MedgeClaw: Bioinformática con Claude a mitad de precio

Repositorio: https://github.com/xjtulyc/MedgeClaw

Dificultad media, aproximadamente 30 minutos. Aprende a construir un asistente de IA para biomedicina utilizando la API de Claude a mitad de precio, ahorrando más de 500 USD al mes.

Audiencia Objetivo

Investigadores en ciencias de la vida que desean usar IA para asistir en el análisis de datos.
Ingenieros en bioinformática que necesitan automatizar flujos de trabajo de investigación científica.
Estudiantes universitarios interesados en la intersección de IA e investigación científica.

Dependencias y Entorno Principales

Node.js 22+
Docker + docker-compose
Git
Defapi API Key (Solución a mitad de precio, los detalles se explican más adelante)

[!TIP]
No es estrictamente necesaria una GPU con más de 8GB de VRAM, pero tenerla permite realizar más despliegues de modelos locales.

Estructura Completa del Proyecto

MedgeClaw/
├── .env.example              # Plantilla de configuración de entorno
├── .env                     # Configuración real (copiada de example)
├── setup.sh                 # Script de instalación en un clic
├── sync.py                  # Sincronización de configuración de OpenClaw
├── docker-compose.yml       # Definición del entorno Docker
├── .medgeclaw-sync.yml      # Configuración de reglas de sincronización
├── docker/
│   ├── Dockerfile           # R + Python + RStudio + Jupyter
│   └── entrypoint.sh        # Script de inicio del contenedor
├── skills/                  # Habilidades integradas de MedgeClaw
│   ├── biomed-dispatch/    # Enrutador de tareas
│   ├── dashboard/           # Panel de control de investigación en tiempo real
│   ├── cjk-viz/             # Detección de fuentes CJK
│   ├── svg-ui-templates/    # Plantillas de UI en SVG
│   └── feishu-rich-card/    # Tarjetas enriquecidas para Feishu
├── scientific-skills/       # 140 habilidades científicas K-Dense (git submodule)
├── data/                    # Directorio de datos (coloca aquí tus archivos de entrada)
├── outputs/                 # Directorio de salida (aquí van los resultados del análisis)
└── writing_outputs/         # Salidas de escritura científica

Tutorial Paso a Paso

Paso 1: Clonar el repositorio

# Clonar el proyecto (incluyendo subódulos)
git clone --recurse-submodules https://github.com/xjtulyc/MedgeClaw.git
cd MedgeClaw

[!WARNING]
Es obligatorio añadir --recurse-submodules, de lo contrario, el directorio scientific-skills estará vacío.

Paso 2: Configurar la API de Claude a mitad de precio

¡Este es el paso más importante: usaremos Defapi para ahorrar mucho dinero!

Defapi es una plataforma de agregación de modelos compatible con el formato de OpenAI, que ofrece el servicio a mitad de precio para la serie de modelos Claude. Así es, el Claude Sonnet 4.5 que oficialmente cuesta $3.75/M tokens, aquí cuesta solo $1.875.

[!TIP]
Supongamos que ejecutas 1000 análisis genéticos al día, consumiendo cada vez 100k tokens de contexto + 5000 tokens de salida:

API oficial: aprox. $3.75 × 1000 = $3750/mes

Defapi: aprox. $1.875 × 1000 = $1875/mes

¡Ahorras $1875 al mes!

Primero, copia la plantilla de configuración:

cp .env.example .env

Luego edita .env e introduce tu API Key de Defapi:

# Configuración Defapi a mitad de precio
ANTHROPIC_API_KEY=dk-xxxxxxxxxxxxxxxx
ANTHROPIC_BASE_URL=https://api.defapi.org
MODEL=anthropic/claude-sonnet-4.5

# Crucial: El pre-chequeo de Claude Code requiere esta configuración
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

# Contraseñas de interfaz Web
RSTUDIO_PASSWORD=biomed
JUPYTER_TOKEN=biomed

[!WARNING]
¿No tienes una API Key de Defapi? Visita https://defapi.org para registrarte; los nuevos usuarios tienen cuota gratuita. Defapi soporta el endpoint v1/chat/completions y es totalmente compatible con Claude Code.

Paso 3: Ejecutar el script de instalación

bash setup.sh

Este script automatizará por ti:

Verificación de dependencias de Node.js 22+ y Docker.
Instalación global de openclaw y claude-code.
Generación de ~/.claude/settings.json (configuración de Claude Code).
Construcción de la imagen Docker (incluye R, Python, RStudio, JupyterLab).
Configuración del workspace de OpenClaw.

[!WARNING]
La construcción inicial de la imagen Docker tarda de 10 a 20 minutos, dependiendo de tu red y hardware.

Paso 4: Iniciar el entorno Docker

docker compose up -d

Tras un inicio exitoso, puedes acceder a:

RStudio Server: http://localhost:8787 (usuario rstudio, contraseña biomed)
JupyterLab: http://localhost:8888 (token biomed)

Paso 5: Sincronizar configuración con OpenClaw

python3 sync.py
openclaw gateway restart

sync.py te ayudará a:

Copiar las skills de MedgeClaw al workspace de OpenClaw.
Actualizar el archivo de configuración de OpenClaw.
Inyectar la documentación del proyecto en el contexto del Agent.

Paso 6: Verificar la instalación

# Verificación rápida de conexión API (debería responder "hello" en menos de 30s)
claude --dangerously-skip-permissions -p 'run: echo hello'

Si ves hello, la configuración es correcta.

[!WARNING]
Si se queda colgado por más de 30 segundos, significa que la configuración de ANTHROPIC_SMALL_FAST_MODEL es incorrecta; el proxy que usas no soporta ese modelo. Defapi funciona sin problemas porque soporta la lista completa de modelos de Claude.

Solución de Problemas Comunes

Q1: Error en la construcción de Docker

Síntoma: docker compose build se detiene o da error.

Solución:

# Limpiar caché de Docker e intentar de nuevo
docker system prune -a
docker compose build --no-cache

Q2: El pre-chequeo de Claude Code se cuelga

Síntoma: Cualquier comando se queda bloqueado mostrando "Pre-flight check is taking longer than expected".

Solución: Los proxies de terceros a veces no soportan el modelo Haiku por defecto. Debes configurar ANTHROPIC_SMALL_FAST_MODEL:

# Añadir en .env (o cambiar al modelo soportado por el proxy)
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

Defapi soporta totalmente esta configuración.

Q3: El directorio scientific-skills está vacío

Síntoma: El directorio skills/ existe pero está vacío.

Solución:

git submodule update --init --recursive

Q4: Puertos ocupados

Síntoma: Los puertos 8787 u 8888 ya están en uso.

Solución:

# Identificar qué proceso los usa
lsof -i :8787
lsof -i :8888

# O cambiar el mapeo de puertos en docker-compose.yml

Lectura Extendida / Direcciones Avanzadas

1. Habilidades científicas K-Dense

MedgeClaw integra 140 habilidades científicas que cubren:

Análisis Ómico: DESeq2, edgeR, Scanpy, Seurat.
Desarrollo de Fármacos: ChEMBL, DeepChem, DiffDock.
Búsqueda Bibliográfica: PubMed, bioRxiv, Semantic Scholar.
Análisis de Vías: gseapy, clusterProfiler.

Consulta el archivo SKILL.md en el directorio scientific-skills/scientific-skills/ para un uso detallado.

2. Desarrollo de Habilidades Personalizadas

¿Quieres añadir nuevas habilidades a MedgeClaw? Crea un directorio siguiendo la especificación de AgentSkills:

skills/
└── tu-habilidad-personalizada/
    └── SKILL.md   # Archivo de definición de la habilidad

3. Comparativa de Modelos

Comparativa real entre diferentes modelos:

Modelo	Velocidad	Calidad	Precio	Escenario Ideal
claude-sonnet-4.5 (Defapi)	Media	Alta	Medio	Análisis diario (Recomendado)
claude-opus-4.5 (Defapi)	Lenta	Máxima	Alto	Tareas de razonamiento complejo
claude-haiku-4.5 (Defapi)	Rápida	Media	Bajo	Tareas simples
qwen2.5:14b (Local)	Local	Media	Gratis	Escenarios totalmente offline

4. Integración con Feishu / Lark

¿Quieres que MedgeClaw trabaje en grupos de Feishu? Configura la variable de entorno FEISHU_DEFAULT_CHAT_ID y usa la habilidad feishu-rich-card para enviar informes visuales.

5. Panel de Control de Investigación

Cada tarea de análisis generará automáticamente un panel en tiempo real. Accede a data/<nombre_de_tarea>/dashboard/dashboard.html para ver el progreso, el código y la vista previa de los resultados.