之前折腾了把 Claude Science 装进 Docker 容器，这两周则相对高强度的使用了它（当然是接DeepSeek，不是原版），因此想聊聊它的优势和限制。
优势：配套完善的生物医药工作台
Claude Science 最让我满意的地方，是它内置了大量生物医药研究者最常使用的数据库连接器（MCP 服务器），不需要特别配置，即可从Pubmed检索文献，从GEO查找验证用数据，自行利用 Conda 部署分析需要的工具。
对于想要靠已有的数据，以及最经典的方法验证一些想法的人来说，Claude Science可以帮助节省大量时间。以前要做一个分析，光是装软件、配置环境、找数据就要折腾半天，现在在 Claude Science 里几句话就能把基本的流程跑出来。
我试过用它做单细胞相关的简单分析，配合内置的插件，基本不需要自己准备代码，描述清楚需求就行。对快速验证想法来说，体验确实很好。
另外，工作台内置的Reviewer机制也非常有用，在Review打开的情况下，结果文本，结果内部的逻辑等，都会被自动检查，如果发现问题，会自动重做，当然代价是Token翻倍…
限制：并不是可靠的分析专家
与之前开始Vibe Coding一样，短暂的愉悦后，慢慢就会发现各种不足了…
需要先指出，我使用的是经由社区项目接入 DeepSeek 的版本，因此限制部分的问题大都明确是兼容性问题，剩余的问题，则也不能排除是兼容性问题导致的。毕竟A社的产品都得软件模型一体，脱开了之后多少都有问题…
不完全的可重复性
Claude Science 采用的是类似 Jupyter 的按 Cell 编写运行的方式。好处是用户可以实时查看运算环境中的变量，并且对运算中的内容进行核验。
但问题在于，就如同人用 Jupyter 经常不按顺序执行代码一样，在与Claude Science多轮对话后，笔记本中保留的代码，与运算出实际结果的代码，可能不是一回事了。
这导致一个问题：它发布时宣称的可复现，在实际使用中是打了折扣的。你回头看自己之前的分析，很难确认看到的代码和当时的结果是否匹配。要是不小心关了会话重新打开，想复现之前的结果更是难上加难。
所以作为使用者，在一定阶段下让Claude Science编写出脚本，然后人工运行对结果进行确认，再进行解读，还是必要的。
GPU与交互内核的兼容问题
这个明确是容器中使用的问题，使用nvidia的cuda容器，能顺利透传显卡，但是容器内的/proc目录挂载会出问题，导致交互内核无法使用，所有组件瘫痪… 目前暂时没找到解决办法，因此药物靶点预测、结构预测的功能全部暂时无法使用。
自定义技能受限
技能和连接器的添加需要官方网络验证，目前我这种第三方接入的方式自然时无法使用，目前我使用的社区项目也不含技能管理的内容，好在内置功能丰富，暂时问题不大。
图形理解受限
由于 DeepSeek 现在还不是多模态模型，Claude Science内设的图片解析无法实现，在我分析空转数据的时候已经感受到了限制…
计划指定失败
Claude Science在研究开始阶段，会和Coding Agent一样有个解析输入并生成计划的过程。用第三方模型明显是格式遵守上有小问题，导致生成的计划有概率不符合格式，导致任务中途断开。不过这个问题不大，直接接着对话就行。
