OpenResearch запускает параллельных AI-агентов для научных гипотез и кода
Когда даешь современным кодинг-ассистентам задачу проверить несколько смелых гипотез, рабочая директория быстро превращается в кашу. Один агент перезаписывает файлы другого. Логи бенчмарков теряются в буфере терминала. Через пару часов сидишь и пытаешься вспомнить, на каком конкретно коммите функция выдала пиковый результат.
Команда alphaXiv, известная своим сервисом для обсуждения научных статей, выложила инструмент OpenResearch. Это локальное рабочее окружение, написанное на Rust, которое берет на себя рутину: изолирует запуски агентов по отдельным веткам git, собирает дерево экспериментов и подшивает логи прямо к зафиксированным снимкам кода.
Автономные исследования без путаницы в ветках
Главная идея проекта заключается в цикле так называемого autoresearch. Агент формулирует идею, вносит правки в исходный код, запускает бенчмарк или скрипт обучения, смотрит на результат и решает, куда двигаться дальше.
Если запускать этот цикл в одном каталоге, все сразу развалится. OpenResearch решает вопрос технически просто и надежно: через git worktree. Каждая гипотеза получает собственную изолированную директорию. Вы можете одновременно натравить несколько разных агентов на разные задачи:
Claude Code проверяет оптимизацию векторизации,
Codex ищет утечки памяти,
OpenCode тестирует альтернативную архитектуру слоя.
Агенты работают параллельно, не блокируя друг друга и не ломая вашу основную рабочую копию.
Как устроена фиксация результатов
Для любого исследования воспроизводимость стоит на первом месте. Разработчики OpenResearch выстроили дерево экспериментов на базе коммитов git.
Каждый запуск создает неизменяемый снимок репозитория. К этому коммиту намертво привязываются:
- Текстовые логи стандартного вывода и ошибок
- Диффы изменений кода
- Выходные файлы, веса или сгенерированные графики
- История рассуждений агента и принятые решения
Вся база хранится локально в SQLite. Сервис поднимается на 127.0.0.1:4791, поэтому ваши черновики и приватный код никуда не улетают без явной команды.
Быстрый старт
Утилиту можно поставить через официальный скрипт для macOS и Linux или скачать десктопное приложение:
curl -LsSf https://openresearch.sh/install.sh | sh
orx up
Команда orx up запускает локальный сервер и открывает веб-панель в браузере. Если нужно подключить интеграцию навыков в ваших кодовых агентов, достаточно выполнить одну команду:
orx install-skills
После этого ассистенты получают доступ к внутренним инструментам OpenResearch и умеют сами управлять экспериментами через CLI.
orx projects
orx project view <project-id>
orx runs <project-id>
orx logs <run-id>
orx exp run <experiment-id>
Интересная деталь: в утилиту встроили поиск по научным статьям. Команды orx discover keyword <query> и orx paper <arxiv-id-or-doi> дают агенту возможность вытягивать контекст прямо из arXiv или по DOI, чтобы опираться на свежие публикации при генерации гипотез.
Вычисления там, где стоят видеокарты
Тяжелые задачи бессмысленно гонять на рабочем ноутбуке. OpenResearch умеет разворачивать рабочее пространство на удаленных машинах через SSH, Kubernetes, Slurm, Ray, Modal, Hugging Face Jobs или Tinker.
Чтобы работать с удаленным сервером через интерфейс на своем ноутбуке, есть режим проброса:
orx up --remote user@host
Здесь нужно помнить про техническую деталь. На удаленном хосте сервис слушает локальный интерфейс (loopback) без встроенной авторизации на прикладном уровне. Если на этом же сервере есть другие пользователи с шелл-доступом, они смогут достучаться до открытого порта. Для изолированных виртуалок или арендованных GPU-инстансов это не проблема, но на общем университетском сервере стоит быть аккуратнее.
Телеметрия и приватность
В релизных бинарниках включена базовая анонимная телеметрия. Создатели уверяют, что собирают только общие события с рандомным идентификатором установки. Промпты, пути к файлам, токены и названия проектов в аналитику не попадают.
Если отправлять наружу даже обезличенные счетчики не хочется, телеметрию можно выключить одной командой:
orx telemetry off
В сборках из исходников отправка метрик отключена по умолчанию.
Кому стоит попробовать
OpenResearch находится на ранней стадии развития, у проекта чуть больше 600 звезд на GitHub. Документация пока компактная, а многие сценарии придется щупать руками через CLI.
Инструмент пригодится:
- ML-разработчикам, которые устали вручную сопоставлять логи обучения с ветками в git
- Исследователям, тестирующим пачки алгоритмических гипотез через LLM
- Командам, которые строят автономные пайплайны генерации кода
- Разработчикам, желающим запускать Claude Code или Codex в изолированных песочницах
Если вы активно гоняете кодинг-агентов на реальных задачах и хотите навести порядок в экспериментах, связка из git worktree, локального SQLite и orx сбережет немало нервов.
