Wisp Science
GitHub 下载桌面版下载
技术 · AI for Science 全栈智能体底座

让每一次科研试错，都成为可验证、可复用的认知资产

Wisp Science 不是套在聊天框外的一层壳，而是一套 Agent-native 的科研操作系统：从文献、数据、算力到论文证据，一条端到端可追溯的链路贯穿科研全流程。假设可分叉，过程可审计，结论可封存，方法可复用。开源、本地优先、全平台原生。

下载桌面版 阅读源码
~80
科研数据库，Rust 原生直连
247
开箱即用的科研工具
27
内置科研技能，另接三大社区技能源
−26%
压缩后请求 token，真实会话实测
15
42 天内发布的功能版本
3
桌面平台原生安装包
[ T-01 ] 核心范式

范式跃迁：人机协同的递归式科研闭环

科学发现从来不是一次性的问答，而是提出、分叉、确证、结晶的螺旋上升。Wisp 把这条回路的每一环都做成一等公民：每一轮反馈都以结构化的形式保存下来，并抬高下一轮的起点。

  1. 提出

    协同推理 · Co-reasoning

    在常驻 Python／R 内核与约 80 个科研数据库之上，研究者与智能体围绕同一个项目共同推理。

  2. 分叉

    反事实探索 · Counterfactual exploration

    从任一结论处建立不可变检查点，并行展开相互隔离的竞争性假设。

  3. 确证

    证据裁决 · Evidential adjudication

    比对分支差异，将胜出的假设原子化并入主线，其余候选彻底清理。

  4. 结晶

    知识沉淀 · Knowledge consolidation

    将研究阶段封存为不可改写的里程碑，把验证过的流程蒸馏为可复用的技能。

[ T-02 ] 关键技术

七大核心引擎，驱动可信的科学智能体

不是 PPT 上的路线图，而是已经发布的能力：每一项都对应当前版本中可以直接使用的命令或界面入口。

Procedural Knowledge Crystallization

程序性知识结晶

一次成功的研究流程，不应只躺在聊天记录里。Wisp 将经过验证的会话轨迹蒸馏为结构化的程序性记忆：保留方法论中的不变量——步骤、模板与核验规则，剥离一次性的路径、课题与结论。技能以渐进式披露（progressive disclosure）按需加载，不挤占上下文窗口，让方法论跨会话、跨项目迁移。

落地为：/save-as-skill → SKILL.md，search_skills / use_skill 渐进加载。阅读教程

Ships as: /save-as-skill → SKILL.md, loaded progressively via search_skills / use_skill. Read the tutorial

/save-as-skill
── 轨迹蒸馏 ─────────────────────
+ 保留  已确认的步骤、输出模板与核验规则
- 剥离  本次文件路径、课题名称、一次性结论
→ .wisp/skills/lab-paper-note/SKILL.md

下一次研究：
/lab-paper-note  以同一套方法论开工
/save-as-skill
── trajectory distillation ──────
+ keep   confirmed steps, output template, checks
- strip  this run's paths, topic, one-off findings
→ .wisp/skills/lab-paper-note/SKILL.md

Next study:
/lab-paper-note  start from the same method
Counterfactual Hypothesis Branching

反事实假设分叉

科学的本质，是在多个竞争性假设之间作出裁决。Wisp 在任一回答处建立不可变检查点（immutable checkpoint），派生彼此隔离的探索分支：每条分支拥有独立的工作区、产物、运行、决策与外部资源记录；裁决完成前主线被冻结，杜绝交叉污染。经差异比对后，「设为主线」将胜出的假设原子化并入主线，其余候选连同残留一并清理——这就是计算科研中的证据确证。

落地为：探索分支（开始探索 · 查看差异 · 设为主线），以及轻量对话分支 /fork。阅读说明

Ships as: explorations (Start exploration · View diff · Set as mainline), plus lightweight conversation branches via /fork. Read the guide

main ──●── checkpoint · immutable
       ├─ 探索 A  Leiden res=0.8    独立工作区
       ├─ 探索 B  Leiden res=1.2    独立工作区
       └─ 探索 C  去批次后重新聚类     独立工作区

主线冻结 ─ 查看差异 ─ 设为主线
→ 胜出假设原子并入，其余候选清理
main ──●── checkpoint · immutable
       ├─ explore A  Leiden res=0.8   isolated
       ├─ explore B  Leiden res=1.2   isolated
       └─ explore C  batch-corrected  isolated

mainline frozen ─ View diff ─ Set as mainline
→ winner merged atomically, others cleaned up
Epistemic Milestone Sealing

认知里程碑封存

研究阶段完成后，它的问题、结论与局限、参数选择依据、关键脚本与数据被封存为研究历程中的里程碑：文件以校验和固定为快照，会话转为只读，此后的发送、压缩、撤销与删除都无法改写这段历史。新的发现可以修正旧结论，却永远不会覆盖它——这是面向科研的版本化认知（versioned epistemology）。

落地为：/archive 研究归档 → 研究历程节点 → 继续研究。阅读教程

Ships as: /archive → research-journey milestone → Continue research. Read the tutorial

/archive
研究问题 · 发现与局限 · 参数比较与选择依据
脚本汇编 · 材料清单
┌ 保留快照   按校验和固定当前字节
├ 原位保留   保留引用与校验和
└ 永久删除   仅限已登记的中间产物

→ 研究历程节点 · 继续研究
/archive
question · findings & limits · parameter rationale
assembled scripts · material inventory
┌ Keep snapshot   checksummed bytes
├ Keep in place   reference + checksum
└ Delete          recorded intermediates only

→ research-journey milestone · Continue research
Full-fidelity Agent Trajectory

全保真执行轨迹

智能体的每一次工具调用、参数、返回、耗时与 token 消耗都被持久化为结构化轨迹，并以甘特时间线呈现。它不是日志，而是可审计的科研过程证据：何时、基于什么输入、得到了什么结果，一目了然。完整轨迹可一键导出为自包含 HTML，用于复盘、评审与方法学分析。

落地为：/trajectory 轨迹视图 · 导出 HTML。阅读教程

Ships as: the /trajectory inspector · Export HTML. Read the tutorial

Turn 3 ─────────────────────────────
USER       比较三种批次校正方法
TOOL       python {harmony …}  → ok    4.2s
TOOL       python {scvi …}     → ok   38.7s
USAGE      in 12.4k · out 1.1k · cache 86%
ASSISTANT  Harmony 的整合指标最优 …

3 turns · 14 steps | LLM 21s · tool 51s
Turn 3 ─────────────────────────────
USER       Compare three batch corrections
TOOL       python {harmony …}  → ok    4.2s
TOOL       python {scvi …}     → ok   38.7s
USAGE      in 12.4k · out 1.1k · cache 86%
ASSISTANT  Harmony scores best on integration …

3 turns · 14 steps | LLM 21s · tool 51s
Claim–Evidence Binding

主张—证据精确绑定

论文中的每一项主张，都锚定到精确的产物版本（ArtifactVersion）、生成它的运行及已登记的输入，构成可追溯的证据谱系（provenance lineage）。定稿修订只读冻结；新修订继承而非改写历史证据，版本漂移与替代关系一目了然。

落地为：项目侧栏「论文证据」工作区，产物与运行上的「用于论文」。

Ships as: the Publication evidence workspace and Use in publication on Artifacts and Runs.

Claim 2 ─ “耗竭评分与预后相关”
  ├ Figure 3  ArtifactVersion a41e…  exact
  ├ Run       survival_cox.R        exit 0
  └ Inputs    cohort.tsv            checksum ok

Revision v2 · Frozen
→ Clone revision 继续，历史证据不变
Claim 2 ─ "Exhaustion score predicts outcome"
  ├ Figure 3  ArtifactVersion a41e…  exact
  ├ Run       survival_cox.R        exit 0
  └ Inputs    cohort.tsv            checksum ok

Revision v2 · Frozen
→ Clone revision; history stays intact
Epoch Context Engine · v1.14

纪元式上下文引擎

长程科研最怕智能体“失忆”。Wisp 的每一次压缩都在同一会话中追加一个新纪元（epoch）：原始消息、消息边界与逐轮文件撤销记录一字不改；回溯、分支与探索恢复的永远是完整上下文，而不是摘要。常规压缩归档工具噪声，语义压缩生成检查点并保留最近几轮；「模型视图」让你所见即模型所见，一键撤销即可回到上一纪元。在一个真实会话中，压缩后的请求从约 24.6 万 token 降到 18.1 万（−26%）。

落地为：/compact、/compact --semantic，「完整记录 / 模型视图」切换与撤销。

Ships as: /compact, /compact --semantic, the Full record / Model view toggle and undo.

epoch 0 ── 原始消息，一字不改
epoch 1 ── checkpoint.md + 最近几轮
           /compact --semantic 保留未解决的阻塞项

请求规模  ~246k → ~181k tokens  (−26%)

[完整记录]  [模型视图]   撤销 → epoch 0
回溯 / 分支 / 探索 → 恢复完整上下文
epoch 0 ── original messages, untouched
epoch 1 ── checkpoint.md + latest turns
           /compact --semantic keep open blockers

request  ~246k → ~181k tokens  (−26%)

[Full record]  [Model view]   undo → epoch 0
rewind / branch / explore → full context
Verified-delivery Agent Workflow · v1.13

可验证交付的多智能体编排

把复杂科研任务拆解为依赖图（DAG），子智能体并行推进、按需授权、最小权限。Wisp 不相信“已完成”三个字：每个节点的输出契约、工具失败与声明交付的文件都要逐项核验，通过的文件绑定产物快照；重试前重新校验契约、产物版本与校验和，只复用真正通过的节点。已有技能可一键转换为独立任务图，在 Workflow Studio 中可视化编排。

落地为：设置 → 工作流（Workflow Studio），输入框 / 调用，CLI create_workflow / run_workflow。阅读教程

Ships as: Settings → Workflows (Workflow Studio), / in the composer, and CLI create_workflow / run_workflow. Read the tutorial

claims ─────────┐
                ├──▶ synthesis ──▶ 交付核验
evidence_check ─┘

[ok] 输出契约     [ok] 工具无失败
[ok] 声明文件存在  [ok] 校验和一致
→ 绑定产物快照；重试只复用已通过节点
claims ─────────┐
                ├──▶ synthesis ──▶ verify delivery
evidence_check ─┘

[ok] output contract   [ok] no tool failures
[ok] files exist       [ok] checksums match
→ artifact snapshots bound; retries reuse passing nodes
[ T-03 ] 全场景能力矩阵

从一台笔记本到一整个实验室，全场景覆盖

浏览器、算力、运行时、技能供应链、移动协同……每一块能力都标注了首发版本，全部可在发布说明中查证。

v1.6 · v1.9

真实浏览器运行时

共享与隔离双会话，复用你已有的登录态；下载文件以 SHA-256 登记入项目；可驱动已登录的 ChatGPT、Gemini 标签页；遇到验证码时人机接力，确认后自动续跑。

v1.8

IDE 级 Python／R 工作台

类 RStudio 四象限：源码编辑、多行控制台、实时变量检查器与绘图面板。脚本直接在持久内核上执行，依赖对象缺失即拒绝，结果附带 SHA-256 与内核代次。

v1.4

算力任务全生命周期

SSH 任务按规则收集输出并校验 checksum，超大结果登记为远端引用；断点续传、失败重试、孤立文件清理与保留期限自动回收，一应俱全。

v1.12

供应链可信的技能市场

一站接入 OpenAI、Anthropic 与 BEAR 社区技能源。每次安装锁定到完整提交 SHA 并保留来源；安装过程不执行任何下载脚本，同名冲突绝不覆盖。

v1.11

研究日历与研究历程

跨项目研究日历加按日组织的研究历程：会话、运行、产物、文献、数据与决策汇入同一条时间线，每个产物都能回溯到生成它的运行与输入。

v1.7.1

零信任移动协同

飞书、微信通过桌面配对绑定可信所有者，陌生发送者在进入智能体前即被拒绝；来自 IM 的变更类操作强制审批，审批码一次一用。

v1.7

密钥零落盘

API 密钥、MCP 请求头与环境变量统一托管于系统钥匙串，含明文密钥的配置直接拒绝保存；写入工具无法经符号链接逃逸工作区。

v1.9

多窗口并行科研

每个项目独立窗口、独立恢复、独立审批范围；实时回复与审批留在所属项目，多条研究线并行推进、互不串扰。

v1.4

周期性科研自动化

应用运行期间，周期性任务按时投递到新会话或既有会话并保留运行历史；重启后自动补执行错过的周期。

v1.5 · v1.7

多模态生成与视觉理解

可接入图片与视频生成模型，MP4 在对话内直接播放；具备视觉能力的模型以原生图像输入读取图表。

v1.14

桌面级 Computer Use

内置 computer-use 技能，借助 Cua Driver 直接操作桌面应用，把智能体的行动边界从终端延伸到整个桌面。

v1.7

Motif DNA 序列工作台

加载本地序列文件，选中区间一键送回对话，让湿实验序列与智能体分析无缝衔接。

v1.5

一键成果分享

会话一键导出为 PNG 长图或独立 HTML，表格与公式原样渲染，支持敏感词打码，组会汇报即拿即用。

v1.8.1

工作区级灾备恢复

即便应用数据库与项目包全部丢失，也能扫描工作区中的 .wisp/history 恢复会话，源归档一字不改。

v1.2

全平台原生分发

Windows、macOS（Apple Silicon／Intel）与 Linux（x86_64／aarch64，deb／AppImage）全覆盖，一套 Rust 内核，三大平台同步发布。

[ T-04 ] 工业级底座

支撑长程科研的智能体基础设施

研究往往持续数周乃至数月。下面这些底层能力，让智能体在长周期、多环境、高风险的任务中依然可控、可查、可延续。

有状态计算连续体

每个项目、执行环境与语言独享常驻 Python／R 内核，命名空间跨单元、跨轮次持续存在，数据只需加载一次。

存档优先的无损上下文压缩

上下文用量达到 80% 时，先存档完整历史，再裁剪工具噪声、生成增量检查点摘要。旧对话从不被静默丢弃。

异构算力统一控制平面

本机、WSL 与 SSH 服务器共享同一套 Run 抽象：提交、监控、收取与传输，状态、日志和输出位置均有记录。大数据以带校验和的远程引用表示，而不是默认同步到本地。

可演化的智能体环境

项目级智能体宪章（AGENTS.md／.wisp/WISP.md）、/remember 记忆笔记、专家角色与技能库，让每一轮反馈都能改写下一轮的工作环境。

多智能体任务图编排

Agent Workflow 以依赖图（DAG）编排彼此独立的子任务，也能把已有技能拆解为任务图；/review 召唤审查员独立审阅，ACP 协议可调度外部编码智能体。

原生科学知识基座

23 个原生连接器、247 个工具直达 PubMed、UniProt、ChEMBL 等约 80 个数据库；外部 MCP 工具按需检索、渐进加载。

人在回路的细粒度干预

/rewind 回退重来、/fork 分支对话、/btw 旁路问答、随时停止智能体与取消 Run：研究者可以在任意时刻质询、修正、否决与重跑。

确定性行为评测门禁

持续集成在 Windows、macOS 与 Linux 上运行确定性的无头智能体评测套件，把智能体行为当作回归测试的契约，而不是演示。

本地优先与密钥隔离

项目与会话记录保存在本机数据库，文件留在工作区；API 密钥与 SSH 私钥交由操作系统钥匙串托管，从不写入数据库。

[ T-05 ] 范式对照

那些被称作“前沿”的理念，在 Wisp 里早已是日常

交互式科研智能体、递归自我改进、以研究轨迹构建可复用任务……这些提法近来频繁出现。下表把它们逐一对应到 Wisp 当前版本中可以直接使用的功能。

理念在 Wisp 中的实现
交互式科研中的递归自我改进/save-as-skill、/remember、专家与项目级 AGENTS.md：每一轮反馈都沉淀为下一轮的起点
科学家的质询、修改、采纳、否定、重跑/rewind 回退、/fork 分支、探索分支的「设为主线」与「放弃探索」、Run 重新提交
工作环境随反馈持续演化技能库、记忆笔记、专家与项目智能体上下文在项目内持久保存，随时修订
研究轨迹、工具调用与任务状态可重组复用全保真轨迹与 HTML 导出、Run 记录、研究历程时间线、无头 CLI 确定性评测套件
问题、数据、文献、代码、假设与验证的结构化组织项目控制平面：执行环境、数据、Run、产物、论文与决策统一管理，由研究历程串联
文献综述、代码执行与数据分析一体化27 个内置技能、常驻 Python／R 内核、约 80 个科研数据库
IdeaHow Wisp implements it
Recursive self-improvement through interactive research/save-as-skill, /remember, Specialists and project AGENTS.md: every round of feedback becomes the starting point of the next
Scientists question, modify, adopt, reject and re-run/rewind, /fork, Set as mainline / Abandon exploration, Run resubmission
The work environment evolves with feedbackSkills, memory notes, Specialists and project agent context persist in the project and can be revised at any time
Trajectories, tool calls and task status become reusableFull-fidelity trajectories with HTML export, Run records, the research-journey timeline and a deterministic headless eval suite
Questions, data, literature, code, hypotheses and verification, organizedA project control plane for execution contexts, data, Runs, Artifacts, papers and decisions, connected by the research journey
Literature review, code execution and data analysis in one place27 bundled Skills, resident Python/R kernels and ~80 scientific databases
[ T-06 ] 迭代速度

42 天，15 个功能版本

自 2026 年 7 月首个公开版本以来，Wisp Science 已完成 63 次发布。1.0 之后，几乎每三天交付一个带主题的功能版本。

  1. v1.0 · 08-10New Dawn隔离式探索分支
  2. v1.1 · 08-12Branches分支比较与汇合、确认式记忆
  3. v1.2 · 08-13ExplorationLinux 全架构、查询感知记忆
  4. v1.3 · 08-14Memory动态压缩、内置模型目录
  5. v1.4 · 08-17Server算力任务全生命周期、定时自动化
  6. v1.5 · 08-19SharePNG／HTML 分享、图片与视频生成
  7. v1.6 · 08-22Browse真实浏览器运行时、轨迹检查器
  8. v1.7 · 08-26Trace & Trust轨迹导出、密钥入钥匙串
  9. v1.8 · 08-30Python & R RuntimeIDE 级运行时工作台
  10. v1.9 · 09-05Multi-Window多窗口并行、人机接力验证
  11. v1.10 · 09-08MCPRust 原生科研连接器
  12. v1.11 · 09-10Research Journey研究日历、论文证据
  13. v1.12 · 09-12Skill Marketplace供应链可信的技能市场
  14. v1.13 · 09-16Agent Workflow可验证交付的任务图编排
  15. v1.14 · 09-21Context Compact纪元式上下文、研究归档

查看全部发布说明 →

开源、本地优先、可审计。这只是开始。

本页提到的每一项技术，都在同一个 AGPL-3.0 开源仓库中，每一个版本号都能在发布说明里查证。欢迎阅读源码，逐项验证。

下载桌面版 浏览教程 阅读源码