为你的设备推荐
macOS Apple Silicon
适用于 M 系列芯片 Mac；DMG 已签名并完成 Apple 公证。
wisp-science_1.8.0_aarch64.dmg开源 · 本地优先 · 科研 Agent 工作台VOL. 01 / v1.8.0
Wisp Science从科研问题，到可复现的研究产物。
Wisp Science 是面向桌面端和 CLI 的开源、本地优先科研 Agent 工作台，把论文、本地数据、Python/R、科研数据库与 Agent 工作流组织进可追溯的项目。
自备模型服务，项目状态保留在本地。
研究记录 · WS-014分析轨迹已保存
研究问题
哪些通路能够区分对治疗产生响应的细胞群？
响应群体
01证据
12 篇论文 · 3 份本地数据
02方法
Scanpy 工作流 · 持久 Python
03结果
Marker 表 · UMAP · Methods 说明
最新版本
安装 Wisp Science，从一个本地项目开始。
发布文件由 GitHub 提供。页面展示安装包校验值，方便使用前核对下载内容。
智能下载
为这台电脑推荐合适的版本。
页面会识别 Windows 或 macOS，并优先推荐最常用的安装包。浏览器无法可靠判断 Mac 芯片时，默认推荐 Apple Silicon。
全部安装包
所有安装包与 SHA256 校验值
这里列出当前版本的所有安装包，包括 Intel Mac 与 MSI，并提供 SHA256 校验值供下载后核对。
macOSDMG
Apple Silicon
M 系列 Mac · 已签名并公证
SHA256
下载 Apple Silicon81fef2fb6cfb873f93a36580ea08ab7ee929fbbe49fba34d5b706a1e154e09damacOSDMG
Intel
Intel Mac · 已签名并公证
SHA256
下载 Intelcecc309872275fb8e7e026284dbabe79f65231177f01eac973a1f744e176ccafWindowsEXE
安装程序 EXE
标准 Windows 安装程序
SHA256
下载 安装程序 EXE4dc2823d2e7c0975f47daee04e1334a915ab5cee2b20909eaff2b441f3c94dd5WindowsMSI
MSI
适合企业部署的安装包
SHA256
下载 MSI968c3266f3da2141b36271b0944933333a43c1a0cab37535919d0cf6f0614280真实产品界面
真实工作流，不是概念演示。
从科研问题到证据、分析、表格和可复现产物，都在同一个本地项目中展开。
01 / 05
WISP SCIENCE
用户来自高校与科研团队
Cornell University
University of Michigan
UCLA
Yale University
Tsinghua University
Zhejiang University
Washington University in St. Louis
Saint Louis University
Shanghai Jiao Tong University
Peking University
Chinese Academy of Sciences
你的研究工作区
把资料、分析和结果放在同一个项目里。
你可以在 Wisp Science 里整理论文和本地数据、运行 Python 或 R、查询科研数据库，并把代码、图表与判断过程一起保存。项目文件保存在本机；只有在你使用自己配置的模型、数据库、其他 Agent 或远程计算环境时，才会连接对应服务。
一项研究需要的内容
- 01资料
论文与本地文件
把一个问题需要的资料放进项目，同时保留原始文件的位置与来源。
- 02过程
问题、计划与判断
每一步为什么这样做都和任务放在一起，之后可以继续、复查或交接。
- 03分析
Python、R 与科研 SKILL
在同一个项目里运行分析和可复用工作流，减少在不同工具之间搬运数据与上下文。
- 04结果
代码、表格、图片与历史记录
需要核对或分享结果时，可以回到生成它的代码、输出和完整过程。
数据离开本机之前项目保存在本机，外部服务按需连接。
项目文件、会话历史和生成结果保存在本机。任务使用模型、数据库、ACP Agent 或远程计算环境时，完成该步骤所需的信息会按你配置的服务和凭据处理；处理敏感资料前，应先确认将发送哪些内容。
从问题到结果
从找资料、做分析，到整理出可以复查的结果。
论文、数据、代码、图表和关键判断都留在同一个项目里。以后需要核对、继续分析或交给同事时，不必再从零拼回整个过程。
- 01
发现
检索论文和生物数据库，检查本地文件，围绕科研问题组织证据。
- 02
分析
运行持久 Python 或 R、shell、MCP 工具与领域 SKILL 工作流，同时保留项目级计算状态。
- 03
核验
执行前审阅计划，检查中间文件，并把每个 artifact 追溯到输入和代码。
- 04
表达
从同一份研究记录导出图表、表格、Methods、引用和叙述性报告。
把可复现性写进会话
证据、代码与上下文，保留在同一份研究记录里。
表格、图片、代码块、LaTeX 公式与文件路径都可以成为 artifact，并与生成它们的对话、代码、日志、输入文件和环境信息保持关联。
@ 文件引用
直接附加正在查看的文件或当前项目中的任意文件，不打断研究上下文。
计划审批
让 Agent 先提出多步方法，暂停等待审阅，获得批准后再继续执行。
Artifact 溯源
查看表格、图片、代码、公式和文件引用时，同时核对生成它们的上下文与输入。
PROVENANCE 账本WS / TRACE-014
01输入
counts_matrix.h5adSHA256 已核验02方法
scanpy_marker_workflow记录 29 个步骤03图片
umap_response.png附带生成代码04报告
methods_and_results.md引用已关联可复现
研究图版
一个工作台，面向不同科研问题。
围绕具体任务，把数据库检索、本地计算、领域工作流和结构化写作组织在一起。
图版 0101 / 04
单细胞分析
运行 Scanpy 或 scVI 风格工作流，完成细胞群注释，并导出 UMAP、Marker 表和 Methods 说明。
图版 0202 / 04
蛋白结构
拉取序列和结构，组合 AlphaFold、Boltz 或 OpenFold 类 SKILL，并生成结构化解释。
图版 0303 / 04
化学信息学
检索 ChEMBL 或 PubChem，比较活性数据，计算性质，并整理 SAR 风格表格。
图版 0404 / 04
文献与写作
检索 PubMed 或 Semantic Scholar，检查 PDF，起草 Discussion，并把引用与文本关联。
Demo 图谱
使用 API 额度前，先检查完整 Agent 轨迹。
内置只读会话展示常见生命科学任务如何从问题走向证据和导出结果。
Raw counts → hit calling → 可视化报告
序列分析 → 突变建议 → 活性推理
宏基因组检索 → 跨数据库功能注释
肿瘤免疫文献 → 证据图谱 → 假设
来自科研现场的反馈
他们这样推进研究。
不是一句“帮我分析”，而是把真实、具体的科研任务交给 Wisp Science，连同证据、代码与过程一起推进。
01 / 06
先帮我把这批单细胞数据完成质控，再判断几个 cluster 的细胞类型。每一步的参数、图和判断依据都留下来，我明天组会要逐项讲清楚。
02 / 06
把近五年与这个靶点相关的临床前研究梳理出来。不要只给结论；请列出检索来源、彼此矛盾的结果，以及仍然缺失的证据。
03 / 06
这几个突变位点可能影响蛋白稳定性吗？先查数据库和文献，再给我一套可以在本地复现的分析方案；原始数据不要离开我的电脑。
04 / 06
我把 20 篇 PDF 放进项目了。请按实验体系整理各自使用的对照，标出数字对不上的地方；每一条都要能回到原文。
05 / 06
先别急着解释这组代谢组结果。帮我检查缺失值、批次效应和异常样本，再把建议的统计步骤写成一份可重复运行的脚本。
06 / 06
根据这组候选分子检索 ChEMBL 和 PubChem，比较活性、选择性和已知风险。最后告诉我，下一轮最值得补哪三个实验。
匿名早期用户反馈；身份已作概括，文字经压缩编辑以提高清晰度，头像为示意插画。
开始之前
Wisp Science 是什么，以及它的边界。
01Wisp Science 是一个新模型吗？
不是。它是开源桌面和 CLI 应用，使用你自己配置的模型服务与凭据。
02和通用 AI 助手有什么不同？
它可以执行本地 Python、shell 与文件工具，调用 MCP 数据库，遵循领域 SKILL 工作流，并保留 artifact provenance。
03研究数据会留在本地吗？
项目文件、会话、artifact 和设置保留在本地。Prompt 与响应仍会经过你配置的模型服务。
04现在适合正式研究吗？
Wisp Science 仍是面向本地科研工作流的活跃预览版本。关键方法与输出应人工复核，并以 Release 说明确认当前签名和更新状态。