AI Agent 正在改变药物发现
药物发现向来缓慢、昂贵、失败率高。AI Agent 不是要取代科学家，而是自动化那些重复的计算工作：检索化合物数据库、预测 ADMET 性质、运行分子对接、综合文献。
在 OpenClaw 生态中，我们找到了 8 个专门为药物发现和计算化学构建的工具。本文全面对比。
速览对比
| 工具 | Stars | 聚焦 | 架构 | 核心优势 |
|---|---|---|---|---|
| ChemCrow | ~890 | 化学（通用） | LangChain | 先驱——被 LangChain 官方文档引用 |
| DrugClaw (QSong) | ~135 | 药物情报 | LangGraph + RAG | 57 个技能，15 个任务类别，知识图谱 |
| DrugClaw (DrugClaw) | ~70 | 药物发现 | Rust | 高性能，编译型 |
| MDCrow | ~230 | 分子动力学 | LLM Agent | 模拟设置、执行、分析 |
| ChemGraph | ~82 | 化学+材料 | Agent 框架 | Argonne 国家实验室出品 |
| AIAgents4Pharma | ~72 | 全流程制药研发 | LangGraph + Streamlit | DTI、ADR、DDI、药物重定位 |
| OriGene | ~200 | 靶点发现 | 自进化 | 机制驱动的治疗靶点发现 |
| Virtual Lab | ~650 | 纳米抗体设计 | 多 Agent | Stanford，蛋白质工程 |
哪个任务用哪个工具？
| 任务 | 最佳工具 | 原因 |
|---|---|---|
| 靶点发现 | OriGene | 专为机制驱动的靶点发现设计 |
| 化合物筛选 | DrugClaw (QSong) | 57 个技能，覆盖最广 |
| ADMET 预测 | AIAgents4Pharma | 完整流水线含 ADR 和 DDI |
| 分子动力学 | MDCrow | 唯一专注 MD 模拟的工具 |
| 材料化学 | ChemGraph | Argonne 国家实验室，HPC 集成 |
| 蛋白质药物 | Virtual Lab | Stanford 多 Agent 蛋白质设计 |
| 通用化学 | ChemCrow | 先驱，好的起点 |
更大的图景
从 2023 年 ChemCrow 作为概念验证发布，到 2026 年 3 月已有 8 个专业工具覆盖从靶点发现到分子动力学的各个环节。
对研究者的实用建议：不要试图用一个工具做所有事。 用 OriGene 找靶点，DrugClaw 做筛选，MDCrow 跑模拟。AI 辅助药物发现的未来是工具包，而非单体。
相关资源
最后更新：2026 年 3 月 29 日。Stars 数据每日通过 GitHub API 自动刷新。