
Open-Science标注功能把选中的文字、图片与PDF证据递给AI【免费下载链接】open-scienceAIPOCH Open-Science is an open-source, local-first, model-agnostic AI research workbench for macOS, Windows, and Linux, with scientific agents, Python/R notebooks, data connectors, and reproducible provenance.项目地址: https://gitcode.com/GitHub_Trending/open/open-scienceAIPOCH Open-Science 是一款开源、本地优先、模型无关的 AI 科研工作台支持 macOS、Windows 和 Linux。它的标注功能让你只需选中一段文字、在图片上点一个点、或在 PDF 里框出一个区域就能把这份证据直接递给 AI Agent——不需要手动复制粘贴也不需要描述我指的是哪一段。什么是标注三种递证据方式标注Annotation是 Open-Science 中把上下文精准传递给 Agent 的轻量机制共三种类型定义见 annotations.ts类型触发方式适合场景文字标注选中对话、工具活动、澄清卡片或文件预览中的文字引用某句话让 AI 解释、修改、核对图片标注在生成或上传的图片上点击一个点指出图表里这个峰这条曲线的位置PDF 标注在 PDF 预览中选中文字或拖拽框选一个区域把论文里的公式、表格、图注作为证据每条标注都会携带来源信息——来自哪个项目、哪个会话、哪个文件版本——因此即使你之后编辑或重发消息标注也不会指错地方。 单条消息最多携带 10 个标注引用文字上限 4000 字符备注上限 2000 字符防止消息膨胀。三步上手选中 → 加备注 → 发送第 1 步选中或点击。文字标注的交互入口在 TextAnnotationSurface.tsx在消息流或文件预览中选中一段文字即可呼出标注编辑框图片标注则由 ImagePointAnnotationSurface.tsx 负责点击图片任意位置记录坐标。第 2 步写一句备注。在弹框里告诉 Agent 你希望它对这段证据做什么例如核对这里的阈值设置或解释这个峰值的含义。备注会成为 Agent 收到的指令。第 3 步发送。标注以卡片形式AnnotationCards.tsx显示在输入框上方随消息一起发送给 Agent。发送后点击卡片还能在原文中回跳定位方便复查。PDF 证据标注从读论文到给证据v0.23.0 起PDF 预览升级为完整的证据面板见 release-notes/0.23.0/en.md选中文本像普通阅读器一样划选选区会记录页码、精确文本与位置生成文字型 PDF 标注框选区域用鼠标拖出一个矩形如一张图或一段表格系统会自动截取该区域作为图片发给 Agent实现以图作证点按回显发送后的标注卡片支持点击回源在原始 PDF 中重新高亮展示当时的选区入口见 PdfPreview.tsx。注意图片和区域类标注需要视觉模型支持若当前模型无法看图系统会给出明确提示而不是静默失败。为什么标注是可复现的证据Open-Science 的核心理念是可复现研究标注正是其中一环每个标注都绑定文件版本标识版本 ID 与内容校验和即使文件后续被更新标注仍指向当时的确切内容标注会序列化为结构化的[Annotations]载荷写入消息可随会话导出、跨机器迁移.science会话包与工件溯源面板配合使用时Agent 的每个结论都能追溯回哪份文件、哪个版本、哪个选区。在文件预览中查看生成内容时右侧 Provenance 面板会展示该工件的执行日志、消息与环境信息结合标注你可以指着某段输出问 Agent这一步是怎么算出来的。适合谁用三个典型场景文献核对——把论文 PDF 中方法与数值不一致的两处文字分别标注一次让 Agent 对照分析图表解读——在生成的网络图、热图上点标注直接问这个模块代表什么复现质疑——引用报告中某句话 框选 PDF 原图要求 Agent 解释差异并给出修正。延伸阅读与关键文件功能发布说明release-notes/0.21.0/en.md文字与图片标注、release-notes/0.23.0/en.mdPDF 阅读上下文与证据标注数据模型与安全校验annotations.ts界面交互annotations/ 目录下的各组件PDF 预览与区域证据pdf-region-evidence.ts中文文档docs/zh-Hans/README.md下次当 Agent 答非所问时别再费力描述我说的是上面那个——选中它标注一下直接递过去就好。【免费下载链接】open-scienceAIPOCH Open-Science is an open-source, local-first, model-agnostic AI research workbench for macOS, Windows, and Linux, with scientific agents, Python/R notebooks, data connectors, and reproducible provenance.项目地址: https://gitcode.com/GitHub_Trending/open/open-science创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考