我们数了 OpenClaw 生态里的每一个科研技能
OpenClaw 科研技能生态已经爆发。但它到底有多深？哪些研究方向的工具已经成熟，哪些还在等待第一个有用的技能？
我们调查了 12 个科研技能仓库，包含超过 2000 个技能。以下是我们的发现。
全景一览
| 领域 | 技能数 | 状态 |
|---|---|---|
| 文献检索与综述 | ~306 | 极度红海 |
| 数据分析 / 统计 / ML | ~237 | 深度红海 |
| 临床 / 医学 | ~216 | 深度红海 |
| 基因组学（WGS/WES/变异检测） | ~178 | 红海 |
| 学术写作 / LaTeX | ~118 | 红海 |
| 科研自动化 / 流水线 | ~109 | 红海 |
| 单细胞 / scRNA-seq | ~102 | 红海 |
| Bulk RNA-seq / 转录组学 | ~87 | 红海 |
| 药物发现 / 化学信息学 | ~62 | 红海 |
| 蛋白组学 | ~39 | 橙色 |
| 引用 / 参考文献管理 | ~34 | 橙色 |
| 结构生物学（蛋白质/MD） | ~31 | 黄色 |
| 研究选题 / 查新 | ~28 | 黄色 |
| 空间转录组学 | ~26 | 黄色 |
| 代谢组学 | ~26 | 黄色 |
| 成像 / 显微镜 | ~25 | 黄色 |
| 生态学 / 环境 | ~14 | 蓝海 |
红海：除非你能做到 10 倍好，否则不要进入
文献检索（~306 个技能）
每个技能库都有文献检索。仅 PubMed 就有 8 个以上的包装技能。如果你要再做一个"搜索 PubMed"的技能，你在和 300 个现有技能竞争。
真正缺失的是： 跨数据库的智能综合检索。大多数技能一次只搜一个数据库。一个能根据研究领域智能路由到 PubMed、arXiv、bioRxiv、Semantic Scholar 和 OpenAlex 的技能才是真正的创新。
数据分析 / ML（~237 个技能）
已经商品化。每个统计函数、每种可视化类型、每个 ML 框架都有技能包装。
缺失的是： 领域特异性解读。不只是跑 DESeq2，而是在你特定的生物学问题背景下解读结果。
黄色区域：增长空间
研究选题 / 查新（~28 个技能）
只有 ARIS 和 K-Dense 真正在做这个方向。最大的空白：自动化文献空白检测。一个能读你的草稿然后告诉你"这个具体论断在近 5 年没有支持证据"的技能，将是变革性的。
空间转录组学（~26 个技能）
基因组学中增长最快的领域之一（Visium、MERFISH、Slide-seq），但技能覆盖相对于其研究势头来说很薄。端到端的空间分析流水线几乎不存在。
成像 / 显微镜（~25 个技能）
只有 K-Dense 和 bioSkills 覆盖了这个领域。组织病理学 AI、全切片图像分析和荧光显微镜定量几乎没有代表。
蓝海：完全开放
生态学 / 环境（~14 个技能）
整个生态系统中最大的空白。宏基因组学、环境 DNA、种群生态学、保护基因组学——全部供给不足。如果你是一个会编程的生态学家，这是你为整个领域定义工具的机会。
这意味着什么
对技能使用者： 文献检索、数据分析和临床技能已经很充裕。用我们的精选推荐跳过评估工作。
对技能开发者： 文献检索和数据分析的低垂果实已经摘完。真正的机会在：
- 生态学 / 环境 — 几乎为空
- 成像 / 显微镜 — 刚刚开始
- 空间转录组学 — 高需求，薄供给
- 研究选题 — 自动化空白检测是一个等待被构建的杀手级功能
- 跨领域综合 — 同时操作多个数据库/工具的技能
方法论
- 调查了 12 个技能仓库： K-Dense、FreedomIntelligence、Orchestra、Imbad0202、ClawBio、ARIS、STELLA、AIPOCH、AMiner、Research-Claw Plugins、OmicSkills、bioSkills
- 通过仓库目录和 README 分类统计技能数量
- 调查日期：2026 年 3 月 24 日
数据来源：Claw4Science 技能仓库