MedgeClaw: Claude за полцены для биоинформатического анализа

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

Средний уровень сложности, около 30 минут. Вы научитесь создавать ИИ-ассистента для биомедицины, используя Claude API за полцены, экономя более 500$ в месяц.

Целевая аудитория

• Исследователи в области наук о жизни, желающие использовать ИИ для анализа данных.
• Биоинформатики, которым нужна автоматизация научных рабочих процессов.
• Студенты вузов, интересующиеся темой "ИИ + научные исследования".

Основные зависимости и окружение

• Node.js 22+
• Docker + docker-compose
• Git
• Defapi API Key (экономное решение, подробности ниже)

[!TIP]
Наличие GPU с видеопамятью более 8 ГБ не обязательно, но полезно для развертывания локальных моделей.

Структура проекта

MedgeClaw/
├── .env.example              # Шаблон конфигурации среды
├── .env                     # Реальная конфигурация (копия из example)
├── setup.sh                 # Скрипт установки в один клик
├── sync.py                  # Синхронизация конфигурации OpenClaw
├── docker-compose.yml       # Определение среды Docker
├── .medgeclaw-sync.yml      # Правила синхронизации
├── docker/
│   ├── Dockerfile           # R + Python + RStudio + Jupyter
│   └── entrypoint.sh        # Скрипт запуска контейнера
├── skills/                  # Встроенные навыки MedgeClaw
│   ├── biomed-dispatch/    # Роутер задач
│   ├── dashboard/           # Интерактивная панель мониторинга исследований
│   ├── cjk-viz/             # Детекция шрифтов CJK
│   ├── svg-ui-templates/    # Шаблоны SVG
│   └── feishu-rich-card/    # Карточки для Feishu
├── scientific-skills/       # 140 научных навыков K-Dense (git submodule)
├── data/                    # Директория данных (входные файлы)
├── outputs/                 # Директория вывода (результаты анализа)
└── writing_outputs/         # Вывод для написания научных работ

---

Пошаговое руководство

Шаг 1: Клонирование репозитория

# Клонирование проекта (включая submodule)
git clone --recurse-submodules https://github.com/xjtulyc/MedgeClaw.git
cd MedgeClaw

[!WARNING]
Обязательно используйте флаг --recurse-submodules, иначе директория scientific-skills будет пустой.

Шаг 2: Настройка Claude API за полцены

Это самый важный шаг — мы будем использовать Defapi, чтобы существенно сэкономить!

Defapi — это платформа-агрегатор моделей, совместимая с форматом OpenAI, предоставляющая модели серии Claude за полцены. Верно, Claude Sonnet 4.5, который официально стоит $3.75/M токенов, здесь стоит всего $1.875.

[!TIP]
Допустим, вы проводите 1000 анализов генов в день, каждый из которых потребляет около 100 000 токенов контекста + 5000 токенов вывода:

• Официальный API: около $3.75 × 1000 = $3750/мес
• Defapi: около $1.875 × 1000 = $1875/мес
• Экономия $1875 в месяц!

Сначала скопируйте шаблон конфигурации:

cp .env.example .env

Затем отредактируйте .env, вставив ваш Defapi API Key:

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

# ВАЖНО: Для проверки Claude Code нужна эта настройка
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

# Пароли для веб-интерфейсов
RSTUDIO_PASSWORD=biomed
JUPYTER_TOKEN=biomed

[!WARNING]
Нет ключа Defapi? Зарегистрируйтесь на https://defapi.org, новым пользователям доступны бесплатные квоты. Defapi поддерживает интерфейс v1/chat/completions и полностью совместим с Claude Code.

Шаг 3: Запуск скрипта установки

bash setup.sh

Этот скрипт автоматически выполнит следующие действия:

• Проверит наличие Node.js 22+ и зависимостей Docker.
• Глобально установит openclaw и claude-code.
• Создаст ~/.claude/settings.json (конфигурация Claude Code).
• Соберет Docker-образ (включая R, Python, RStudio, JupyterLab).
• Настроит рабочее пространство OpenClaw.

[!WARNING]
Первая сборка Docker-образа может занять 10-20 минут в зависимости от скорости интернета и мощности машины.

Шаг 4: Запуск среды Docker

docker compose up -d

После успешного запуска вы сможете получить доступ к:

• RStudio Server: http://localhost:8787 (логин rstudio, пароль biomed)
• JupyterLab: http://localhost:8888 (токен biomed)

Шаг 5: Синхронизация конфигурации в OpenClaw

python3 sync.py
openclaw gateway restart

sync.py поможет вам:

• Скопировать навыки MedgeClaw в рабочее пространство OpenClaw.
• Обновить конфигурационные файлы OpenClaw.
• Внедрить проектную документацию в контекст агента.

Шаг 6: Проверка установки

# Быстрая проверка подключения к API (ответ "hello" должен прийти в течение 30 секунд)
claude --dangerously-skip-permissions -p 'run: echo hello'

Если вы увидели hello, значит конфигурация верна.

[!WARNING]
Если выполнение зависло более чем на 30 секунд, скорее всего, параметр ANTHROPIC_SMALL_FAST_MODEL настроен неверно — ваш прокси не поддерживает эту модель. С Defapi проблем быть не должно, так как он поддерживает полный список моделей Claude.

---

Решение проблем

Q1: Ошибка сборки Docker

Симптом: docker compose build зависает или выдает ошибку.

Решение:

# Очистите кэш Docker и попробуйте снова
docker system prune -a
docker compose build --no-cache

Q2: Зависание проверки Claude Code

Симптом: Любая команда зависает с сообщением "Pre-flight check is taking longer than expected".

Решение: Сторонние прокси могут не поддерживать стандартную модель Haiku. Необходимо явно указать ANTHROPIC_SMALL_FAST_MODEL:

# Добавьте или измените в .env
ANTHROPIC_SMALL_FAST_MODEL=anthropic/claude-sonnet-4.5

Defapi полностью поддерживает эту настройку.

Q3: Директория scientific-skills пуста

Симптом: Папка skills/ существует, но внутри ничего нет.

Решение:

git submodule update --init --recursive

Q4: Порт занят

Симптом: Сообщение о том, что порты 8787 или 8888 уже используются.

Решение:

# Проверить, какой процесс использует порт
lsof -i :8787
lsof -i :8888

# Или измените проброс портов в docker-compose.yml

---

Дополнительное чтение / Продвинутые возможности

1. Научные навыки K-Dense

MedgeClaw интегрирует 140 научных навыков, охватывающих:

• Омиксный анализ: DESeq2, edgeR, Scanpy, Seurat.
• Разработка лекарств: ChEMBL, DeepChem, DiffDock.
• Поиск литературы: PubMed, bioRxiv, Semantic Scholar.
• Анализ путей: gseapy, clusterProfiler.

Подробное описание использования смотрите в файле scientific-skills/scientific-skills/SKILL.md.

2. Разработка собственных навыков

Хотите добавить новый навык в MedgeClaw? Создайте директорию в соответствии со спецификацией AgentSkills:

skills/
└── your-custom-skill/
    └── SKILL.md   # Определение навыка

3. Сравнение моделей

Результаты тестирования различных моделей:

Модель	Скорость	Качество	Цена	Сценарий
claude-sonnet-4.5 (Defapi)	Средняя	Высокое	Средняя	Ежедневный анализ (рекомендуется)
claude-opus-4.5 (Defapi)	Низкая	Максимальное	Высокая	Сложные логические задачи
claude-haiku-4.5 (Defapi)	Высокая	Среднее	Низкая	Простые задачи
qwen2.5:14b (Локально)	Локально	Среднее	Бесплатно	Полностью офлайн сценарии

4. Интеграция с Feishu

Хотите, чтобы MedgeClaw работал в группах Feishu? Настройте переменную окружения FEISHU_DEFAULT_CHAT_ID, а затем используйте навык feishu-rich-card для отправки отчетов в виде мультимедийных карточек.

5. Панель мониторинга (Dashboard)

Для каждой аналитической задачи автоматически создается панель мониторинга в режиме реального времени. Перейдите по пути data/<task_name>/dashboard/dashboard.html, чтобы увидеть прогресс, код и предварительный просмотр результатов.