AI创想

标题: 如何使用 OpenClaw-Medical-Skills [打印本页]

---

作者: 米落枫    时间: 3 小时前
标题: 如何使用 OpenClaw-Medical-Skills
作者：Aggy阿吉
OpenClaw-Medical-Skills 完整使用指南

OpenClaw-Medical-Skills 是适配 OpenClaw/NanoClaw 框架的医疗专业技能库，使用核心是将技能加载到 AI 助手框架中，让通用 AI 具备医疗领域的专业能力（知识、工具调用、结构化输出）。以下是从环境准备到技能调用、定制化的全流程操作指南。
一、前置条件

操作系统：Windows/macOS/Linux（推荐 Linux/macOS 用于生物信息学等需调用工具的技能）；

• 软件依赖：
  
  Python 3.8+（OpenClaw 框架基础）；Git（克隆技能库），可选 Git LFS（如需下载大体积数据文件）；网络环境：能访问 PubMed/ClinicalTrials/FDA 等外部数据库（部分技能依赖）；
  
  框架安装：已部署 OpenClaw 或 NanoClaw（Claude 个人 AI 助手框架）。
  

二、安装 OpenClaw 框架（基础步骤）

若未安装框架，先执行以下命令：

1. # 安装 OpenClaw 核心包
2. pip install openclaw
4. # 验证安装
5. openclaw --version

复制代码

注：NanoClaw 是轻量版，安装命令为 pip install nanoclaw，使用逻辑与 OpenClaw 一致。

三、获取并加载 OpenClaw-Medical-Skills 技能

方式1：稀疏克隆（推荐，仅下载技能文件，节省空间）

1. # 1. 克隆技能库（仅初始化，不下载全部文件）git clone --depth=1 --no-checkout https://github.com/FreedomIntelligence/OpenClaw-Medical-Skills.git
3. # 2. 进入仓库目录cd OpenClaw-Medical-Skills
5. # 3. 启用稀疏检出，仅加载 skills 目录（核心技能文件）git sparse-checkout init --conegit sparse-checkout set skills
7. # 4. 拉取技能文件git checkout main
9. # 5. 将技能复制到 OpenClaw 工作区（替换为你的实际工作区路径）# 全局技能目录（所有 AI 实例生效）：~/.openclaw/skills/# 局部工作区目录（仅当前实例生效）：./my-claw-workspace/skills/cp-r skills/* ~/.openclaw/skills/

复制代码

方式2：ClawHub CLI 安装（批量/单个技能更新）

若已安装 ClawHub 插件（OpenClaw 官方包管理工具），可直接安装技能：

1. # 安装插件（如需）
2. pip install openclaw-clawhub
4. # 安装全部医疗技能
5. clawhub install freedomintelligence/OpenClaw-Medical-Skills
7. # 安装单个技能（如 SOAP 病历生成）
8. clawhub install freedomintelligence/OpenClaw-Medical-Skills/skills/soap-notes

复制代码

方式3：手动配置技能目录（适合定制化）

下载技能库压缩包，解压后得到 skills/ 目录；编辑 OpenClaw 配置文件（~/.openclaw/config.yaml），添加技能目录路径：

1. # config.yaml 示例skill_dirs:- ~/.openclaw/skills/          # 默认技能目录- /path/to/your/custom/skills/ # 自定义医疗技能目录

复制代码

重启 OpenClaw 生效。

四、调用技能（核心操作）

步骤1：启动 OpenClaw 终端

1. # 启动交互式终端
2. openclaw shell
4. # 或启动 Web UI（可视化操作）
5. openclaw web --port8080

复制代码

步骤2：基础调用（以临床/科研场景为例）

技能调用无需手动“激活”，只需在指令中明确场景需求，AI 会自动匹配对应技能。
示例1：生成 SOAP 病历（临床场景）

在 OpenClaw 终端/Web UI 输入：

1. 【需求】基于以下患者信息生成符合临床规范的 SOAP 病历
2. 患者信息：
3. - 性别：女，年龄：42岁
4. - 主诉：间断性头痛3天，伴恶心、畏光，无呕吐
5. - 客观检查：血压 135/85 mmHg，神经系统查体无异常，头颅CT未见明显病变
6. - 既往史：无高血压、偏头痛病史，否认药物过敏史

复制代码

AI 加载 soap-notes 技能后输出：

1. ### SOAP 病历
2. **S（主观）**：42岁女性，间断性头痛3天，伴恶心、畏光，无呕吐；无高血压、偏头痛病史，无药物过敏史。
3. **O（客观）**：BP 135/85 mmHg，神清，颈软，神经系统查体（-），头颅CT未见明显异常。
4. **A（评估）**：原发性头痛（偏头痛待排）；排除颅内器质性病变。
5. **P（计划）**：1. 予布洛芬 0.2g po tid 对症止痛；2. 嘱休息，避免强光、噪音刺激；3. 若头痛加重/出现呕吐，及时返院复诊；4. 门诊随访1周。

复制代码

示例2：RNA-seq 分析（科研场景）

输入指令：

1. 【需求】对以下 RNA-seq 数据进行差异表达分析
2. 数据路径：/data/rnaseq/raw/
3. 参考基因组：hg38
4. 分析要求：1. 用 STAR 做序列比对；2. DESeq2 做差异基因分析；3. 输出上调/下调基因列表（|log2FC|>1, padj<0.05）；4. 生成 GO/KEGG 富集分析报告

复制代码

AI 加载 rna-seq 技能后，自动调用分析工具链，输出结构化结果：

1. ### RNA-seq 差异分析报告
2. 1. 比对效率：92.3%（STAR hg38）
3. 2. 差异基因数量：上调 128 个，下调 97 个（|log2FC|>1, padj<0.05）
4. 3. 富集分析 TOP5 通路：
5.    - GO:0006954 炎症反应（p=2.3e-5）
6.    - KEGG:hsa04110 细胞周期（p=4.1e-4）
7.    ...
8. 4. 结果文件路径：/data/rnaseq/results/DE_genes.csv、/data/rnaseq/results/enrichment.pdf

复制代码

示例3：药物相互作用预测（药物研发场景）

输入指令：

1. 【需求】预测以下用药组合的潜在相互作用及风险
2. 用药清单：
3. 1. 阿司匹林（100mg/日）
4. 2. 氯吡格雷（75mg/日）
5. 3. 阿托伐他汀（20mg/晚）
6. 患者基础信息：68岁男性，冠心病，高脂血症，肝肾功能正常

复制代码

AI 加载 ddi-prediction 技能后输出：

1. ### 药物相互作用（DDI）分析报告
2. 1. 核心相互作用：
3.    - 阿司匹林 + 氯吡格雷：增加出血风险（胃肠道/颅内），属于中度风险（等级 2）；
4.    - 阿托伐他汀 + 氯吡格雷：CYP450 代谢竞争，轻度降低氯吡格雷活性（等级 1）；
5. 2. 风险建议：
6.    - 监测患者出血倾向（如黑便、牙龈出血）；
7.    - 无需调整剂量，定期复查凝血功能；
8.    - 避免联用非甾体抗炎药（NSAIDs）。

复制代码

步骤3：进阶使用（定制化技能）

若需适配医院/企业的个性化流程，可修改技能文件：

找到对应技能的 SKILL.md（如 skills/soap-notes/SKILL.md）；

• 编辑文件中的「模板」「规则」「输出格式」：
  1. # SOAP 病历技能（定制版）
  2. ## 模板（医院XX版）
  3. ### S（主观）
  4. 患者{{姓名}}，{{性别}}，{{年龄}}，{{主诉}}
  5. 既往史：{{既往史}}
  6. 过敏史：{{过敏史}}
  7. ### O（客观）
  8. 查体：{{查体结果}}
  9. 辅助检查：{{检查结果}}
  10. ### A（评估）
  11. {{诊断结论}}
  12. ### P（计划）
  13. 1. 治疗：{{治疗方案}}（需符合我院《冠心病诊疗规范2024》）
  14. 2. 随访：{{随访计划}}

  复制代码
  保存后重启 OpenClaw，AI 会按定制模板输出结果。
  

五、常见问题与解决方案

问题1：技能加载失败

排查：检查 config.yaml 中 skill_dirs 路径是否正确；解决：重新复制技能文件到指定目录，执行 openclaw skill reload 重载技能。

问题2：部分技能（如 RNA-seq）调用工具失败

原因：缺少生物信息学工具（如 STAR、DESeq2）；解决：安装对应工具（如 conda install star deseq2 -c bioconda），确保工具在系统 PATH 中。

问题3：无法访问外部数据库（如 PubMed）

解决：配置代理（如 export HTTP_PROXY=http://proxy:port），或使用镜像数据库（如国内 PubMed 镜像）。

问题4：AI 未匹配到对应技能

解决：指令中明确场景关键词（如“生成 SOAP 病历”“RNA-seq 差异分析”），或检查技能文件是否完整。

六、技能更新与维护

1. # 进入技能库目录cd OpenClaw-Medical-Skills
3. # 拉取最新技能git pull
5. # 重新复制到 OpenClaw 技能目录cp-r skills/* ~/.openclaw/skills/
7. # 重载技能
8. openclaw skill reload

复制代码

七、注意事项

合规性：医疗数据需遵循 HIPAA、《个人信息保护法》等法规，禁止上传敏感隐私数据；结果验证：AI 输出的临床决策、分析结果仅作辅助，需由专业医护/科研人员审核；资源适配：生物信息学、药物研发类技能需较高算力，建议在服务器/云环境部署；版本兼容：确保 OpenClaw/NanoClaw 版本与技能库适配（优先使用最新版）。

通过以上流程，可快速将 OpenClaw-Medical-Skills 集成到 AI 助手，落地到临床、科研、药物研发等各类医疗场景，大幅提升工作效率。

原文地址：https://blog.csdn.net/m0_37888039/article/details/159393805

---

欢迎光临 AI创想 (https://llms-ai.com/)

Powered by Discuz! X3.4