面向科学发现的
可信闭环智能体平台
让 AI 在完整科研闭环中推进科学发现 —— 人始终掌握决策，证据全程可核验
已在 晶体材料发现薄膜制备寻优更多科学场景 得到验证 · 场景由 skill 扩展
45 秒看懂可信闭环#
从自然语言发起到四阶段推进、产物与证据链回看的完整链路
完整版及更多材料：GitHub Release v0.1.0 · 直达本节：pdl-openair.github.io/OpenAIR/#demo
科研的四个老问题，闭环的四个新答案#
OpenAIR 把「科研怎么做」建模为可编排、可验证、可追溯的四阶段过程模型，而非一条写死的流水线
验证场景：材料科学#
平台能力领域无关，材料发现与制备是当前完成全链路验证的场景；更多领域通过新增 skill 接入
晶体材料发现
从目标性能出发，候选生成 → 进化搜索 → 计算验证（VASP 能带 / 稳定性）全链路自动推进，产出带数据支撑的候选清单与分析报告。
AlN 薄膜 PVD 参数寻优
文献证据结构化 → 制备参数推荐 → 湿实验制备 → 结果反馈再设计的四轮迭代闭环，最大压电性能持续提升。
四层机制：从约束执行到证据复核#
直面科研智能体从演示走向可复用应用的三类工程挑战——执行难约束 · 反馈难闭环 · 过程难复核
🔁 四阶段任务编排
problem_modeling → solution_design → execution_validation → insight_generation，支持阶段状态管理与检查点回退；L2 通用编排与 L3 领域原子 Skill 分层，结构化输入输出约束与契约测试落实到每次能力调用——保留编排灵活性，同时提高执行可控性。
🧩 契约化 Skill 管理
按标准化 frontmatter、目录结构与 Schema 组织 200+ 多领域技能，支持注册、检索、组合、版本管理与契约测试；新领域即新增 skill 包、平台无需改代码，replay 回放可零密钥复现同一执行过程。
🧾 分层证据追溯
记录 Skill 来源、许可证、阶段映射与迁移记录，并关联任务执行与数据产物；追溯链从来源与版本逐步扩展到计算参数、实验数据、运行环境与结论验证依据，支撑过程审查与复现。
🧪 干湿实验反馈衔接
适配云际计算平台与云实验平台，实测数据回传后直接进入下一轮方案修订与任务编排，支持基于反馈的阶段回退与迭代；反馈驱动的自动策略学习列为后续研发方向。
三种方式开始#
# 方式 B：openair CLI pipx install openair-cli openair up # 克隆 → 配置（随机密钥+管理员）→ 启动 → 打开浏览器 # 方式 C：Docker git clone https://github.com/pdl-openair/OpenAIR.git cd OpenAIR && cp .env.example .env docker compose up -d --build # 工作台 http://localhost:8080 · API http://localhost:8000/health