установки, — без кода, промптов, путей, токенов или идентификаторов проектов. Телеметрию можно отключить командой orx telemetry off.

💡 Совет по приватности
Исходные и dev-сборки не отправляют аналитику вообще. Если приватность критична — собирайте OpenResearch из исходников.

Почему это важно

Параллельный запуск нескольких агентов с воспроизводимой историей экспериментов — это то, чего не хватало инструментам автоматизации науки до сих пор.

OpenResearch закрывает сразу несколько болевых точек: разрозненность инструментов, отсутствие истории экспериментов и зависимость от облачных провайдеров. Поддержка Slurm, Kubernetes и Hugging Face Jobs означает, что платформа уже сегодня пригодна для серьёзных HPC-кластеров. А возможность работать с локальными моделями через Ollama или LM Studio делает её привлекательной для команд с закрытыми данными.

Проект активно развивается: репозиторий openresearch-cli на GitHub набрал 355 звёзд и продолжает получать обновления. Исходный код и документация доступны на github.com/alphaXiv/OpenResearch.