先准备好 Node.js 与 npm
不需要编程基础。白泽通过一条安装命令运行；这条命令需要 npm，而 npm 会随 Node.js 一起安装。
macOS：打开“终端”；Windows：点击开始菜单，搜索并打开“PowerShell”。
11.9.0 的版本号，说明已经准备好了。npm --version请选择与你的电脑相同的命令，复制、粘贴并按回车。安装过程中出现确认提示时，输入 Y 并按回车。
Windows 10 / 11（PowerShell）
winget install OpenJS.NodeJS.LTSmacOS（已安装 Homebrew）
brew install node如果 macOS 显示 brew: command not found，或 Windows 显示 winget 不存在，请使用 Node.js 官方下载页 ↗ 安装标有 LTS 的推荐版本。
npm --version。看到版本号后，再继续安装 BaiZe。其余准备
- 一个存放实验数据、论文笔记或研究文件的本地文件夹。
- 任意兼容的模型服务 API Key。本教程以 DeepSeek 的平台为例。
安装并启动 BaiZe
打开 macOS 的“终端”、Windows PowerShell，或你常用的命令行工具，执行以下命令安装 BaiZe。
npm install --global baize-agent@2026.8.14安装完成后，先进入一个工作目录，再启动 BaiZe：
cd /你的/研究目录
baize首次启动可能需要几秒钟加载界面。看到交互式终端后，说明 BaiZe 已准备就绪。
baize 后进入交互式界面。创建你的研究工作目录
为每一个课题准备独立文件夹。把数据集、已有的实验记录和需要阅读的资料放在这里；白泽会以此作为当前研究的工作上下文。
例如建立
alloy-optimization，用于本次合金配方优化。把
train.xlsx 等数据文件复制到该目录中。确保终端当前路径就是这个课题文件夹，再输入
baize。
连接模型服务
首次进入 BaiZe 时，按界面引导选择模型服务并填写 API Key。白泽使用该凭据调用模型；不同服务商的控制台位置略有不同。
以 DeepSeek 为例
访问 DeepSeek API Keys 页面 ↗，创建一个专门用于 BaiZe 的 Key。复制后回到 BaiZe 的配置界面粘贴并确认。
用真实数据提出第一个问题
现在把一个明确、可检验的任务交给白泽。好的起点包括：数据文件是什么、有哪些变量、希望优化或解释什么，以及任何必须遵守的约束。
train.xlsx 是我的实验数据集，其中包含 4 个输入特征变量：Sn、Bi、In、Ti，以及一个优化目标变量 T。
优化目标：
- 帮我设计一个新的样本，我希望最大化目标变量 T。在实际研究中，建议再补充材料体系、变量范围、是否允许外推，以及你希望输出的是候选配方、分析步骤还是下一轮实验计划。信息不足时，应让白泽先提问或标注假设，而不是直接把推测当作事实。
审阅结果，再决定下一步实验
白泽给出的候选样本和分析，是研究决策的起点而不是终点。请结合领域知识、实验可行性和安全要求复核，再将结果转化为可执行的实验计划。
- 检查目标变量、单位和输入变量范围是否被正确理解。
- 确认候选配方没有超出可制备范围；外推结果尤其需要谨慎验证。
- 要求白泽列出不确定性、关键假设和最能区分候选方案的对照实验。
- 记录最终采用的样本、制备条件和测试方案，便于后续复现。
示例任务的报告可在此查看：打开结果报告 ↗。
让 BaiZe 成为研究循环的一部分
完成第一个任务后，可以进一步使用 @scientist 推进文献综述、可证伪假设、实验设计和研究写作。每次都保留数据来源、约束与验证计划，让研究过程清晰可追溯。