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：
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
| 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：
| bio-workflows-fastq-to-variants | |
| bio-workflows-rnaseq-to-de | |
| bio-workflows-scrnaseq-pipeline | |
| bio-workflows-gwas-pipeline | |
| bio-workflows-somatic-variant-pipeline | |
| bio-workflows-multi-omics-pipeline |
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
