OpenResearch，一个开源的本地科研工作台，把 Claude Code、Codex、OpenCode、Cursor 这 4 款变成研究 Agent，每个研究方向单开一个 Agent 会话和一个独立的 git 工作树，互不干扰。 实验按 git 树来管，每次运行都存一份当时提交的快照，日志、改动、结果文件全挂在产生它们的那次运行下面，回头查得清楚。 GitHub： 它能把整个循环自动跑起来，提出想法、改代码、起实验、看结果、决定下一步试什么，多个 Agent 并行探索，实验树保留谱系。 每个方向一个工作树这个设计我觉得是最实在的一点，隔离干净了后面的事都好办。 同一份代码快照本地能跑，远程 GPU 机器上也能跑，Slurm、Kubernetes、Ray、Modal 都接，浏览器留在笔记本上看进度就行。 项目、对话、运行记录全存自己机器上，建项目和跑实验都不会把代码传出去。 有桌面版和命令行版两种，还能按关键词找论文、直接拉 arXiv 文章进来读。

⚗️ 发现一个能让 Claude Code 替你查文献、跑实验的科研神器：alphaXiv 开源的 OpenResearch。 OpenResearch 6 月才建仓，GitHub 上已经 1000+ star，版本号迭代到了 v0.1.122，最近两周基本隔两三天就发一版。 做研究最磨人的是那个循环：读论文、想点子、改代码、开实验、盯日志、看结果，再决定下一步。一轮下来一天没了，几个方向同时推进更是乱成一锅粥。 OpenResearch 能把 Claude Code、Codex 或 OpenCode 变成研究 agent，让它自己把这个循环跑下去：提想法、改代码、启动实验、检查证据、决定往哪走。每个研究方向一个独立会话、一棵隔离的 git worktree，互不打架；每次运行都绑定一个提交做成不可变归档，日志、diff、结果都挂在对应的实验上，回头复盘不用翻聊天记录。 同一份代码快照能扔到本地、SSH、Slurm、Kubernetes、Modal 上跑，默认只在本机运行、数据存本地 SQLite，建项目、跑实验都不会把代码公开出去。 以后导师问你“这个结果怎么来的”，直接翻实验树就行。 GitHub：

🎓 兄弟们，又挖到一个宝藏课程：7 周从零搭出一套生产级 RAG 系统 GitHub 上 7.7k stars，全程动手写代码，不是幻灯片课 市面上的 RAG 教程大多直奔向量检索，demo 能跑，但是上线就崩。 这门课走的是公司里真实的路径：第一周先把 Docker、FastAPI、PostgreSQL、OpenSearch、Airflow 的基建搭起来，然后老老实实做 BM25 关键词检索，再叠上语义向量做混合检索，最后用 LangGraph 做 agentic RAG，还接了个 Telegram bot 随手提问。 跟完的产出不是 demo，是一个自动抓 arXiv 论文、能回答研究问题的完整系统。 学 RAG 最快的方式，是把它完整造一遍。 GitHub：