如何5分钟上手OpenAI4S:从安装到第一次数据分析的完整新手教程
如何5分钟上手OpenAI4S:从安装到第一次数据分析的完整新手教程
OpenAI4S 是一款开源的科研 AI 智能体(AI Agent):你用自然语言提需求,它就自动编写并执行 Python/R 代码,在持久内核里完成数据分析、绘图和报告,支持 Claude、GPT、Gemini、豆包等多种模型。本教程带你用 5 分钟完成 OpenAI4S 安装、模型配置,并跑通你的第一次数据分析。
💡 核心玩法:JSON 工具负责流程编排,持久 Python/R 内核负责真正的科学计算——这就是 OpenAI4S 主打的 "Code-as-Action"(代码即动作)范式。
一、OpenAI4S 是什么:会"写代码做实验"的 AI 助手
和普通聊天机器人不同,OpenAI4S 把"动作"分成了两个平面:
| 平面 | 负责什么 | 动作单元 |
|---|---|---|
| JSON 控制平面 | 工作流、权限、外部服务、人工审批 | 一次原生工具调用 |
| Python/R 科学平面 | 计算、探索、分析、仿真 | 一个完整代码 Cell |
这意味着它可以:
- 🐍 直接跑 pandas、matplotlib、scanpy 等科学栈,10 万行的 DataFrame 留在内核里,只把图表交给你看
- 🔬 内置 612 个 Skill(代码配方):蛋白结构预测、单细胞 RNA 分析、面板数据清洗、逆合成规划……
- 🔎 检索 UniProt、RCSB PDB、arXiv 等 7 个公共科学数据库,结果自带来源和时间
更多设计原理见 docs/architecture.md。
二、一键安装 OpenAI4S:3 种方式任选其一
先根据系统选通道(当前版本 0.3.1):
| 你的系统 | 推荐通道 | 特点 |
|---|---|---|
| macOS / 通用 | PyPI 安装 | 最省事,Apple Silicon 与 Intel 均支持 |
| Linux x86_64 | 官方 tarball | 内嵌 Python 与科学栈,解压即用 |
| Windows | WSL2 完整 ZIP | 双击 OpenAI4S.cmd 即装即用 |
| 服务器 / 容器 | Docker 镜像 | 见 docs/docker.md |
方式 1:PyPI 安装(推荐新手)
需要 Python 3.10+,三条命令搞定:
python3 -m venv ~/.venvs/openai4s && source ~/.venvs/openai4s/bin/activate
python -m pip install "openai4s[science]"
openai4s serve
science 选项会把 numpy、pandas、matplotlib、scikit-learn 装进 Python 内核环境;openai4s serve 启动本地守护进程并自动在浏览器打开工作台(http://127.0.0.1:8760/)。所有数据都存放在 ~/.openai4s。
方式 2:源码安装
git clone --branch v0.3.1 --depth 1 https://gitcode.com/gh_mirrors/op/OpenAI4S && cd OpenAI4S
./setup.sh # 一次性构建环境(需 uv)
./start.sh # 启动 Web 工作台
方式 3:Linux 免工具链 tarball
下载官方 tarball 后解压,内嵌完整 Python + 科学栈,首次启动不联网、不 pip:
tar -xzf OpenAI4S-0.3.1-linux-x86_64.tar.gz
cd OpenAI4S-0.3.1-linux-x86_64
./OpenAI4S
⚠️ 建议顺手安装
bubblewrap(apt install bubblewrap),让代码 Cell 在沙箱中运行,隔离更安全。
安装完成后,你会看到这样的工作台首页——项目、会话、分析入口一目了然:
三、3 分钟配置模型 API:最省钱只要 9.9 元/月
OpenAI4S 启动时不需要任何 API Key,界面上会有一条横幅直接引导你进入配置页:
- 点击窗口顶部的 设置(齿轮)图标 → 打开 模型 标签页
- 在"新增模型 / API"中填写:名称、协议、API Key(Base URL 和模型 id 可留空用默认值)
- 点 新增,再点 设为当前 —— 完事!
三种协议怎么选?
| 协议 | 对接供应商 | 适合谁 |
|---|---|---|
| Ark 兼容协议 | 火山方舟:一个 Key 覆盖豆包 · GLM · Kimi · DeepSeek · MiniMax | 💰 最省钱:入门 Small 套餐仅 ¥9.9/月 |
| OpenAI 兼容协议 | OpenAI 及任何 OpenAI 兼容端点 | 已有 OpenAI Key 的用户 |
| Anthropic 兼容协议 | Claude(claude-sonnet-4-5) |
Claude 订阅/Key 用户 |
💸 最省钱路线:选 Ark 兼容协议并粘贴一个火山方舟 Key,用不到一杯咖啡的钱(¥9.9/月)就能用上科研级智能体。
可选:开通联网搜索
如果想让智能体检索实时文献和数据(而不只依赖训练知识),打开 设置 → 网络:
- 确认 允许联网 总开关已打开
- 把火山方舟 Agent Plan Key 粘贴到 豆包搜索 Custom 卡片,点 保存凭证
- 如果你的模型本身就是火山方舟 Agent Plan,这一步已自动完成 ✅
四、第一次数据分析:3 个可直接复制的模板
回到工作台,点 新会话,把下面的问题直接丢给 OpenAI4S(中文英文都可以):
模板 1:分析你自己的数据(最实用)
请读取我上传的 CSV,做数据清洗描述性分析:统计缺失值、连续变量分布,按组画箱线图,导出成图表。
(把 CSV 文件拖进对话框即可;也可以用 项目设置 → 本地文件夹 绑定整个数据目录,智能体按需读取,见 docs/webapp.md)
模板 2:真实科学数据(官方演示同款)
拉取人胰岛素(UniProt P01308),概括它的各条链,并画出残基疏水性。
它会依次:查 UniProt/RCSB 数据库 → 在内核里写 Python 计算 → 产出图表和可复现报告。整个过程是实时流式展示给你看的:
模板 3:计划模式做研究性分析
预测青蒿素和紫杉醇在常见有机溶剂(甲醇、二氯甲烷、DMSO 等)中的溶解度,综合实验数据与计算模型排序,并说明不确定性。
复杂问题它会先进入 Plan 模式给出研究计划,批准后再动手:
五、看懂结果:Notebook、Artifact 与"一句话改图"
分析过程中你会看到三块核心内容:
- 📓 Notebook:智能体写的每个 Python/R Cell(代码、输出、报错、图表)都带稳定 ID 展示,默认只读、可审计
- 📦 Artifact(产物):所有生成的文件都会变成不可变的版本化产物,带环境快照和数据血缘,可下载 ZIP
- ⏱️ Action Timeline:右侧停靠栏实时列出每一步工具调用、代码 Cell 和最终交付
最妙的是用自然语言改图——选中图表后说一句:
把置信度阈值提高到 75
图表立刻重绘,且生成新版本,随时可回滚:
六、常见问题快速排查
| 问题 | 解决办法 |
|---|---|
| 浏览器没自动打开工作台 | 终端运行 openai4s url,打开打印出的带令牌 URL |
| 端口被占用 / 已有实例在跑 | 运行 openai4s stop 停止旧实例 |
| 模型调用失败 | 到 设置 → 模型 复查当前激活的配置,确认 Key 与 Base URL |
| 查看日志 | PyPI 安装的日志在 openai4s serve 的终端;应用日志在 ~/.openai4s/logs/app.out |
完整排障与升级说明见 docs/startup-guide.md 和 docs/upgrading.md。
七、装好之后,还能玩什么
- 🔬 612 个内置 Skill:
alphafold2蛋白结构预测、single-cell-rna-analysis单细胞分析、panel-data-preprocessing面板数据清洗等,智能体按需自动加载(Skill 目录见 skills/,说明见 docs/skills.md) - ☁️ BYOC 远程 GPU 计算:通过
ssh或 NVIDIA NIM 把重活投送到自己的 GPU 集群(docs/compute.md) - 🔗 只读会话共享:把一个会话发布成快照链接,别人能看能导入,但密钥和权限永远不外流(docs/webshare.md)
- ⚙️ 全部配置项:模型供应商、环境变量、Conda 环境、CLI,见 docs/configuration.md
🎉 至此,从安装到第一次数据分析的完整路径已经走通。下一步建议:绑定一个自己的数据文件夹,让 OpenAI4S 处理一批真实 CSV——你会很快体会到"代码即动作"带来的效率。




