核心要点
- 截至 2026 年 3 月，OpenClaw 生态中有 8 个专业 AI Agent 工具用于药物发现
- ChemCrow（890 stars）是 2023 年的先驱——基础参考，已不再活跃开发
- DrugClaw (QSong)（135 stars）覆盖面最广：57 个技能、15 个任务类别、知识图谱集成
- MDCrow（230 stars）是唯一专注分子动力学模拟的工具
- OriGene（200 stars）填补独特空白：AI 驱动的治疗靶点发现，在化合物筛选的上游工作
- Virtual Lab（650 stars）来自 Stanford，专注纳米抗体设计和蛋白质工程
- 实用建议：不同流水线阶段使用不同工具——没有一个工具能覆盖所有
什么是 AI 辅助药物发现？
AI Agent 正在自动化药物发现中的重复计算工作：检索化合物数据库、预测 ADMET 性质、运行分子对接、综合文献。它们不取代科学家——而是处理繁琐部分。
核心属性：
- 生态：OpenClaw 兼容工具和独立框架
- 覆盖范围：靶点发现 → 虚拟筛选 → ADMET → 分子动力学 → 蛋白质工程
- 增长：从 1 个工具（ChemCrow, 2023）到 8 个专业工具（2026 年 3 月）
完整对比表
| 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、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 |
各工具详解
ChemCrow：先驱（2023）
GitHub: ur-whitelab/chemcrow-public · ~890 ★
核心属性：
- 类别：通用化学 AI Agent
- 架构：基于 LangChain
- 状态：稳定但不再活跃开发（最后更新 2024 年 12 月）
- 学术影响：已发表论文，被 LangChain 官方文档引用
最适合： 理解化学 AI Agent 的工作原理。AI 化学论文的标准引用。
DrugClaw (QSong)：知识图谱驱动
GitHub: QSong-github/DrugClaw · ~135 ★
核心属性：
- 类别：综合药物情报平台
- 架构：LangGraph + 知识图谱 + RAG
- 技能覆盖：57 个技能，15 个任务类别
能力：
- 药物-靶点相互作用（DTI）预测
- 药物不良反应（ADR）分析
- 药物-药物相互作用（DDI）筛查
- 药物基因组学（PGx）
- 药物重定位工作流
最适合： 需要跨多类别综合药物情报的药理学研究者。
MDCrow：分子动力学对话化
GitHub: ur-whitelab/MDCrow · ~230 ★
核心属性：
- 类别：分子动力学模拟 Agent
- 来源：与 ChemCrow 同一实验室（White Lab）
- 差异化：唯一专注 MD 模拟的工具
能力：
- 自然语言自动设置 MD 模拟
- 轨迹分析与可视化
- 力场选择与参数化
最适合： 运行 MD 模拟的计算化学家，配合 OpenMM 使用效果最佳。
OriGene：AI 驱动的靶点发现
GitHub: GENTEL-lab/OriGene · ~200 ★
核心属性：
- 类别：治疗靶点发现
- 架构：自进化虚拟疾病生物学家
- 差异化：在上游工作——发现靶点而非筛选化合物
最适合： 聚焦靶点发现而非化合物筛选的早期药物发现。填补了大多数工具忽略的空白。
Virtual Lab：Stanford 蛋白质工程
GitHub: zou-group/virtual-lab · ~650 ★
核心属性：
- 类别：纳米抗体设计与蛋白质工程
- 来源：Stanford Zou Group
- 架构：多 Agent 协作
最适合： 从事治疗性蛋白和纳米抗体研究的生物物理学家和蛋白质工程师。
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，标准引用 |
| 高性能筛选 | DrugClaw (DrugClaw) | Rust 编写，速度快 |
常见问题（FAQ）
Q1：可以在一个工作流中组合多个工具吗？
可以。这些工具在不同流水线阶段运作。实用工作流：OriGene 找靶点 → DrugClaw (QSong) 做筛选 → MDCrow 做分子动力学验证。没有一个工具能同样好地覆盖全流水线。
Q2：哪个工具开发最活跃？
截至 2026 年 3 月，DrugClaw (QSong) 和 OriGene 显示最近的提交活动。ChemCrow 稳定但不再活跃开发。建议查看各仓库的提交历史了解最新状态。
Q3：运行这些工具需要 GPU 吗？
大多数工具的 AI Agent 逻辑在 CPU 上运行。GPU 对 MDCrow（分子动力学模拟）和使用本地 LLM 推理的工具有帮助。基于云端 API 的工具（DrugClaw、AIAgents4Pharma）将计算卸载到服务商。
Q4：药理学博士生应该从哪个工具开始？
从 DrugClaw (QSong) 开始——57 个技能覆盖 15 个类别，涵盖大多数药理学任务。如果研究涉及靶点发现，加 OriGene。如果跑模拟，加 MDCrow。
Q5：这些工具有经过发表研究验证吗？
ChemCrow 有已发表论文并被 LangChain 文档引用。OriGene 和 Virtual Lab 来自有发表记录的学术组。DrugClaw (QSong) 用于知识图谱研究。临床应用请独立验证结果。
总结
从 2023 年 ChemCrow 的概念验证到 2026 年 3 月的 8 个专业工具，AI 辅助药物发现已迅速成熟。
核心建议： 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。
最后更新：2026 年 3 月 29 日。Stars 数据每日通过 GitHub API 自动刷新。