paperclip
Pesquisa e lê documentos biomédicos e de saúde. Ele busca informações em artigos, documentos da FDA e ensaios clínicos, extraindo dados importantes.
O que ela faz
O Paperclip GXL é uma ferramenta que busca e lê documentos científicos, como artigos, relatórios da FDA e resultados de testes clínicos. Ele permite encontrar informações específicas dentro desses documentos.
Quando usar
- ✓Quando você precisa encontrar artigos sobre um tópico específico.
- ✓Quando você quer procurar por termos exatos em documentos científicos.
- ✓Quando você precisa extrair informações de múltiplos artigos.
Exemplo do que pedir para a IA
“Encontre artigos sobre edição genética CRISPR e me mostre os 5 mais relevantes.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
Você diz ao Paperclip o que procurar e onde procurar (por exemplo, em artigos da PubMed). Ele então busca os documentos e permite que você leia ou extraia informações específicas deles.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add K-Dense-AI/scientific-agent-skills --skill paperclipOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/K-Dense-AI/scientific-agent-skills/main/skills/paperclip/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Paperclip CLI
Paperclip by GXL expõe documentos científicos através de um sistema de arquivos virtual e busca no lado do servidor
e leitores. Este é o GXL Paperclip em paperclip.gxl.ai, não o aplicativo não relacionado da empresa de agentes Paperclip.
Use a fonte solicitada pelo usuário; outros provedores têm suas próprias habilidades.
Esta revisão verifica a documentação oficial, o esquema da API pública e o CLI/SDK 0.7.92 instalado. Ajuda local, construção de requisições SDK e metadados públicos foram verificados. Recuperação autenticada, leitores LLM, uploads e mutações de repositório não foram executados durante esta revisão; seus exemplos são ilustrativos. O comportamento do servidor pode mudar independentemente da versão do CLI.
Preparação e autenticação
command -v paperclip
paperclip --version
paperclip --help
Se instalado, use a conta existente ou uma chave configurada privadamente em
https://paperclip.gxl.ai/keys. Não peça uma chave no chat nem imprima arquivos de credenciais.
O Paperclip não carrega um projeto .env automaticamente. Se o usuário forneceu um
.env confiável e compatível com shell, exporte-o na mesma invocação do shell do comando:
if [ -f .env ]; then
set -a
. ./.env
set +a
fi
paperclip config 2>&1 | grep -E 'Auth:|Health:'
Sourcing .env executa código de shell: use apenas um arquivo confiável e mantenha-o fora do Git. Repita o
export quando uma ferramenta iniciar um novo shell; um ambiente já exportado não precisa de prefixo. Um token
bearer pode ter precedência sobre uma chave de API, e credenciais de ambiente ausentes podem recorrer a uma
identidade OAuth armazenada. Verifique a conta pretendida em vez de assumir que qualquer login OAuth está errado.
Auth relata a presença de credenciais; Health sonda a alcançabilidade pública. Nenhum dos dois prova que
a credencial é válida. Verifique a autenticação na próxima requisição autorizada pela tarefa.
Use o navegador paperclip login quando o usuário estiver disponível para concluir o login. A instalação e
paperclip install também contêm prompts; veja installation.md.
Não execute atualizações, desinstalações, alterações de conta ou uploads meramente para testar a documentação.
Escolha a operação de recuperação
| Objetivo | Comando | Interpretação |
|---|---|---|
| Artigos sobre um tópico | search -s pmc "..." -n 5 |
Descoberta classificada; resumos são triagem |
| Termos exatos em texto completo | grep "TP53" /papers/ |
Pode ser limitado por tempo ou correspondência |
| DOI/PMID conhecido | lookup doi 10.1073/pnas.2307796121 |
Resolva a identidade antes de ler |
| Contagens e metadados | sql "SELECT ..." |
Agregação de metadados, não busca de texto completo |
| Análogos metodológicos | search -s arxiv --ranking analogical "..." |
Descreva o método ou problema em frases completas |
| Os mesmos campos em vários artigos | map --from s_ID "..." |
Extração LLM; verifique evidências materiais |
Sempre passe uma fonte ou diretório virtual para search. Fontes separadas por vírgula funcionam, mas consultas
direcionadas separadas são mais fáceis de interpretar ao misturar artigos, ensaios e evidências regulatórias.
Use paperclip skill proteins antes de consultas de proteínas e paperclip skill patents antes de patentes.
Encontrar, ler e citar
paperclip search -s pmc "CRISPR base editing delivery" -n 5
paperclip cat /papers/PMC10945750/meta.json
paperclip head -40 /papers/PMC10945750/content.lines
paperclip ls /papers/PMC10945750/sections/
paperclip grep -n "lipid nanoparticle" /papers/PMC10945750/content.lines
paperclip scan /papers/PMC10945750/content.lines "IC50" "off-target" "efficiency"
Capture o ID do resultado retornado; não reutilize os IDs ilustrativos nesta habilidade. IDs s_ identificam
cohortes de busca/grep/filtro salvas, m_ mapeiam execuções e r_ reduzem artefatos. Recupere IDs recentes com
paperclip results --list. A saída do terminal pode ser uma prévia truncada, então use resultados salvos ou
o SDK result.papers para hits estruturados, não um regex sobre títulos de artigos renderizados. Veja
search-and-retrieval.md e
python-sdk.md.
Use caminhos virtuais absolutos. Prefira head, seções, grep e scan em vez de despejar um artigo inteiro.
Uma leitura falha ou um resultado de grep limitado e vazio não estabelece ausência científica.
Extração de múltiplos artigos
paperclip search -s pmc "lipid nanoparticle mRNA delivery" -n 5
# Substitua o ID de busca real abaixo.
paperclip filter --from s_ID "in vivo delivery with quantified efficiency"
paperclip map --from s_ID "Report delivery vector, target cell type, efficiency, and supporting lines. State 'not reported' when absent."
paperclip results m_ID --save map.txt
…
Perguntas frequentes
Como eu instalo o Paperclip?
Você pode instalar o Paperclip usando o comando `paperclip install`. Se precisar de mais detalhes, consulte a documentação de instalação.
Como eu me autentico no Paperclip?
Você pode se autenticar usando `paperclip login` se estiver disponível para interagir com o navegador, ou configurando suas chaves de API em `https://paperclip.gxl.ai/keys`. Nunca compartilhe suas credenciais.
O que são 's_IDs', 'm_IDs' e 'r_IDs'?
Esses são identificadores para os resultados das suas buscas. 's_IDs' são para buscas salvas, 'm_IDs' para extrações de dados (map) e 'r_IDs' para resultados de processamento (reduce). Você pode listar os resultados recentes com `paperclip results --list`.
Detalhes
Descrição original do autor
Searches and reads biomedical papers, FDA/PMDA/EMA documents, clinical trials, and protein records with the GXL Paperclip CLI and Python SDK. Supports source-scoped search, full-text grep, metadata SQL, map/reduce extraction, figure analysis, optional repositories and claim verification, and line-pinned citations. Use when a task names GXL paperclip, asks to install or authenticate it, or requests
Popularidade
- Estrelas no GitHub
- 51 mil
- Posição no ranking
- #1926
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
13c-metabolic-flux
Estima fluxos metabólicos usando dados de rastreamento de isótopos de carbono-13. É útil para analisar o metabolismo celular e vias bioquímicas.
K-Dense-AI/scientific-agent-skills
adaptyv
Projeta experimentos de caracterização de proteínas usando a API Adaptyv. Ele ajuda a estimar custos, enviar sequências e monitorar resultados de laboratório.
K-Dense-AI/scientific-agent-skills
aeon
Realiza tarefas de aprendizado de máquina em séries temporais. É útil para classificar, prever, detectar anomalias e encontrar padrões em dados sequenciais.
K-Dense-AI/scientific-agent-skills
alphagenome
Consulta efeitos genômicos pré-calculados para variantes genéticas. Ele fornece pontuações e explicações para entender o impacto das variantes no genoma.
K-Dense-AI/scientific-agent-skills
Skills parecidas
deep-research
Faz seu agente pesquisar tópicos a fundo, reunindo informações de várias fontes. Ele cita as fontes e indica o nível de confiança. Ideal para análises detalhadas ou investigações.
affaan-m/ECC
research-ops
Permite que seu agente busque fatos e informações atuais. Ele usa pesquisas públicas e o contexto que você fornece para dar respostas baseadas em evidências.
affaan-m/ECC
scientific-thinking-literature-review
Ajuda seu agente a fazer revisões sistemáticas de literatura científica. É útil para compilar e entender pesquisas sobre um tema.
affaan-m/ECC