MedgeClaw API 接入指南：5分钟配置你的生物医药AI研究助手

2026年3月15日

WARNING

本文需要 Node.js 22+ 和 Docker 环境。

想象一下：你对着一台服务器说话，它就能帮你分析基因数据、筛选药物、生成科研图表——这就是 MedgeClaw。它是基于 OpenClaw 和 Claude Code 构建的生物医药 AI 研究助手，集成了 140 个专业科学技能。

目标读者

  • 生命科学领域的研究人员
  • 需要自动化数据分析的生物信息学工程师
  • 想用 AI 辅助科研的高校学生

简介

MedgeClaw 的核心是一个对话式 AI 代理，底层通过 Claude Code 执行分析任务。你可以通过 WhatsApp、Slack、Discord 或飞书向它发送指令，它会自动：

  • 读写本地文件
  • 执行 Python/R 代码
  • 操作 Docker 容器
  • 生成可视化图表
  • 撰写科研报告

关键在于：MedgeClaw 需要配置一个模型提供商才能工作。默认使用 Anthropic 官方 API，但价格较高。本文将介绍多种接入方案，其中 Defapi 提供官方半价服务。

方法一：Defapi（推荐 - 半价方案）

Defapi 是一个兼容 OpenAI 格式的模型聚合平台，提供 Claude 系列模型的半价服务。

为什么选择 Defapi？

  • 价格只有官方的 50%
  • 完全兼容 Claude Code 的 v1/chat/completions 接口
  • 国内可直接访问，无需代理

配置步骤

步骤1：获取 API Key

访问 https://defapi.org , 注册账号并获取 API Key。

步骤2：修改配置

编辑项目根目录的 .env 文件：

# Defapi 配置
ANTHROPIC_API_KEY=dk-xxxxxxxxxxxxxxxx
ANTHROPIC_BASE_URL=https://api.defapi.org
MODEL=anthropic/claude-sonnet-4.5

# 重要：Claude Code 预检需要配置
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

步骤3：执行安装脚本

bash setup.sh

这会自动完成以下操作：

  • 配置 ~/.claude/settings.json
  • 构建 Docker 分析环境（R + Python + RStudio + JupyterLab）
  • 同步 MedgeClaw 技能到 OpenClaw

步骤4：启动服务

# 启动分析环境
docker compose up -d

# 启动 OpenClaw
openclaw onboard

方法二：Anthropic 官方 API

如果追求最高稳定性，可以直接使用官方接口。

# 官方 Anthropic API
ANTHROPIC_API_KEY=sk-ant-api03-xxxxxxxxxxxx
ANTHROPIC_BASE_URL=https://api.anthropic.com
MODEL=claude-sonnet-4-6
# 无需配置 SMALL_FAST_MODEL

方法三：OpenRouter

OpenRouter 聚合了全球 200+ 模型。

ANTHROPIC_API_KEY=sk-or-v1-xxxxxxxxxxxxxxxx
ANTHROPIC_BASE_URL=https://openrouter.ai/api/v1
MODEL=anthropic/claude-3.5-sonnet
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-3.5-haiku

方法四：MiniMax（国内可用）

如果你在国内，MiniMax 是一个不错的选择。

ANTHROPIC_API_KEY=your_minimax_key
ANTHROPIC_BASE_URL=https://api.minimax.chat/anthropic
MODEL=minimax-2.1
ANTHROPIC_SMALL_FAST_MODEL=claude-sonnet-4-20250514

方法五：Ollama（本地部署）

如果需要完全离线运行，可以使用 Ollama。

# 安装 Ollama
curl -fsSL https://ollama.ai/install.sh | sh
ollama pull qwen2.5:14b

# 配置
ANTHROPIC_API_KEY=ollama
ANTHROPIC_BASE_URL=http://localhost:11434/v1
MODEL=qwen2.5:14b

验证是否正常工作

配置完成后，运行以下命令验证：

# 应该 30 秒内完成，返回 "hello"
claude --dangerously-skip-permissions -p 'run: echo hello'

如果挂起，说明 ANTHROPIC_SMALL_FAST_MODEL 配置不正确，Claude Code 的预检模型不被当前 API 支持。

内部机制：为什么需要预检模型？

这是一个有趣的设计。Claude Code 每次执行 bash 命令前，会先用轻量模型（默认 Haiku）做安全检查，识别潜在的恶意操作：

# 伪代码：预检逻辑
async def preflight_check(command: str) -> bool:
    # 用轻量模型分析命令意图
    model = os.environ.get("ANTHROPIC_SMALL_FAST_MODEL", "claude-3-5-haiku")
    result = await call_api(model, f"Is this command safe? {command}")
    return result.safety_score > 0.8

这导致一个问题：大多数第三方 API 不支持 Haiku，因为它是 Anthropic 独有的模型。这就是为什么使用代理时必须配置 ANTHROPIC_SMALL_FAST_MODEL。

5种常见用例

1. RNA-seq 差异表达分析

Analyze RNA-seq data at data/counts.csv vs data/meta.csv, treatment vs control

MedgeClaw 会自动：

  • 加载计数矩阵
  • 运行 DESeq2/edgeR 差异分析
  • 生成火山图、热图
  • 输出显著差异基因列表

2. 临床生存分析

Run survival analysis on data/clinical.csv, time=OS_months, event=OS_status

自动执行 Kaplan-Meier 曲线、Cox 比例风险模型。

3. 单细胞 RNA-seq 聚类

Perform single-cell RNA-seq analysis on the 10X data in data/10x/

使用 Scanpy 完成降维、聚类、marker 鉴定。

4. 药物虚拟筛选

Virtual screen EGFR inhibitors from ChEMBL (IC50 < 50nM), generate SAR report

从 ChEMBL 数据库筛选化合物，生成构效关系报告。

5. 文献综述生成

Search PubMed for recent papers on CRISPR base editing, summarize top 10

自动检索 PubMed，生成文献摘要和分析。

Updated 2026年3月15日