72小时，64000颗星

这是 OpenClaw 在 GitHub 上创造的增长神话。这个由 PSPDFKit 创始人 Peter Steinberger 开发的开源 AI agent，让全球开发者疯狂——它能接管你的电脑，帮你整理文件、回复消息、预订餐厅，甚至自动处理保险索赔。

但如果你是科研人员，你可能会发现一个尴尬的事实：

这玩意儿，跟你的科研工作几乎没关系。

它能帮你订机票，但不能帮你下载 Nature 的付费论文。它能整理桌面文件，但不能帮你解析论文里的图表和公式。它能 7×24 小时工作，但它不知道你在研究什么，更不可能帮你跑实验、验证假设。

于是我开始想：如果有一个专门为科研设计的 agent——暂且叫它 ResearchClaw——它应该长什么样？

30秒了解 OpenClaw

先简单介绍一下 OpenClaw 是什么，方便后面理解为什么它不适合科研。

OpenClaw（原名 Clawdbot，后改名 Moltbot，2026年1月正式更名）是一个本地优先的开源 AI agent。核心特点：

• • 本地运行：完全跑在你自己的电脑上，数据不外流
• • 多渠道集成：WhatsApp、Telegram、Discord、Slack、iMessage 都能接入，统一控制
• • 持久记忆：用 Markdown 文件保存所有对话历史，不像 ChatGPT 每次从零开始
• • 自主执行：不只是给建议，而是真的帮你干活——预订餐厅、发邮件、执行 shell 命令
• • 开源免费：MIT 许可证，自带 API key 就能用

说白了，它是一个能操控你电脑的 AI 管家，帮你处理日常杂事。

但科研不是杂事。

为什么科研需要一个专属 agent？

刘震云在新书《咸的玩笑》扉页写道：

“世界各地，不同的街道上，街上走着的每个人，内心都有伤痕。大家都辛苦了。”

我读到这句话时，第一反应想到的是我的硕士和博士过往生涯。

那时候，朝九晚十二、通宵熬夜，每天宿舍和实验室两点一线。跑不出结果的实验，改了又改的论文，遥遥无期的毕业，以及内心还需要承受长时间不出成果而内心快乐不起来的负担。

我也想对曾经的自己和现在的你们说一句：大家真的辛苦了。

而正因为辛苦，效率才更重要。

时间不应该浪费在重复性劳动上——手动下载论文、反复调试环境、一遍遍跑相似的实验。这些事情，应该有工具来帮你分担。我觉得这也正是Ai出现的意义之一。

科研工作流和日常事务有本质区别，我们科研人员的真实痛点：

痛点一：文献获取，AI 的阿喀琉斯之踵

你用 ChatGPT 或 Claude 搜论文，有没有发现一个问题？它们只能看到摘要。为什么？因为大部分论文都在付费墙后面，云端 AI 没有你的机构 IP，下载不了全文。

结果就是：AI 只能基于摘要给你”建议”，但摘要里没有方法细节、没有实验数据、没有图表。你还是得自己下载、自己读。

OpenClaw 虽然跑在本地，但它没有专门的文献检索模块，更没有 PDF 深度解析能力。

痛点二：论文不是文本，是结构化知识

一篇论文里有什么？标题、摘要、正文、图表、公式、表格、参考文献。

普通 AI 看论文 PDF，基本就是”看图说话”——OCR 识别一下文字，图表和公式？看不懂。

但科研人员要的不是”这篇论文讲了什么”，而是：

• • 图3的实验数据能不能复现？
• • 公式(7)的推导有没有问题？
• • 表2的对比实验用了什么 baseline？

这需要专业的 PDF 解析能力——能提取图表、识别公式、结构化表格。OpenClaw 没有集成这类工具。

痛点三：科研是个闭环，不是单点任务

OpenClaw 擅长的是单点任务：订餐厅、发邮件、整理文件。

但科研是一个闭环：

1. 1. 提出假设
2. 2. 搜索文献验证假设是否有人做过
3. 3. 设计实验
4. 4. 写代码跑实验
5. 5. 分析数据
6. 6. 写论文

这 6 个环节是串联的，前一步的输出是后一步的输入。一个科研 agent 需要理解你的研究方向，在整个闭环中持续协助。

OpenClaw 的记忆系统虽然能存对话历史，但它不懂什么是”研究方向”，更不会帮你跟踪领域前沿。

ResearchClaw：我的三层设计思路

基于这些痛点，我设想的 ResearchClaw 应该有三层能力：

第一层：文献全文获取 + 深度解析

这是最基础也是最关键的一层。

核心能力：

• • 用本地 IP 自动下载付费论文（通过机构 VPN ）
• • 定时任务跟踪 arXiv、bioRxiv 等预印本平台的最新论文
• • 深度解析 PDF，提取图表、公式、表格
• • 建立本地知识库，支持语义检索

为什么这一层重要？

云端 AI 只能看摘要，但 ResearchClaw 能看全文。它能告诉你：”这篇论文的图3显示，当学习率设为0.001时，模型在验证集上的 F1 分数是 0.87″——而不是”这篇论文研究了模型性能”。

这是从”泛泛而谈”到”精准分析”的质变。

第二层：代码生成 + 实验执行

光能读论文不够，还得能跑实验。

核心能力：

• • 参考论文和开源代码，自动生成实验代码
• • 接入代码执行环境（比如本地 Python 或云端 GPU）
• • 自动运行实验、收集数据、生成可视化报告
• • 支持参数调优和多组对比实验

科研 agent 必须能从读到做，形成闭环。接入代码执行环境（比如 Jupyter、本地 Python 或云端 GPU）是关键。

想象一下这个场景：

你跟 ResearchClaw 说：”帮我复现这篇论文的 Table 2 实验”。

它会：

1. 1. 解析论文，提取实验配置（数据集、超参数、评估指标）
2. 2. 搜索 GitHub 找到相关开源实现
3. 3. 自动配置环境、下载数据集
4. 4. 运行实验，生成对比报告
5. 5. 告诉你：复现结果和原论文差了 2.3%，可能原因是…

这个效率提升是数量级的。

省下来的时间，你可以用来思考更本质的问题，或者——早点回去休息。

第三层：研究助理 + 持续跟踪

最高层是成为你的”AI 研究伙伴”。

真正的帮助，不是替你做事，而是理解你在做什么。

核心能力：

• • 理解你的研究方向和当前进展
• • 定时监控领域内的新论文，主动推送相关内容
• • 帮你整理文献笔记、生成综述大纲
• • 参与研究讨论，提出假设和改进建议

这一层需要深度定制。每个研究者的方向不同，ResearchClaw 需要”了解你”——你在做什么课题、用什么方法、遇到什么瓶颈。

OpenClaw 的记忆系统可以借鉴，但需要针对科研场景重新设计。

我们已经在路上了

你可能会说：想法是挺好，但这不就是画饼吗？

还真不是。我们团队已经在做一些开发工作了。

ResearchClaw 的完整版还在开发中，但很多单点能力，你现在就可以用起来。

我们在扣子（Coze）平台上做了一系列科研工具（扣子Skills上线，科研场景的第一批实践!），覆盖了科研工作流的多个环节：

文献检索

写作辅助

这些工具已经帮很多科研人把效率提升了好几倍。（详细介绍见我之前的文章Science第一作者的科研扣子Skills）

打开扣子 App，搜索”arXiv”、”PubMed”、”Ai4S”就能找到。

更多工具整合在 ai4scholar.net 上，欢迎关注（Ai4Scholar 是什么？）。

不能忽视的风险：安全问题

说完了美好愿景，也得泼盆冷水。

OpenClaw 刚爆火没多久，就曝出了严重的安全漏洞：超过 900 个用户的网关暴露在公网上，API 密钥、聊天记录、文件传输记录都可能被窃取。

问题出在反向代理配置。OpenClaw 默认信任本地请求，但如果你用 Nginx 做反向代理，又没有正确配置 trustedProxies，所有外部请求都会被当成”本地可信”。

对于科研场景，这个风险更大。

你的 ResearchClaw 里可能存着：

• • 未发表的研究数据
• • 论文草稿
• • 实验代码
• • 机构 VPN 凭证

一旦泄露，后果不堪设想。

所以如果你要自己搭建 OpenClaw，务必注意：

1. 1. 不要在主力电脑上运行，用隔离的虚拟机或容器
2. 2. 启用密码验证（gateway.auth.mode: "password"）
3. 3. 正确配置可信代理列表
4. 4. 用 Tailscale 或 Cloudflare Tunnel 替代直接暴露端口
5. 5. 定期更换 API 密钥

总结：三个核心要点

1. OpenClaw 很强，但不是为科研设计的

它擅长日常事务自动化，但科研需要的文献获取、PDF 解析、实验执行、研究跟踪，它都不具备。

2. ResearchClaw 的三层架构是可行的

第一层：文献全文获取 + PDF 深度解析
第二层：代码生成 + 实验自动执行
第三层：AI 研究伙伴 + 持续跟踪

技术上，各个模块都有成熟的开源方案，整合是可行的。

3. 安全问题不能忽视

OpenClaw 已经曝出严重漏洞，科研场景的数据更敏感，务必做好隔离和防护。

写在最后

这篇文章是我对 ResearchClaw 的初步设想，刚开始动手实现。

有人说，科研是一场漫长的马拉松，而大多数人在看不到终点的时候就已经筋疲力尽。长期没有成果的焦虑、同行竞争的压力、对未来的迷茫——这些内心的伤痕，只有经历过的人才懂。

工具不能替你思考，但可以帮你节省时间去思考更重要的事。

当 AI 已经能自动生成被顶会录用的论文，当 PDF 解析技术已经能精准提取图表和公式，当 OpenClaw 已经证明了本地 agent 的可行性——把这些能力整合起来，打造一个 7×24 小时帮你做科研的 AI 伙伴，只是时间问题。

科研的本质是探索未知，而不是在已知的重复劳动中消耗生命。

如果 ResearchClaw 能帮你省下哪怕 20% 的时间，让你多睡一小时、多陪一次家人、多一点思考的空间——那它就是值得做的。

如果你也对这个方向感兴趣，评论区聊聊。

我想听听你的想法：

1. 1. 你觉得 ResearchClaw 最应该先实现哪个功能？
2. 2. 你在科研中最痛的点是什么？
3. 3. 如果真做出来，你愿意尝试吗？

说不定，我们可以一起把它做出来。

科研朋友们，大家都辛苦了。

相关链接：

• • OpenClaw GitHub: github.com/moltbot/clawdbot
• • Ai4Scholar 官网: ai4scholar.net
• • 扣子技能（在 Coze App 搜索即可使用）：
• • arXiv 论文搜索
• • bioRxiv 预印本
• • PubMed 文献检索
• • Ai4S 文献搜索
• • Ai4S 全文搜索
• • JCR 影响因子查询
• • 学术图表绘制
• • 科研统计分析

Ai4Scholar 团队