Claw4Science—生信人专属AI App Store-夜雨聆风

Claw4Science—生信人专属AI App Store

写在开头

上期推文，鼓捣好久终于是装好了Bioclaw——搭上Bioclaw晚班车了耶~！，也属实踩坑大王没错了！

那推文中也提到了超级厉害的师兄搭建了一个叫Claw4Science的网站，所以这期想给大家分享一下小谢探索Claw4Science网站的心得体会！

❝

Claw4Science网址：https://claw4science.org/

hhh网站首页还可以感受到parper上线的小欣喜。

那结合文献和小谢一起来探索一下这个宝藏网站吧！

至于为什么说是宝藏网站，因为它收录整理了两千多个Skills，还提供检索功能以及对应的跳转链接，属实是非常之好使，一站式便捷找到我们需要的分析流程！

什么是 OpenClaw 和技能（Skill）？

因为小谢也是刚刚接触openclaw，所以很多东西也是不了解，所以了解了一下什么是Skill以及openclaw

早期的科学 AI 智能体（如用于分析生物数据的工具）都是封闭的系统，各项功能被硬编码在源代码中，如果想修改工作流或增加新功能，必须懂软件工程并修改代码，门槛比较高。
OpenClaw 可以把它想象成电脑里的 Linux 或 Windows 操作系统。它本身是一个通用的、功能强大的“基座”，负责管理 AI 的长短期记忆、多线程对话和底层的工具调用机制。它最大的贡献是把“底层代码”和“上层的科研工作流”彻底剥离了开来。引入了“技能（Skill）”的概念。一个“技能”就是一个结构化的 Markdown 文本文件，里面用自然语言描述了分析步骤（也可包含代码块）。
技能（Skill）：给 AI 用的“标准化说明书（SOP）， “技能”听起来很高级，但在物理层面上，它仅仅就是一个 Markdown 格式的纯文本文件（.md）。在这个文件里，你可以用自然语言（大白话）一步步写下具体的分析流程、触发条件，中间还可以穿插几段需要运行的 Python、R 或 Bash 代码块。

OpenClaw 相当于拥有执行能力的“聪明大脑”，而“技能（Skill）”是你塞进大脑里的“操作手册”。 这种设计让宝贵的科研经验和复杂的分析流水线，变成了一个个可以被轻松分享、下载和复用的纯文本文件，任何人都可以拿着别人的“技能”让自己的 AI 去干活。

Claw4Science 网站是用来干啥的？

因为写 Markdown 文件就像写实验记录一样简单，任何兼容的 AI 智能体都能直接读取并执行它，这导致了skill的快速爆发，导致项目分散在各个独立的 GitHub 代码库中，且质量参差不齐、命名混乱。

Claw4Science (claw4science.org) 网站正是为了“整理”这个生态而诞生的。

它的主要用途包括：

网站将分布在各处的项目和技能资源汇聚到了一个统一的界面中，主要侧重于生物信息学和科学工作流，为研究人员提供了一个寻找可用 AI 工具的实用入口。

2. 科学工作流（技能）的发现中心 (Skill Discovery)

聚合了 2230 个经过审核的科学技能，涵盖了从基因组学、药物发现到学术写作、文献检索等多个领域，可以通过检索在这里找到现成的分析流程文件。

那我们一起来探索一下这些不同页面的不同功能！

Claw4Science 网站不同界面及其功能

Projects页面

从全功能核心平台到超轻量级边缘智能体，从自我进化的研究系统到多组学流水线，汇总了基于 OpenClaw 架构或受其启发的各类 AI 智能体项目。

页面主要分为左侧的分类导航（Categories）和右侧的项目卡片（Project Cards）。

左侧分类导航栏 (Categories)

这里列出了收集的所有项目的分类及其对应的项目数量，方便用户按需筛选：

Core Platform (核心平台): 14个项目
Team & Orchestration (团队与编排): 15个项目
Biomedicine & Omics (生物医学与组学): 共有26个项目，进一步细分为：

Medical & Clinical (医疗与临床): 9个
Bioinformatics & Omics (生物信息学与组学): 8个
Drug Discovery & Molecular (药物发现与分子层): 9个

General Research (通用研究): 共有40个项目，包括端到端自动研究、个人研究工作台、论文与文献工具等。
其他小分类: 教育 (2)、基准测试与评估 (5)、安全 (1) 以及一个包含 29 个项目的关注列表 (Watching List)。

右侧主内容区：各类代表性项目

页面右侧按照分类展示了具体的开源项目卡片，每张卡片包含了项目名称、Star 数量（热度）、简介、使用的技术标签（如 Python, Rust, multi-agent 等）以及更新时间。

比如第一个Core Platform & Lightweight Variants (核心平台与轻量级变体)，这一板块展示了用于构建 AI 智能体的底层基础框架：

OpenClaw (355K Stars): 支持接入 20 多种主流通讯软件（如 WhatsApp, Telegram, Slack 等），支持多端操作系统。
Hermes Agent (59.6K Stars): 带有一个“编辑推荐 (EDITOR’S PICK)”标签，这是一个能自我进化的 AI 智能体，关键优势在于支持本地模型解析。

页面通过清晰的分类和卡片式设计，可以帮助我们快速找到适合自己需求的开源 AI 系统。

🔍Skill Search页面

如果说“Projects”页面是帮忙找 AI 软件的，那么“Skill Search”页面就是找让 AI 干活的“指令包（Skill）”的搜索引擎。Skill Search可以提供语义搜索，不需要什么高深的搜索技巧模糊地写关键词或者表达一下需求就可以搜索到想要的skills

这是我最喜欢的功能（懒人小谢最爱hhh，就是不想找！），通过检索不用去 GitHub 大海捞针也不用在网站上面翻找，直接在搜索框输入需求即可！还非常贴心的给了提示词，生怕我不知道怎么问hhhh

比如我们需要检索单细胞分析相关的内容，就可以直接按照网站的提示输入：“analyze scRNA-seq data and find cell clusters”。

系统会直接从 2200 多个 AI“技能（Skill）”库里，把基于 R (Seurat) 和 Python (Scanpy) 的现成标准分析流程找出来。还提供下载和跳转到Github页面的链接，简直不要太方便咯！

当然除了生信分析，咱们日常离不开的文献检索以及学术写作与润色也是包含了的：

在文献检索（Literature Search）和论文写作（Paper Writing）里面，咱们按照对应的提示词就可以使用

Literature Search（文献检索与管理）

“search PubMed and find relevant literature”（搜索 PubMed 并寻找相关文献）。

pubmed-search-specialist : 用来构建复杂的布尔逻辑查询（Boolean query strings）。对于需要进行系统评价（Systematic Review）的人来说，它可以帮你自动映射 MeSH 主题词和高级过滤器。

fulltext-fetcher: 只要你给它 URL、DOI 或 PMID，它就能直接帮你抓取科学文献网页的原始 HTML 文本，方便后续的阅读和解析。
research-article-weekly : 像一个私人学术秘书，根据你的关键词每周自动检索、分类并生成最新的研究进展报告。

citation-management 的技能，它们可以连接 Google Scholar 和 PubMed，帮你提取准确的元数据，验证引文，并自动生成格式正确的 BibTeX 条目。

除了 PubMed，还有专门针对预印本库的技能，如 biorxiv-database 和 **arxiv-database**。

Paper Writing（学术写作与润色）

输入的指令是：”write and polish academic research paper”（撰写并润色学术研究论文）。

polish : 包含 9 种编辑和校对技能的合集，专门用于调整学术语气（academic tone）、校对和翻译，确保写出简洁清晰的学术英语。
academic-paper: 这是一个极其复杂的“12 个智能体流水线（12-agent pipeline）”，它甚至包含了“风格校准（Style Calibration）”（从你过去的论文中学习你的写作语气）和写作质量检查。
ml-paper-writing: 专门为机器学习、AI 和系统领域的顶级会议（如 NeurIPS, ICML, ICLR）撰写可以直接发表的论文，甚至能从研究代码库中提取结构。