sciclaw
drpedapati/sciclaw加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下这个场景：你正在撰写一篇关于 TDP-43 蛋白病的论文，数据分析到一半，突然需要对 PubMed 上的 47 篇文献进行系统性回顾，还要生成一张蛋白质凝聚体形成的示意图，最后把这些整合进一份带有修订追踪的 Word 文档——这时候你恨不得有三个自己同时开工。
sciClaw 正是来解决这个痛点的。这是一个以「科学家搭档」为核心理念的 AI 智能体，它不是那种你问一句答一句的聊天机器人，而是一个能帮你提出假设、验证假设、追踪证据、整理手稿的长期工作伙伴。与其说是工具，不如说它更像一个驻扎在你本地机器里的博士后——全程在你的数据和文件里工作，不把任何东西传送到云端。
sciClaw 官方配图 — 配对科学家而非替代你的 AI 搭档
这个项目的作者是生物医学领域的研究者，对科研流程中的重复性工作有切肤之痛。他的核心观点很有意思：现有的 AI 工具都在解决「效率问题」——帮你写邮件、总结文档——但对于科研工作来说，效率不是最重要的，可重复性才是。没有可重复性，你的论文就不可信；没有可重复性，别人就复现不了你的结果；没有可重复性，你三个月后自己都看不懂自己做了什么。
sciClaw 基于 PicoClaw 运行时开发，后者又源自港大数据科学团队开源的 nanobot 项目。与这些前身相比，sciClaw 的独特之处在于将「科学家搭档」（paired-scientist）这一概念产品化：智能体不仅仅执行命令，而是主动提出假设、搜索证据、记录实验过程、维护一个可审计的工作空间。
作者 Dr. Pedapati 将整个手稿也放在了同一个仓库中（目前 pending arXiv 提交 #7284050），体现了对单仓库可重复性的极致追求——代码、数据、文档、论文全部在一个 Git 仓库里。
sciClaw 内置了 12 个开箱即用的「技能」（Skill），涵盖了从文献调研到论文撰写的完整流程：
文献与调研：
pubmed-cli：直接搜索 PubMed，获取文献摘要、引文图谱、MeSH 主题词biorxiv-database：监控 bioRxiv/medRxiv 预印本数据库scientific-writing：手稿撰写，强调论据-证据对齐文档与可视化：
quarto-authoring：循环驱动的 .qmd 创作与渲染pandoc-docx：从 Markdown 生成 Word 文档，自动套用 NIH 模板docx-review：Word 文档修订追踪、语义对比、模板填充beautiful-mermaid：出版级别的 Mermaid 图表imagemagick：可重复的图像预处理（缩放、裁剪、DPI 归一化）explainer-site：技术单页 How X Works 站点生成证据与溯源：
experiment-provenance：实验元数据捕获benchmark-logging：带验收标准的基准测试记录辅助工具：
humanize-text：语言润色，去 AI 味phi-cleaner（可选）：临床文本去标识化，处理 PHI 敏感数据此外还有 acroform-fill、pdf、pptx、xlsx 等文档处理技能，以及可扩展的技能市场（sciclaw-skills catalog）。
sciClaw 的核心设计哲学之一是供应商中立。它不绑定任何单一 AI 提供商，自动从模型名称识别供应商：
| 提供商 | 模型 | 备注 |
|---|---|---|
| OpenAI | GPT-5.6, GPT-5.5, GPT-5.4, GPT-5.2 | 主力选择 |
| Anthropic | Claude Sonnet 4.6, Opus 4.6, Haiku | 令牌粘贴认证 |
| Gemini 2.5 Pro/Flash | API Key | |
| OpenRouter | 所有模型 | 通过 openrouter/ 前缀 |
| DeepSeek | Chat / Reasoner | API Key |
| Groq | 快速推理 + Whisper 语音转录 | 免费转录 |
| 智谱 (Zhipu) | GLM 系列 | API Key |
尤其是 Groq 提供免费的 Whisper 语音转录，配置后 Telegram 语音消息会被自动转录为文字。
sciClaw 最有特色的设计决策之一：它的主界面不是终端，而是一个你已经打开的应用——Telegram 或 Discord。你像跟同事聊天一样跟它说话，附上文件，它返回结果，甚至可以发送 .docx 等真实的文件附件。这种交互模式大大降低了科学家的使用门槛。
通过路由（routing）功能，可以给每个项目分配独立的聊天房间，智能体只看到该项目的数据文件夹，实现多项目隔离——这对于同时推进多个课题的研究者来说是刚需。
在 Discord 上还支持后台任务队列（长时间运行的任务不会卡住频道）、/btw 免激活侧问、/skill 技能调用、/theme 响应风格切换等功能。
对于习惯命令行的用户，也提供完整的 CLI：sciclaw agent -m "问题" 单次查询，或 sciclaw app 打开交互式 TUI 仪表盘。
sciClaw 默认运行在本地，核心安全模型非常清晰：
~/sciclaw 文件夹，你拥有完全控制权~/.picoclaw/config.json，不传输给第三方技能安装也经过严格验证：大小限制、二进制拒绝、前置元数据校验、SHA-256 溯源记录，供应链安全有保障。
Homebrew（macOS/Linux 推荐）：一条命令装好，自动拉取所有依赖工具（Quarto、docx-review、pubmed-cli 等）。
Docker（一键启动）：克隆仓库、复制配置、执行 docker compose --profile gateway up -d，3 分钟内可运行 Telegram/Discord Bot。Docker 镜像预装了完整的工具链，不需要额外安装任何依赖。
源码编译：Go 1.25+ 环境，make deps && make install，适合深度定制。
Docker 镜像是多阶段构建：先在 golang:1.25-bookworm 中编译二进制，然后打包到 debian:bookworm-slim 运行时镜像，最终镜像大小控制在合理范围内（包含 Python3、Quarto、Pandoc、ImageMagick、uv、ripgrep 等完整工具链）。
技术栈层面，sciClaw 选型清晰：
web/ 目录下的前端管理界面）核心模块划分：pkg/agent（智能体核心）、pkg/hooks（生命周期钩子）、pkg/providers（模型供应商）、pkg/channels（多渠道接入）、pkg/tools（工具系统）、pkg/session（会话管理）、pkg/irl（研究循环）——每个模块职责单一，测试覆盖明确。
Addon 扩展系统支持第三方通过 manifest + sidecar 二进制提供额外能力（如 per-user Jupyter Lab、XFCE 桌面），并通过生命周期命令（install/enable/disable/upgrade/rollback/sbom）实现标准化管理。
没有完美的项目，sciClaw 也有几个值得关注的局限：
执照标注异常：项目 LICENSE 文件声明 MIT License，但 license 字段为 NOASSERTION 而非 MIT，这在法律层面存在模糊性，开源合规性审查时需要注意。
依赖复杂度：go.mod 引入了 30+ 个直接依赖，包括多个 HTTP 客户端封装库（fhttp/tls-client）和多个国产 IM SDK（钉钉、飞书），依赖树较宽，供应链安全审查成本较高。
文档门槛：虽然内置 sciclaw doctor 自诊断工具，但配置 API Key、设置 Telegram/Discord Bot 仍需要一定的技术背景，对完全没有 CLI 经验的纯生物医学研究者有一定挑战。
模型质量依赖：作为 AI 辅助工具，其输出质量直接依赖底层模型能力。对于复杂的生物医学推理任务（如蛋白质结构预测、多基因关联分析），仍需人工验证 AI 生成的论据和结论。
sciClaw 的出现折射出一个更宏观的趋势：AI 工具在科研领域的角色正在从「辅助写作」升级为「研究伙伴」。传统的 AI 辅助科研工具（如 Zotero、ReadPaper）主要解决的是文献管理问题；而像 sciClaw 这类工具，正在尝试接管从假设提出、实验设计、数据分析到论文撰写的全链路工作。
从 GitHub 数据看，88 颗星虽然不算高，但对于一个专注于垂直领域（可重复研究）的工具来说，这个数字的含金量不低——每个 star 都代表一个真实的研究者在关注和使用。
作者把手稿放在同一仓库的决策值得玩味：这不仅仅是一个工程选择，更是一种哲学宣言——代码即论文，论文即代码。在 Git 之外没有「最终版」，在本地之外没有「备份」。
如果你是一个对可重复研究有追求的研究者，无论是生物医学、计算社会科学还是机器学习实验，sciClaw 值得一试。它不是来取代你的，而是来确保你做的每件事都能被你自己和别人复现。
项目作者 Dr. Pedapati GitHub 头像