是的，科研人有自己的 " 吃虾 " 方式！

眼见大伙儿玩 " 龙虾 "6 到飞起，来自斯坦福 & 普林斯顿的高校团队也立刻推出了" 科研版龙虾 "LabClaw。

划重点，开！源！人人都能立马用上那种。

而且打工方式超级 easy，只需一行命令就能调动 LabClaw 里的龙虾军团。

调完之后，LabClaw 里的200 多个懂生物医学的龙虾就会自动上线——有人负责盯实验数据，有人跑分析模型，还有人翻文献、写实验记录。

总之以后搞科研真的不一样了，人类只需在关键环节提意见、做决策，剩下的全交给 AI 自动跑。

最后就是……顶刊的路子走宽了，科研人的头发保住了（doge ) 。

而且这个想法还得到了英伟达的支持（title 为 "Founding Partners"）。

咳咳，书归正传。既然有如此功效，咱不得看看这 LabClaw 到底是啥。

LabClaw 是啥？

LabClaw 是啥，从使用方式上就能看出来了。

前面说了，只需给 OpenClaw 发一条消息，就能立马启用 LabClaw 里的龙虾军团。

所以这 LabClaw，说到底其实就是给 AI 准备的" 技能包 "，类似科研 skills。

有了 skills 这玩意儿，后人就可以直接拿来用，不用自己苦思冥想提示词。

目前 LabClaw 仓库里一共放了211 个生产级的 SKILL.md 文件，按不同研究方向分好类，具体如下：

这些 skills 可以供 OpenClaw 在研究生物医学时直接调用，每个 skill 都会告诉 AI 何时使用、如何调用、以及应该产出什么结果。

光听可能有点迷糊，咱不妨直接看几个典型用法。

科研大关之文献综述 + 写作，想必大家都很熟悉了吧。

在 LabClaw 里，这一整套流程其实已经被拆成了几个现成的 skill，比如：

pubmed-search：负责去 PubMed 检索相关论文；

citation-management：整理引用与参考文献；

scientific-writing：根据材料生成综述或论文草稿。

所以，当你给出一个研究主题时（甚至可以让 AI 提 idea），OpenClaw 就可以按流程自动调用这些技能，主打一个全流程自动化。

其他情况也与之类似，在此不再赘述。

当然，LabClaw 的用途其实还不止 " 技能库 " 这么简单。

如果把这些 skills 进一步组合起来，它甚至可以被部署成一个不会下班的 AI 实验室助手。

简单来说，就是把 LabClaw 当成一个 Always-On Lab Agent ——

长期运行在实验室环境里，持续读取仪器数据、实验记录或视频流，然后自动调用相应的 skills 进行分析和响应。

部署完之后，它可以持续读取显微镜、传感器或摄像头的数据流，然后结合图像、数据和日志，判断实验是否正常进行。

一旦发现异常数据或设备状态变化，便会自动触发分析流程，然后火速生成实验日志、分析报告，甚至能主动提醒研究人员。

好好好，不仅能干 " 脏活累活 "，甚至连盯实验都帮你解决了（妙啊 jpg ) 。

而且这还没完，他们这次还为 LabClaw 专门配了一个操作系统 LabOS。

嚯，LabClaw+LabOS，这又是什么玩法？

还配上了专门的操作系统

对于这套组合技，我们可以这样来理解。

LabClaw 其实就像应用市场，里面装了功能各异的 APP（skill），而 LabOS 就像操作系统。

至于这套系统具体如何运作，咱还得了解一点 LabOS 的背景知识。

LabOS 是全球首个 AI-XR 协同科学家系统，也是由本次 LabClaw 的两位负责人——斯坦福大学丛乐教授和普林斯顿大学王梦迪教授团队联合推出。

△左丛乐、右王梦迪

这里稍微补充一下。

丛乐（Le Cong），目前是斯坦福大学医学院病理学系和遗传学系副教授。

本科毕业于清华，博士毕业于哈佛大学医学院，是公认的 CRISPR 基因编辑领域杰出推动者之一。

早在读博期间，他便以一作身份在 Science、Cell、 Nature 等权威期刊上表了数篇标志性论文，为基因编辑技术在哺乳动物和人类细胞中的应用研究、方法优化和推广做出了重要贡献。

王梦迪（Mengdi Wang），目前是普林斯顿大学电气与计算机工程系教授、该校人工智能创新中心主任。

10 岁进入北京八中少年班、14 岁考入清华自动化系、18 岁赴麻省理工学院攻读计算机科学博士，师从美国国家工程院院士、也是著名的控制与优化专家 Dimitri P. Bertsekas。

博士毕业后迅速加入普林斯顿任教，是国际 AI 与控制系统领域的核心学术带头人之一。

根据二人之前带队发表的论文，LabOS 本质上就是整个智能实验室的" 大脑 + 眼睛 + 身体 "：

大脑：多智能体规划、推理、自我进化；

眼睛：通过专属视觉语言模型 LabOS-VLM，看懂科学家的实验操作、识别步骤对错；

身体：通过 XR 眼镜 + 实验机器人，实现人机协同实验。

全部组合到一起，你就可以看到这样一幅画面——

一旦你戴上 XR 眼镜，启动 LabOS（就像解锁手机），系统就立刻开始 " 看 " 实验室环境、" 听 " 你的指令。

然后你告诉 AI" 我要找黑色素瘤的免疫治疗靶点 "，LabOS 就会去 LabClaw 里找到对应的 " 靶点发现 "skill，加载运行。

再然后就是一系列协同实验：AI 通过 LabClaw 的 skill 帮你分析数据、提出假说，LabOS 通过 XR 眼镜语音实时指导你做实验、等实验数据回传后 LabClaw 再调用数据分析 skill 帮你解读并生成论文等等。

一整个人机协作、效率 up up。

而且整个系统扩展性良好，即使有新的科研需求，也可以直接在 LabClaw 里安装新的技能（就像下载新 App），不用重新开发整个系统。

正如网友所言，现在用 AI 辅助科研的门槛比以前又双叒降低了。

降低到什么程度呢？——一条指令。

开源地址：

https://github.com/wu-yc/LabClaw?tab=readme-ov-file

项目地址：

https://labclaw-ai.github.io/

参考链接：

[ 1 ] https://x.com/AI4S_Catalyst/status/2031528955472392301

[ 2 ] https://arxiv.org/abs/2510.14861

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！

—  完  —

 今天，你养虾了吗？

欢迎加入【龙虾养成讨论组】，一起交流养虾经验！扫码添加小助手加入社群，记得备注【OPENCLAW】哦～

一键关注 点亮星标

科技前沿进展每日见