Un sistema de agentes de IA para la ciencia en OpenClaw cuyas Skills y Operators tipados evolucionan a partir de ejecuciones verificadas mediante reproducción y validadas de forma independiente.
ScienceClaw es un sistema de agentes para tareas científicas que acumula mejoras reutilizables. Cada tarea se resuelve como un flujo de trabajo tipado y ejecutable, cuyos puertos incluyen información sobre tipos, dimensiones, unidades y procedencia. Cuando una reparación se reproduce tras restablecer el entorno de forma limpia, se convierte en una Skill vinculada (un parche de estrategia) y un Operator (una capacidad tipada y ejecutable), que se confirman juntos.
Una actualización solo se conserva si la reproducción de la fuente la reproduce y la utiliza, y las tareas de validación independiente mejoran estrictamente dentro del presupuesto. Las actualizaciones son instantáneas versionadas que los usuarios promueven manualmente y a las que pueden volver atrás. El repositorio incluye una biblioteca de herramientas científicas (42 módulos, entre ellos modelos de predicción, segmentación, proteínas y moléculas), un conjunto de Skills por disciplina que abarca 23 áreas de investigación y un plugin de gateway para OpenClaw. El benchmark complementario, ScienceClaw-Eval, está alojado en Hugging Face.
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Herramienta de machine learning de código abierto que usa aprendizaje activo para priorizar registros al revisar grandes conjuntos de texto para revisiones sistemáticas.
Un plugin de Zotero para conversar con uno o varios PDF y buscar en toda la biblioteca con LLM en la nube o modelos locales.
Un hub web y userscript de Tampermonkey que convierte el ID de un artículo de arXiv en enlaces de un clic para leerlo, traducirlo, buscarlo y comentarlo.
Entorno de trabajo de IA para investigación científica, local y compatible con distintos modelos, con agentes, notebooks de Python/R, conectores científicos y artefactos trazables.
Recopilación seleccionada de artículos sobre la automatización con IA de todo el ciclo de investigación académica, desde la generación de ideas hasta la revisión por pares y la difusión.
Colección de 177 skills validadas que enseñan a agentes de programación con IA a trabajar con bibliotecas científicas, bases de datos y flujos de investigación.