Летом 2026 года у исследователей появился новый класс инструментов — и, как обычно бывает с новыми инструментами, вокруг него уже больше восторгов, чем проверенных фактов. Я не люблю ни восторги, ни страхи: люблю эксперимент. Поэтому мы взяли один из таких инструментов — открытый и бесплатный OpenScience, — поставили его на обычный ноутбук и дали ему настоящую исследовательскую задачу из области, которую я хорошо знаю. Ниже — что получилось, сколько это стоило и какие ошибки нашла ручная проверка. Спойлер: результат одновременно впечатляет и отлично отрезвляет.
Сначала — что это вообще такое
Начну с главного, потому что за пределами узкого круга слово «воркбенч» не говорит ничего.
Все уже привыкли к чат-ботам: вы задаёте вопрос — нейросеть отвечает текстом. Это разговор. Агентный воркбенч — это не разговор, а рабочее место: вы ставите задачу, а программа сама выполняет цепочку действий, которые обычно делает исследователь. Сама формулирует поисковые запросы. Сама обращается к базам научных публикаций — не «вспоминает» статьи из обучающих данных, а в реальном времени запрашивает каталоги вроде OpenAlex и Semantic Scholar, где проиндексированы сотни миллионов работ. Сама пишет и запускает код, если задача требует посчитать. И в конце сама собирает результат в файл-отчёт, который остаётся у вас на компьютере.
Если чат-бот — это собеседник, то воркбенч — это стажёр, которому вы выдали задание и доступ к библиотеке. Стажёр быстрый, не устаёт и стоит копейки. Вопрос, ради которого писался этот текст: можно ли ему доверять?
Поводом для теста стал выход Claude Science — «научного рабочего места» от Anthropic (30 июня 2026 года). Инструмент серьёзный, но доступен только по платной подписке, которую из России к тому же не оплатить. А уже через неделю сообщество разработчиков выпустило открытый ответ — OpenScience: тот же принцип, исходный код открыт (лицензия Apache 2.0), работает с любой языковой моделью, включая дешёвые и доступные из России. Именно поэтому тестировали мы его: для молодого учёного или аспиранта это сегодня единственный реалистичный способ попробовать агентный ИИ в научной работе.
Не перепутайте. Есть похожий по названию проект openscience.ai — платформа, где ИИ-агенты «самостоятельно совершают открытия»: сами выдвигают гипотезы, сами рецензируют друг друга и сами публикуют результаты с DOI. К инструменту, о котором эта статья (openscience.sh), он отношения не имеет. И само явление «наука без человека в цикле» — на мой взгляд, прямая противоположность ответственному использованию ИИ, о котором мы здесь говорим.
Установка: честно о пороге входа
Не буду приукрашивать: OpenScience ставится через терминал — ту самую «чёрную консоль», которая пугает гуманитариев. Но весь порог входа — это три команды по инструкции с официального сайта и один API-ключ.
Что понадобилось на практике:
- Установить программу — две команды в терминале (Node.js и сам OpenScience). Заняло около десяти минут вместе с чтением инструкции.
- Получить API-ключ — «пропуск» к языковой модели. Сам OpenScience бесплатный, но думает он чужой нейросетью, и её работа оплачивается по счётчику. Мы взяли DeepSeek: регистрация занимает минуты, сайт и API открываются из России без ограничений, минимальное пополнение — около двух долларов (порядка 150–200 рублей). Один нюанс: российскую карту платёжная система напрямую не принимает (официальные способы — PayPal, международная карта, Alipay), поэтому баланс обычно пополняют виртуальной зарубежной картой или через сервис-посредник за рубли. Забегая вперёд: весь наш эксперимент обошёлся примерно в пять рублей ($0.06 по курсу июля 2026 года).
- Включить песочницу — одна команда (
openscience sandbox enable), после которой агент может работать с файлами только внутри рабочей папки проекта. Это техника безопасности: самостоятельному инструменту не должно быть доступно лишнее.
Если вы ни разу не открывали терминал — не останавливайтесь: мы собрали отдельную пошаговую инструкцию по установке с каждым кликом, оплатой из России и разбором типовых ошибок.
После этого в браузере открывается рабочее пространство: окно диалога с агентом, файлы проекта, встроенный терминал. Интерфейс, к слову, частично на русском — приятная неожиданность для проекта двухнедельной давности.
Эксперимент: задача, которую я могу проверить
Здесь важный методологический момент, с которого я советую начинать любое знакомство с ИИ-инструментом: тестируйте его на теме, которую знаете сами. Иначе вы не отличите уверенный тон от верного ответа — а уверенный тон у языковых моделей поставлен безупречно.
Мы дали агенту тему «научные школы» — по ней у меня недавно выходил подробный разбор с проверенной библиографией, так что было с чем сравнивать эталон. Задание сформулировали так (привожу полностью, потому что формулировка — половина результата):
Проведи обзор научной литературы по теме «научные школы» (scientific schools, research schools) в социологии науки и науковедении. Нужно: 1) ключевые определения понятия и основные авторы — зарубежные и российские; 2) признаки научной школы; 3) жизненный цикл научной школы; 4) заметные работы 2015–2026 годов. Ищи через OpenAlex и Semantic Scholar. Для каждого источника укажи авторов, год, журнал и DOI. Не выдумывай источники: включай только те, что реально нашлись в базах, и если по какому-то пункту ничего не нашлось — прямо так и напиши.
Обратите внимание на две вещи: требование DOI (уникального идентификатора публикации, по которому её можно проверить за секунды) и прямой запрет выдумывать. Это не формальность — ниже будет видно, что именно эти условия сделали результат проверяемым.
Что выдал агент
Через 5 минут 16 секунд в папке проекта лежал файл: структурированный обзор на русском языке — определения и авторы (западная традиция от Флека и Куна до Кнорр-Цетиной, российское науковедение от Ярошевского до Логиновой), семь признаков научной школы, две модели жизненного цикла, семнадцать работ 2015–2026 годов с идентификаторами. Стоимость — те самые пять рублей.
Скажу прямо: содержательно это сильный черновик. Соотнесение западной и российской традиций выстроено разумно, признаки и стадии жизненного цикла школы изложены без грубых искажений — я сверяла с собственным разбором темы. Отдельного уважения заслуживает честность там, где базы пусты: русскоязычную классику науковедения (Ярошевский, Микулинский, Карцев) агент прямо пометил как «не найденную в базах» и написал об этом отдельный абзац — вместо того чтобы приделать к знакомым фамилиям правдоподобные ссылки.
Если бы на этом можно было закончить, заголовок статьи был бы другим. Но мы проверили ссылки.
Галлюцинации в ссылках: 7 ошибок из 18 — и все одного сорта
Протокол простой и доступный каждому: берём каждый идентификатор из обзора, открываем его в OpenAlex (или переходим по DOI) и сверяем название, авторов и год с тем, что написал агент. На ссылку уходит меньше минуты.
Результат: из 18 проверяемых ссылок 10 оказались точными, 7 содержали существенные ошибки, ещё одна работа процитирована в двух местах под разными идентификаторами.
Самое интересное — характер ошибок. Вот главные:
| Агент написал | По ссылке на самом деле |
|---|---|
| Флек, «Возникновение и развитие научного факта» (1935) | Статья 1988 года о Флеке |
| Кун, «Структура научных революций» (1962) | Рецензия 2013 года на книгу Куна |
| Крейн, «Незримые колледжи» (1972) | Рецензия 1977 года на книгу Крейн |
| Кнорр-Цетина, «Эпистемические культуры» (1999) | Препринт 2015 года с похожим названием |
| Фортунато и др., «Science of Science» (Science, 2018) | Другой обзор со сходным названием (2017) — при этом DOI указан от правильной работы |
| Азулей и др., «Superstar Extinction» («QJE, 2019») | Препринт 2008 года; журнальная версия выходила в 2010-м |
Паттерн виден невооружённым глазом: свежие журнальные статьи с DOI агент цитирует точно, а классические книги подменяет рецензиями на них или статьями о них. Механика понятна: монографий полувековой давности в базах часто нет, поиск по названию возвращает похожую запись — рецензию, препринт, юбилейную статью, — и агент прикрепляет её идентификатор к правильному библиографическому описанию. Получается гибрид: текст ссылки верный, а сама ссылка ведёт не туда, — классическая галлюцинация нейросети, только не в самом тексте, а в библиографии. В список литературы диссертации такое въезжает незаметно — и очень заметно смотрится на защите.
И ещё одно ограничение, важное именно для нас: OpenAlex и Semantic Scholar почти не индексируют советскую и российскую науковедческую литературу. Агент честно это признал, но вывод сделаем мы: для русскоязычной части обзора эти инструменты пока не работают — путь по-прежнему лежит через eLibrary и КиберЛенинку, руками.
Шесть правил ответственной работы с ИИ-воркбенчем
Свожу опыт эксперимента в правила — они продолжают методологическую линию, которую я начала в разборе ИИ-рецензирования научных статей:
- Первый запуск — на известной теме. Пока вы не увидели, как инструмент ошибается там, где вы можете его поймать, не давайте ему тем, где поймать не сможете.
- Требуйте DOI и запрещайте выдумывать — прямо в задании. Наш запрет сработал: агент предпочёл честное «не нашлось» правдоподобной выдумке. Проверяемость закладывается формулировкой задачи.
- Проверяйте каждую ссылку по первоисточнику. Меньше минуты на ссылку — против рецензии вместо книги в вашем списке литературы. Особо придирчиво — к классике до эпохи DOI: это главная зона подмен.
- Русскоязычную литературу ищите руками. eLibrary и КиберЛенинка в агентные базы пока не входят — и ни один международный воркбенч вашу отечественную историографию не закроет.
- ИИ-обзор — это карта, а не текст. Используйте результат как черновик структуры и список кандидатов в библиографию, но ни один абзац не должен попадать в вашу работу без чтения самих источников.
- Фиксируйте инструмент, версию и дату. Мы тестировали OpenScience 1.3.4 в июле 2026 года; через полгода и интерфейс, и качество будут другими. Воспроизводимость начинается с таких мелочей.
Что в итоге
За пять минут и пять рублей мы получили то, на что у аспиранта ушла бы неделя, — рабочую карту литературы по теме. И одновременно — семь ошибок в ссылках, каждую из которых нашла получасовая ручная проверка. Оба факта важны одинаково.
Агентные воркбенчи в науке — уже не будущее, а инструмент, который ставится на обычный ноутбук за вечер. Запрещать их студентам бессмысленно, слепо доверять — опасно. Остаётся третий путь, самый скучный и самый надёжный: освоить инструмент и встроить его в дисциплину проверки. Навык верификации того, что предлагает машина, на наших глазах становится такой же базовой грамотностью исследователя, какой когда-то стало умение работать с библиотечным каталогом.
Вопросы и ответы
Это программа, в которой ИИ-агент не просто отвечает на вопросы, а выполняет исследовательские задачи: ищет публикации в научных базах (OpenAlex, Semantic Scholar), запускает код и собирает результат в отчёт. Пример — открытый OpenScience, аналог Claude Science от Anthropic.
Сама программа бесплатна (открытый код, Apache 2.0). Платите только за работу языковой модели по счётчику: наш обзор литературы обошёлся примерно в 5 рублей ($0.06) через DeepSeek. Для старта нужно минимальное пополнение счёта модели — около двух долларов, то есть 150–200 рублей (российской картой напрямую не оплатить, см. раздел об установке).
Да. Программа ставится локально и работает с любой языковой моделью, включая DeepSeek, чей сайт и API открываются из России. Единственный барьер — пополнение баланса: российские карты напрямую не принимаются, используют виртуальную зарубежную карту или сервис-посредник.
Нет. В нашем тесте агент за 5 минут собрал содержательно сильную карту темы, но 7 из 18 ссылок содержали ошибки — вместо классических книг он цитировал рецензии на них. ИИ-обзор — черновик и список кандидатов в библиографию, а не готовый раздел работы.
Свежие статьи с DOI цитируются точно, а книги до эпохи DOI подменяются похожими записями из баз: рецензиями, препринтами, статьями о самой книге. Поэтому каждую ссылку нужно проверять по первоисточнику — на это уходит меньше минуты.
Так называют уверенно поданную, но ложную информацию от языковой модели — например, ссылку на несуществующую или подменённую работу. В нашем тесте галлюцинациями оказались 7 ссылок из 18: агент цитировал рецензии на книги вместо самих книг. Единственная защита — проверять каждый факт по первоисточнику.
