3月17日消息，斯坦福大学与普林斯顿大学的研究团队于近日联合发布了开源项目LabClaw，这是一个专为生物医学研究设计的AI技能库，可直接接入当前最热门的开源AI Agent框架OpenClaw。研究者只需一条安装命令，即可将通用AI助手升级为覆盖湿实验室到干实验室全流程的科研协作伙伴。
LabClaw的核心是240个生产就绪的SKILL.md技能文件，每个技能都是一个自包含模块，定义了何时调用工具、如何执行操作、返回何种结构化输出。这些技能覆盖了生物医学研究的完整工作流，按领域划分为八大类别：生物学技能涵盖基因组学、转录组学、蛋白质组学、单细胞分析、结构生物学和系统生物学；药物研发技能包括药物对接、靶点发现、化学信息学和药物重定位；医学技能覆盖临床研究、肿瘤学和精准医疗；文献研究技能整合了PubMed、bioRxiv、medRxiv、ClinicalTrials.gov等十余个学术数据库的检索与综述能力；此外还包括实验室自动化、数据科学与机器学习、科学可视化以及视觉/XR相关技能。
LabClaw的一大亮点是与斯坦福LabOS系统的深度整合。LabOS是一个面向自主实验室研究的AI操作系统，提供了从技能加载、工作空间管理到Agent持续运行的完整运行时平台。项目负责人吴英成（Charles Wu）在社交媒体上表示，团队已将斯坦福LabOS的AI-XR协作科学家能力嵌入LabClaw，实现了"一次安装，湿实验室与干实验室完整执行加XR支持"的统一技能层。
其中最具前瞻性的能力是LabOS的XR（扩展现实）集成。通过与智能眼镜等XR设备的连接，系统能够实时感知科学家在实验室中看到的场景，理解实验操作的上下文，并提供基于视觉理解的实时辅助——从识别试剂和仪器状态到指导复杂的实验步骤。这一能力基于AI-XR-Cobot世界模型，旨在打通数字分析与物理实验之间的最后一道屏障。
在自主运行模式下，LabClaw可以作为持续在线的自主Agent部署：它能不间断地监控实验仪器的数据流，解读多模态信号（文本、图像、传感器数据），并在检测到异常时自动触发响应操作——全程无需人工干预。
LabClaw的设计理念与当前OpenClaw生态的技能体系完全兼容。OpenClaw使用SKILL.md文件作为技能的标准格式，技能可以在全局、工作空间或项目层级灵活加载，工作空间级技能具有最高优先级。这意味着研究者可以根据自身实验室的具体需求，选择性安装特定领域的技能子集，也可以在LabClaw提供的技能基础上编写自定义扩展。
值得注意的是，LabClaw并非孤立项目，而是快速生长的生物医学AI Agent生态的一部分。同期，另一个来自FreedomIntelligence团队的OpenClaw Medical Skills项目也已发布，收录了869个医学AI技能，覆盖面从生物医学研究扩展到临床数据解读、生物信号处理（心电图、脑电图等）和医疗AI模型开发。两个项目共同指向一个趋势：OpenClaw正在从通用个人助手演变为垂直领域的专业智能平台，而生物医学正成为最活跃的应用前沿。
LabClaw已在GitHub开源（github.com/wu-yc/LabClaw），项目主页为labclaw-ai.github.io，采用开放许可协议，研究者可自由使用、修改和贡献新技能。
在AI Agent从"聊天助手"走向"行动执行者"的2026年，LabClaw展示了一种引人注目的可能性：当一个通用AI Agent被注入数百个经过专业设计的领域技能后，它不再只是回答问题，而是能够真正参与到从文献检索、数据分析、药物筛选到实验室操作的科研全流程中。对于长期面临重复性工作负担和跨学科协作壁垒的生物医学研究者而言，这或许是AI带来的最直接的生产力释放。
