用途
LabClaw 是 LabOS（斯坦福-普林斯顿 AI 联合科学家项目）的操作层，用于驱动干实验推理、实验方案编排和智能体工作流，并与 LabOS XR/湿实验执行形成闭环。它面向生物医学 AI 工作流，为研究人员提供模块化的技能层，而非通用的提示词集合。
主要能力
LabClaw 打包了 240 个生产就绪的 SKILL.md 文件，每个技能用于教会兼容 OpenClaw 的智能体：何时使用某个工具、如何调用该工具、以及应产出何种类型的输出。技能覆盖以下领域（含各自数量与目录）：
- 生物学：基因组学、转录组学、蛋白质组学、单细胞分析、结构生物学、系统生物学和实验室自动化。66 个技能 · skills/bio/
- 实验室自动化：实验室机器人、LIMS/ELN 系统、云平台和科学协议管理，针对 Stanford LabOS 工作流和自动化实验室研究优化。7 个技能 · skills/labos/
- 视觉/XR：手部追踪、3D 姿态估计、手-物分割和第一人称视觉，面向 XR/AR 应用、智能眼镜界面和计算机视觉研究优化。5 个技能 · skills/vision/
- 药物研发：化学信息学、分子对接、药物设计、药理学、药物警戒和药物数据库。36 个技能 · skills/pharma/
- 医学：临床研究、精准医学、肿瘤学、传染病和医学影像。20 个技能 · skills/med/
- 通用：统计学、机器学习、数据管理、可视化和科学写作。48 个技能 · skills/general/
- 文献研究：学术搜索、数据库查询、引用管理和文献综述。29 个技能 · skills/literature/
每个 SKILL.md 都遵循统一的结构。
使用方式
LabClaw 是一个技能库，而非单体软件包。你可以安装完整集合，也可以只复制与自身研究工作流匹配的技能文件夹。根据官方说明，3 秒快速开始的方式是向 OpenClaw 发送对应消息（在实验室中可使用 XR）。仓库中还提供了 Repository Layout（仓库布局）和 Related Repositories（相关仓库）信息，以便将 LabClaw 放入更广泛的生物医学智能体生态中。
适用场景
适合希望使用实用、模块化技能层而非通用提示词包的研究人员，可作为广泛的基础库使用，也可只挑选与其实验室、团队或项目相关的子文件夹。适用于包装干实验推理、协议组合、智能体工作流，以及需要覆盖生物学、实验室自动化、视觉/XR、药物发现、医学、数据科学、文献研究和科学可视化的生物医学 AI 工作流场景。
限制与说明
- 官方文本中关于安装命令、具体调用步骤、收费与价格、平台支持、效果数据等信息暂未提供，因此无法展开。
- 页面中提供了支持研究的加密货币地址（BNB、Solana），但明确声明无加密关联，所有 memecoin 均为骗局。
- 技能由斯坦福 Le Cong 实验室的 Yingcheng (Charles) Wu、Jinglin Jian、Zhe Zhao 以及普林斯顿 Mengdi Wang 实验室策划，并致谢 K-Dense 的支持。
- 具体每个技能的完整清单在原始目录中保留，但以可折叠分区形式分组展示。
