DrClaw 是一个开源的 AI 科研辅助工具，定位为"7×24 小时 AI 科研团队"。项目由 InternScience 团队开发，目前在 GitHub 上有 156 Star。

01. 项目背景与要解决的问题

科研工作中存在大量重复性、事务性的工作，例如论文检索与跟踪、实验代码编写与监控、组会报告撰写、基金申请书准备等。这些工作虽然必要，但会占用科研人员大量时间，影响对核心研究问题的专注。

DrClaw 的设计目标是把这些事务性工作交给 AI 智能体处理，让科研人员能够将精力集中在更有价值的思考和创新上。

02. 关键能力与实现方式

多智能体架构

DrClaw 采用多智能体架构，内置了 10 多个预设智能体，覆盖不同科研场景：

分类	智能体示例
通用科研	虾看论文、虾跑实验、脑洞虾
学科专用	虾顿（物理）、拉瓦虾（化学）、基因虾（基因组学）
事务处理	虾报告、虾做 PPT、虾写本子
情感陪伴	虾摸、虾夸、虾猫

每个智能体有独立的工作区和记忆系统，通过订阅制消息队列实现并发协作。

技能系统

项目内置 244 个科研技能，采用 Markdown 驱动的 SKILL.md 格式，兼容 OpenClaw 生态。用户可以根据需要扩展自定义技能。

多前端支持

• Web 控制台（本地运行）
• 飞书集成（消息推送）
• 桌面端（Tauri v2 + React 19）
• macOS 托盘（守护进程管理）

结构化记忆

• 全局记忆：项目注册和元数据管理
• 项目级记忆：MEMORY.md（长期记忆）+ HISTORY.md（日志记录）

定时任务

支持为任意智能体设置定时任务，例如每日自动推送最新论文。

03. 使用边界与适用场景

适用场景

• 需要跟踪大量论文的研究人员
• 需要管理多个实验项目的科研工作者
• 需要频繁准备组会报告、基金申请书的研究生
• 希望自动化处理科研事务性工作的团队

技术要求

• Python 3.10+
• 需要配置 LLM API（支持 OpenAI、Anthropic、GLM、Kimi 等多种提供商）
• 本地运行，数据不上传

安装方式

bash <(curl -fsSL https://raw.githubusercontent.com/qzzqzzb/drclaw/main/install.sh)

配置文件位于 ~/.drclaw/config.json，需要设置 LLM API 密钥。

04. 中立结论与风险提示

优势

• 本地运行，隐私保护较好
• 多智能体架构，任务隔离清晰
• 技能系统可扩展，兼容 OpenClaw 生态
• 支持多种 LLM 提供商

局限性

• 项目 Star 数较少（156），社区活跃度有待观察
• 需要自行配置 LLM API，有一定使用门槛
• 部分功能仍在测试中（如 Docker Sandbox Job、外部智能体接入）
• 安全机制目前主要覆盖文件保护和网络过滤，不保证完全安全

注意事项

• 当前安全机制更适合作为默认防护和误操作防护，不适合严格的安全边界场景
• 长期维护能力取决于项目团队投入
• 建议在充分测试后再用于生产环境

DrClaw 作为一个科研辅助工具，适合希望自动化处理科研事务性工作的研究人员使用。但在依赖其完成重要任务前，建议先进行充分测试，了解其能力边界。