OpenClaw Medical Skills：全球最大的开源医疗AI技能库

Ne0inhk

— 18 min read
OpenClaw Medical Skills：全球最大的开源医疗AI技能库

图片

OpenClaw Medical Skills: The Largest Open-Source Medical AI Skill Library

摘要

OpenClaw Medical Skills是一个包含869个精选AI技能的开源医疗技能库，覆盖临床研究、基因组学、药物发现、生物信息学和医疗设备等全领域。该技能库专为OpenClaw/NanoClaw（基于Claude的个人AI助手框架）设计，能将通用AI代理转化为强大的医学与科研助手。每个技能都是独立模块，具备专业领域知识、数据库连接能力和临床相关输出功能。

一、项目概况

1.1 核心定位

OpenClaw Medical Skills定位为生物医学和临床研究领域的全方位AI技能集合。截至2026年3月，该项目已收录869个精选技能，涵盖从基础科研到临床应用的完整生态链。

该技能库的核心价值在于：

  • 知识传授：向AI代理传授专业领域知识和工作流程
  • 工具连接：连接真实数据库、API和计算工具
  • 结构化输出：生成具有临床或科研相关性的结构化结果

1.2 技术架构

安装方式

项目支持四种主要安装方法：

方法

适用场景

优先级

克隆复制法

快速批量安装

推荐

ClawHub CLI

单个技能安装

按需

配置外部目录

永久挂载

高级

选择性安装

特定领域需求

定制

对于OpenClaw用户，技能从两个位置加载：

  • 高优先级：<workspace>/skills/（每工作区，推荐）
  • 低优先级：~/.openclaw/skills/（全局共享）

NanoClaw集成

NanoClaw用户需将技能复制到容器技能目录并重建容器：

bash

cp -r OpenClaw-Medical-Skills/skills/* /path/to/nanoclaw/container/skills/ ./container/build.sh

二、技能分类体系

2.1 技能类别统计

类别

数量

核心亮点

通用与核心

10

浏览器/搜索、文档工具、开发者工作流

医疗与临床

119

临床报告、CDS、肿瘤学、影像、医疗AI

科学数据库

43

基因组/蛋白质/药物数据库、生物医学知识检索

生物信息学

239

变异分析、测序QC、差异表达、通路、单细胞、表观遗传学

组学与计算生物学

59

单细胞/空间、蛋白质组学、化学信息学、蛋白质设计

ClawBio流程

21

scRNA、GWAS、血统、结构工作流编排

BioOS扩展套件

285

肿瘤学、免疫学、临床AI、基础设施代理

数据科学与工具

93

统计、可视化、自动化、模拟、科研工具

总计869

2.2 核心类别深度解析

2.2.1 医疗与临床（119个技能）

临床工具套件

  • pubmed-search：PubMed文献检索，支持论文查找、研究检索和出版物发现
  • medical-research-toolkit：查询14+生物医学数据库（ChEMBL、PubMed、ClinicalTrials.gov、OpenTargets等）
  • clinical-reports：生成符合CARE指南的临床报告、诊断报告（影像/病理/实验室）、临床试验报告（ICH-E3、CSR）及患者文档（SOAP、病史记录、出院总结），符合HIPAA/FDA/ICH-GCP标准

药物安全与化学生物学

  • tooluniverse-pharmacovigilance：分析FDA不良事件报告、药品标签警告和药物基因组学数据，计算PRR/ROR，识别严重不良事件
  • tooluniverse-drug-drug-interaction：DDI预测与风险评估，分析CYP450/转运体机制、严重程度分类，支持多药分析（3种以上药物）

医学影像与病理学

  • pydicom：处理DICOM医学影像文件，支持读取、写入、修改、提取像素数据
  • histolab：数字病理学图像处理工具包，处理全幅切片图像（WSI），从HE或IHC染色组织提取切片
  • pathml：计算病理学工具包，分析WSI和多参数成像数据
2.2.2 科学数据库（43个技能）

基因组学与变异数据库

  • clinvar-database：查询NCBI ClinVar变异临床意义，按基因/位置搜索，解释致病性分类
  • cosmic-database：访问COSMIC癌症突变数据库，查询体细胞突变、癌症基因普查、突变特征、基因融合（需认证）
  • ensembl-database：查询Ensembl基因组数据库REST API，支持250+物种的基因查找、序列检索、变异分析

蛋白质、通路与药物数据库

  • alphafold-database：访问AlphaFold的2亿+AI预测蛋白质结构，按UniProt ID检索，下载PDB/mmCIF文件
  • string-database：查询STRING API获取蛋白质-蛋白质相互作用（5900万蛋白质，200亿相互作用），网络分析、GO/KEGG富集
  • chembl-database：查询ChEMBL生物活性分子和药物发现数据，按结构/性质搜索化合物，检索生物活性数据（IC50、Ki）
2.2.3 生物信息学（239个技能）

序列分析与比对

  • bio-alignment-io：使用pysam和samtools读写SAM/BAM/CRAM比对文件
  • bio-read-alignment-bwa-alignment：使用BWA-MEM将短读段比对到参考基因组
  • bio-read-alignment-star-alignment：使用高速STAR比对器进行RNA-seq剪接感知比对

变异检测与注释

  • bio-variant-calling：基于GATK的种系变异检测流程
  • bio-variant-annotation：用功能、群体和临床后果数据注释VCF文件
  • bio-vcf-statistics：计算变异统计：ts/tv比率、杂合性、深度分布

差异表达与转录组学

  • bio-de-deseq2-basics：DESeq2差异表达分析（设计矩阵、归一化因子、离散度）
  • bio-differential-splicing：使用rMATS或MAJIQ检测差异可变剪接事件
  • bio-ribo-seq-translation-efficiency：从匹配的RNA-seq和Ribo-seq计算翻译效率比

单细胞与空间组学

  • bio-single-cell-clustering：使用Scanpy/Seurat的Leiden/Louvain算法进行单细胞聚类
  • bio-spatial-transcriptomics-spatial-domains：使用SpatialDE/BANKSY识别空间变异基因和组织域
  • bio-single-cell-lineage-tracing：从带克隆条形码的scRNA-seq重建细胞谱系树
2.2.4 BioOS扩展套件（285个技能）

肿瘤学与精准医疗

  • autonomous-oncology-agent：自主肿瘤学研究代理（文献挖掘、试验匹配、生物标志物分析、治疗假说生成）
  • precision-oncology-agent：精准肿瘤学（肿瘤分子图谱→可操作改变→治疗建议）
  • tumor-clonal-evolution-agent：肿瘤克隆进化模型（系统发育树、克隆动力学、体细胞变异分支模式）

血液学与血液疾病

  • myeloma-mrd-agent：多发性骨髓瘤微小残留病评估（流式细胞术和NGS数据）
  • mpn-progression-monitor-agent：骨髓增殖性肿瘤进展监测（连续分子数据）
  • hemoglobinopathy-analysis-agent：血红蛋白变异分析、镰状细胞病和地中海贫血基因型-表型评估

免疫学与细胞治疗

  • cart-design-optimizer-agent：优化CAR-T细胞构建设计（scFv选择、连接子、共刺激结构域）
  • tcr-repertoire-analysis-agent：TCR库分析（V(D)J使用、克隆型动力学、抗原特异性）
  • immune-checkpoint-combination-agent：从肿瘤免疫微环境预测最佳免疫检查点组合策略

药物发现与设计

  • agentd-drug-discovery：AgentD自主药物发现（靶点识别、先导化合物发现、ADMET优化）
  • chemcrow-drug-discovery：ChemCrow药物发现工具包（网络搜索、Python、化学工具集成）
  • protac-design-agent：PROTAC设计（E3连接酶配体选择、连接子优化、三元复合物建模）

三、关键技术能力

3.1 临床决策支持

OpenClaw Medical Skills提供全方位的临床决策支持能力：

临床试验匹配

  • tooluniverse-clinical-trial-matching：患者-试验匹配，用于精准医疗和肿瘤学。根据分子资格、临床标准、生物标志物一致性和地理可行性对ClinicalTrials.gov的试验进行排名，生成试验匹配评分（0-100）

精准肿瘤学应用

  • tooluniverse-precision-oncology：基于分子图谱为癌症患者提供可操作的治疗建议，解释肿瘤突变、识别FDA批准的疗法、临床试验和耐药机制

变异解读

  • tooluniverse-variant-interpretation：从原始调用到ACMG分类建议的系统化临床变异解读，整合ClinVar、gnomAD、文献和群体数据库的证据

3.2 药物研发能力

药物重定位

  • tooluniverse-drug-repurposing：使用基于靶点、基于化合物和疾病驱动的策略识别药物重定位候选，通过分析靶点、生物活性和安全性特征为已批准药物寻找新适应症

DDI预测
该技能库内置先进的药物-药物相互作用预测系统，支持：

  • CYP450/转运体机制分析
  • 严重程度分类
  • 管理策略提供
  • 多药分析（3种以上药物）
  • 替代药物推荐

3.3 基因组学分析

GWAS研究支持
项目提供完整的全基因组关联研究工具链：

  • tooluniverse-gwas-trait-to-gene：使用GWAS目录（50万+关联）和Open Targets Genetics基因座到基因预测发现与疾病和性状相关的基因
  • tooluniverse-gwas-drug-discovery：将GWAS信号转化为药物靶点和重定位机会，执行基因座到基因映射、成药性评估
  • tooluniverse-gwas-finemapping：使用统计精细定位识别GWAS基因座的因果变异，计算因果变异识别的后验概率和可信区间

多组学整合

  • tooluniverse-multi-omics-integration：整合转录组学、蛋白质组学、表观遗传学、基因组学和代谢组学用于系统生物学和精准医疗
  • bio-multi-omics-mofa-integration：使用MOFA+进行多组学因子分析，发现跨模态的潜在因子

四、工作流与流程编排

4.1 ClawBio流程（21个技能）

生物信息学编排

  • bio-orchestrator：元代理将生物信息学请求路由到专业子技能，处理文件类型检测（VCF、FASTQ、BAM、PDB、h5ad）、分析规划、报告生成和可重现性导出
  • scrna-orchestrator：本地Scanpy流程，用于单细胞RNA-seq的QC、聚类、标记发现和双组差异表达（从原始计数.h5ad文件）

基因组学与血统分析

  • gwas-lookup：跨9个基因组数据库的联合变异查询（GWAS目录、Open Targets、PheWeb（UKB、FinnGen、BBJ）、GTEx、eQTL目录等）
  • claw-ancestry-pca：针对西蒙斯基因组多样性项目（345个样本，164个全球人群）的血统分解PCA
  • equity-scorer：从VCF或血统数据计算HEIM多样性和公平性指标，生成杂合性、FST、PCA图和HEIM公平性评分及markdown报告

4.2 端到端工作流

项目提供20+完整的端到端分析流程：

工作流

功能描述

bio-workflows-fastq-to-variants

完整FASTQ → 比对 → 变异检测流程

bio-workflows-rnaseq-to-de

RNA-seq → 比对 → 计数 → DESeq2差异表达

bio-workflows-scrnaseq-pipeline

单细胞RNA-seq端到端：Cell Ranger → Scanpy → 聚类

bio-workflows-gwas-pipeline

GWAS：QC → 插补 → 关联 → 精细定位 → 注释

bio-workflows-somatic-variant-pipeline

肿瘤-正常体细胞变异检测（GATK Mutect2/Strelka2）

bio-workflows-multi-omics-pipeline

多组学整合流程：MOFA、SNF、相似性网络融合

五、数据可视化与报告

5.1 科学可视化工具

生物信息学可视化

  • bio-data-visualization-heatmaps-clustering：使用ComplexHeatmap或seaborn的层次聚类热图
  • bio-data-visualization-circos-plots：使用Circos或pycirclize的环形基因组可视化
  • bio-data-visualization-genome-browser-tracks：从BAM/BigWig生成基因组浏览器轨道和IGV会话

出版级图表
项目集成多个出版级可视化工具：

  • matplotlib：用于完全自定义的低级绘图库，生成科学手稿和期刊的出版质量图表
  • seaborn：与pandas集成的统计可视化，用于生物医学数据探索的箱线图、小提琴图、热图
  • plotly：交互式可视化，用于探索性生物医学分析和演示的悬停信息、缩放、仪表板

5.2 报告生成系统

自动化报告

  • bio-reporting-automated-qc-reports：为组学流程生成自动化MultiQC风格报告
  • bio-reporting-jupyter-reports：创建带有可重现分析代码的Jupyter笔记本报告
  • bio-reporting-quarto-reports：从分析代码构建Quarto多格式报告（HTML/PDF）

科研文档工具

  • scientific-writing：使用两阶段流程编写科学手稿（章节大纲然后完整文本），覆盖研究论文的所有部分
  • latex-posters：用LaTeX创建专业研究海报（beamerposter、tikzposter），多栏布局的会议海报
  • scientific-slides：构建研究演示幻灯片（会议、研讨会、论文答辩），支持PowerPoint和LaTeX Beamer

六、实验室自动化与集成

6.1 实验室平台集成

Opentrons集成

  • opentrons-integration：Flex/OT-2机器人实验室自动化平台，编写Protocol API v2协议，液体处理、硬件模块（加热振荡器、热循环仪）、实验室器具管理

电子实验室笔记本

  • benchling-integration：Benchling研发平台集成，通过API访问注册表（DNA、蛋白质）、库存、ELN条目、工作流
  • labarchive-integration：电子实验室笔记本API集成，访问笔记本、管理条目/附件、备份笔记本

6.2 仪器数据处理

  • instrument-data-to-allotrope：将实验室仪器输出文件（PDF、CSV、Excel、TXT）转换为Allotrope简单模型（ASM）JSON格式，用于LIMS系统、数据湖和下游分析

七、AI代理与智能系统

7.1 BioOS扩展代理系统

肿瘤学代理

  • autonomous-oncology-agent：自主肿瘤学研究代理，执行文献挖掘、试验匹配、生物标志物分析和治疗假说生成
  • tumor-clonal-evolution-agent：肿瘤克隆进化模型，从体细胞变异构建系统发育树、克隆动力学和分支模式
  • liquid-biopsy-analytics-agent：综合液体活检分析（ctDNA检测、MRD监测、治疗响应）

临床AI代理

  • chatehr-clinician-assistant：EHR临床助手（病历摘要、结构化数据提取、临床决策支持）
  • digital-twin-clinical-agent：创建患者数字孪生用于治疗模拟和结果预测
  • trialgpt-matching：TrialGPT患者-试验匹配，从临床病历评估资格

7.2 专业分析师角色

项目提供四种专业分析师角色：

  • biologist-analyst：专家生物学家分析师角色，用于解读生物学实验、测序数据、细胞生物学分析和分子生物学研究
  • chemist-analyst：专家化学家分析师角色，用于解读化学数据、合成路线、光谱结果、反应机制
  • epidemiologist-analyst：专家流行病学家分析师角色，用于研究设计、队列分析、风险因素评估
  • psychologist-analyst：专家心理学家分析师角色，用于行为数据分析、心理评估解释

八、项目生态与社区

8.1 开源贡献

该项目受益于多个优秀的开源项目：

  • awesome-claude-skills
  • Anthropics Skills
  • ClawHub
  • BioClaw
  • ClawBio
  • LLMs-Universal-Life-Science-and-Clinical-Skills-
    等

8.2 技术栈与工具

核心Python库

  • biopython：分子生物学的主要Python工具包（PubMed/NCBI查询、序列操作、文件解析）
  • scanpy：单细胞RNA-seq分析（加载数据、QC、归一化、降维、聚类、标记基因）
  • rdkit：化学信息学工具包（SMILES/SDF解析、描述符、指纹、亚结构搜索） 

深度学习框架

  • transformers：用于NLP、计算机视觉、音频的预训练transformer模型（文本生成、分类、生物医学NLP如BioBERT、ClinicalBERT）
  • pytorch-lightning：用于生物医学AI的组织化PyTorch深度学习（多GPU训练、回调、日志记录） 

九、应用场景与价值

9.1 临床应用场景

精准医疗
通过整合基因组数据、临床表型和治疗响应信息，该技能库可支持：

  • 个性化治疗方案制定
  • 肿瘤分子分型与靶向治疗选择
  • 药物基因组学指导下的用药决策
  • 临床试验患者筛选与匹配

诊断辅助
利用医学影像分析、病理学AI和多组学整合能力：

  • WSI全幅切片图像自动分析
  • 放射学报告AI辅助生成
  • 罕见病诊断支持
  • 疾病预后预测 

9.2 科研应用价值

药物研发加速

  • 靶点识别与验证
  • 化合物虚拟筛选
  • ADMET性质预测
  • 药物重定位机会发现 

基础研究支持

  • 高通量测序数据分析
  • 单细胞多组学整合
  • 蛋白质结构预测与设计
  • 代谢通路建模 

9.3 产业化前景

该技能库为生物医药企业提供：

  • 研发效率提升：自动化分析流程可缩短研发周期30-50%
  • 成本优化：减少重复性人工分析工作，降低人力成本
  • 知识管理：标准化的技能模块便于知识积累与传承
  • 合规保障：内置FDA、HIPAA、ICH-GCP等合规标准

十、技术优势与创新点

10.1 模块化设计

每个技能都是独立的功能模块，具有以下特点:

独立性与可组合性

  • 每个技能包含完整的依赖声明和环境配置
  • 支持单独安装、更新和版本管理
  • 可自由组合构建定制化工作流
  • 遵循统一的输入/输出接口规范

标准化接口
所有技能采用统一的JSON Schema定义:

json

{ "skill_id": "unique-identifier", "inputs": {...}, "outputs": {...}, "dependencies": [...] }

10.2 知识图谱增强

领域知识集成
技能库内置生物医学知识图谱,包含:

  • 疾病-基因-药物关联网络
  • 生物通路与分子机制
  • 临床指南与循证医学证据
  • 药物相互作用规则库

上下文感知推理
通过知识图谱实现:

  • 智能任务分解与路由
  • 跨技能的知识传递
  • 结果的临床相关性验证
  • 自动生成解释性报告

10.3 持续学习机制

社区驱动更新

  • 开放的技能贡献流程
  • 同行评审与质量控制
  • 版本迭代与兼容性管理
  • 用户反馈驱动优化

迭代优化

  • 定期模型更新与技能库扩展
  • A/B测试新功能与性能评估
  • 自动化测试与回归分析
  • 引入AI Agent的自主学习能力

性能监控与反馈循环

  • 实时追踪技能调用频率与成功率
  • 收集用户满意度与准确性反馈
  • 自动识别性能瓶颈与错误模式
  • 基于使用数据优化算法参数

10.4 开放性与互操作性

API接口
提供RESTful API,允许外部系统集成和调用技能:

  • 技能发现与查询
  • 任务提交与执行
  • 结果检索与状态监控
  • Webhook支持异步通知

标准化数据格式
支持多种标准数据格式(JSON, XML, CSV, TSV),便于与其他系统交换数据。

跨平台部署
支持多种运行环境:

  • 本地部署(Windows/macOS/Linux)
  • 云端服务(AWS/Azure/Google Cloud)
  • 容器化部署(Docker/Kubernetes)
  • 混合云架构支持

生态系统集成
无缝对接主流生物信息学工具:

  • Galaxy、Bioconductor等分析平台
  • LIMS实验室信息管理系统
  • EHR电子健康档案系统
  • 科研数据管理平台

10.5 安全性与合规性

数据隐私保护

  • 符合HIPAA/GDPR等医疗数据法规
  • 端到端加密传输与存储
  • 敏感信息自动脱敏处理
  • 数据访问审计追踪

权限管理

  • 基于角色的访问控制(RBAC)
  • 多因素身份认证
  • 细粒度操作权限配置
  • 完整的操作日志记录

Read more

Java static避坑：静态与非静态访问规则全解析

Java static避坑：静态与非静态访问规则全解析

🏠个人主页：黎雁 🎬作者简介：C/C++/JAVA后端开发学习者 ❄️个人专栏：C语言、数据结构（C语言）、EasyX、JAVA、游戏、规划、程序人生 ✨ 从来绝巘须孤往，万里同尘即玉京 文章目录 * Java static避坑：静态与非静态访问规则全解析 * 📝 文章摘要 * 一、先搞懂：访问规则的底层逻辑 🧠 * 二、三大核心访问规则（必记）✅ * 规则1：静态方法 → 静态成员 ✅ 允许 * 正确案例：静态方法调用静态变量/方法 * 规则2：静态方法 → 非静态成员 ❌ 禁止（直接访问） * 错误案例：静态方法直接访问非静态成员 * 特殊情况：静态方法间接访问非静态成员（不推荐） * 规则3：非静态方法 → 静态/非静态成员 ✅ 全允许

By Ne0inhk
Java 中间件：Dubbo 服务降级（Mock 机制）

Java 中间件：Dubbo 服务降级（Mock 机制）

👋 大家好，欢迎来到我的技术博客！ 📚 在这里，我会分享学习笔记、实战经验与技术思考，力求用简单的方式讲清楚复杂的问题。 🎯 本文将围绕Java中间件这个话题展开，希望能为你带来一些启发或实用的参考。 🌱 无论你是刚入门的新手，还是正在进阶的开发者，希望你都能有所收获！ 文章目录 * Java 中间件：Dubbo 服务降级（Mock 机制） * 什么是服务降级？ * Dubbo Mock 机制简介 * Mock 的触发条件 * Dubbo Mock 的配置方式 * 1. XML 配置方式 * 2. 注解配置方式（推荐） * 3. 自定义 Mock 类 * 4. 强制 Mock（force） * Mock 机制的工作原理 * 实战案例：电商系统中的服务降级 * 场景描述 * 1. 定义服务接口 * 2. 实现

By Ne0inhk
打破AI调用壁垒：Antigravity Tools如何用Rust+Tauri重构你的AI工作流

打破AI调用壁垒：Antigravity Tools如何用Rust+Tauri重构你的AI工作流

当Claude Code遇上Gemini配额，当协议鸿沟阻碍创新，一个开源项目正在悄然改变游戏规则 引子：一个真实的痛点 你是否遇到过这样的场景：手握多个Google账号的Gemini免费配额，却无法在Claude Code CLI中使用？想要统一管理十几个AI账号，却被各家厂商的协议壁垒搞得焦头烂额？或者，你的团队需要一个本地化的AI网关，既要保护隐私，又要实现智能调度？ 如果你点头了，那么今天要聊的这个项目，可能会让你眼前一亮。它叫Antigravity Tools——一个用Rust和Tauri打造的"反重力"AI调度系统，正在以一种优雅的方式，解决开发者们长期面临的多账号管理和协议转换难题。 一、项目背景：为什么需要"反重力"？ 1.1 AI时代的新痛点 2024年以来，AI工具呈现爆发式增长。Claude、Gemini、GPT-4各有千秋，但问题也随之而来： * 协议碎片化：OpenAI用/v1/chat/completions，Anthropic用/

By Ne0inhk
基于Termux的Android平台OpenClaw部署：移动端AI助理实现

基于Termux的Android平台OpenClaw部署：移动端AI助理实现

基于Termux的Android平台OpenClaw部署：移动端AI助理实现 前言 Android作为全球最流行的移动操作系统，拥有庞大的用户基础和丰富的硬件生态。Termux作为Android上的终端模拟器，提供了完整的Linux环境，使得在Android设备上部署OpenClaw成为可能。本文将从环境搭建、性能优化、功耗管理、用户体验等多个维度，详细阐述基于Termux的Android平台OpenClaw部署方案，为移动端AI助理的实现提供完整的技术路线。 这台设备为什么适合跑 OpenClaw 优点 移动设备的便携性 Android设备具有便携性强的特点，可以随身携带，随时使用。OpenClaw部署在Android设备上，可以满足移动办公、现场查询、临时计算等场景需求。相比固定式服务器，Android设备提供了更大的灵活性和便利性。 Termux的Linux环境 Termux提供了完整的Linux环境，包括包管理器、编译工具、运行时环境等。OpenClaw可以在Termux中运行，无需root权限，无需修改系统。Termux的包管理器（pkg）提供了丰富的软件

By Ne0inhk