使用腾讯云WorkBuddy的Openclaw爬取OncoKB(可行)

#default

最近龙虾热潮，巨头们现在在卷龙虾应用。腾讯这个鸡贼的，把自己的CodeBuddy魔改了一下（感觉是把vscode的代码窗口直接砍掉，然后留着对话窗口和工作区），上线了WorkBuddy。

我感觉这个WorkBuddy并没有实现原本龙虾的功能，甚至感觉不像龙虾，而是一个普通的Claude Code加上GUI。不过话说回来，该薅还是要薅的。

WorkBuddy

好的，现在进入正题，让WorkBuddy的Claw模式（Plan）来爬取OncoKB，还是用之前给Manus的提示词。模型我使用的是Minimax-M2.5

提示词

任务目标： 从OncoKB网站提取基因位点（Alterations）的详细描述信息以及相关的治疗、诊断、预后和FDA认可内容，并最终整理成5个结构化的表格。

流程步骤：
第一步：访问初始列表页
打开您的Web浏览器。
输入或点击以下链接，访问OncoKB网站的Alterations页面：
https://www.oncokb.org/actionable-genes
在此页面，您将看到一个所有基因位点（Alterations）的列表。这个列表将作为后续操作的基础。

第二步：逐个访问位点详情页并提取描述信息
对于列表中的每一个基因位点（例如：EGFR L858R, KRAS G12C 等），点击其对应的链接，进入该位点的详情页面。
在每个详情页的顶部或描述区域，请仔细查找并记录以下信息，这些信息将构成第一个表格的行数据：
基因名称 (Gene Symbol)： 例如：EGFR, TP53, KRAS。
位点名称 (Alteration Name)： 例如：L858R, G12C, Amplification。
Oncogenic Status： 描述该位点的致癌性，例如：Oncogenic, Likely Oncogenic, Neutral, Inconclusive等。
Function： 描述该位点是“Gain-of-function”（功能获得）还是“Loss-of-function”（功能缺失），或无特定描述。
Mutation Type (如果明确提及)： 变异类型，例如：Missense, Truncating, Fusion, Amplification, Deletion等。
参考基因组 (Reference Genome)： 如果页面有明确显示，例如：GRCh37 / GRCh38。
基因总结信息 (Gene Summary)： 位于页面顶部或“Summary”部分的，对该基因功能、作用机制等的高层次概括。请摘取主要观点或概述性描述。

第三步：提取各标签页的表格数据
在每个基因位点详情页中，您会看到以下几个标签（通常在页面下方或侧边栏）：
Therapeutic
Diagnostic
Prognostic
FDA-Recognized Content
逐一点击每个标签。当您点击一个标签后，页面会加载出该标签对应的表格内容。
完整地复制并粘贴该标签页下的整个表格数据。确保所有列的标题和对应的行数据都被准确地提取。

第四步：数据整理与最终输出
将所有收集到的数据整理成5个独立的表格。
建议使用电子表格软件（如Excel或Google Sheets），创建5个不同的工作表（Sheet），每个工作表对应一个表格。

最终输出表格结构示例：
1. 基因与位点的信息表 (Gene and Alteration Information Table)
示例列：
基因名称 (Gene Symbol)
位点名称 (Alteration Name)
Oncogenic Status
Function (Gain-of-function/Loss-of-function)
Mutation Type
参考基因组 (Reference Genome)
基因总结信息 (Gene Summary)

2. Therapeutic 表
包含从每个位点的“Therapeutic”标签页提取的所有表格数据。
列名与OncoKB网页上的表格列名保持一致。

3. Diagnostic 表
包含从每个位点的“Diagnostic”标签页提取的所有表格数据。
列名与OncoKB网页上的表格列名保持一致。

4. Prognostic 表
包含从每个位点的“Prognostic”标签页提取的所有表格数据。
列名与OncoKB网页上的表格列名保持一致。

5. FDA-Recognized Content 表
包含从每个位点的“FDA-Recognized Content”标签页提取的所有表格数据。
列名与OncoKB网页上的表格列名保持一致。

重要提示：
OncoKB网站的数据量较大，请确保耐心和细致地完成每个步骤。
在提取表格数据时，尤其注意复制粘贴的完整性，确保不遗漏任何行或列。
建议定期保存您的工作进度，以防数据丢失。
如果在任何步骤遇到疑问或不确定如何提取某个特定信息，请及时向我反馈。

WorkBuddy工作

WorkBuddy首先去查询了OncoKB是否有提供API接口，同时他开始让我确认计划

workbuddy_1

在确认计划后，WorkBuddy开始在工作区里自行构建爬虫代码，并且开始去自行整理网页的信息。但是，它爬了几个基因就停止了。它说爬取完整的耗时很长，因此，在反复拉扯下，我给了一个新的指示：

我说了，需要完整的数据，我不管需要几个小时，你只要持续运行到任务完成。你自己需要监控任务的进度，如果在未完成前就中断了，你自己要重新启动

好像还可以哦

workbuddy_2

这次执行的时间很长，但是还是停了。提示是已达频率上限，需要在两小时后恢复或升级到专业版。老套路了。我并没有搜到这个频率上限是多少，因此，我还是回归自己部署的龙虾了，workbuddy已卸载。

赛后总结

  1. 龙虾自带的web_fetch用来爬虫是可行的
  2. WorkBuddy是一个赶工出来的半成品，而且没有龙虾的那种味道
  3. 还是自己部署API靠谱，不会工作到一半断掉
  4. WorkBuddy进行日常的文件整理工作应够用，编程工作不够用
  5. 当前建议大家先去薅阿里云或腾讯云的首月7.9 Coding Plan