Uma ferramenta movida a IA projetada para transformar PDFs de literatura científica em dados estruturados em Markdown e CSV legíveis por máquina.
Instalar e Baixar
1. ClawHub CLI
A maneira mais rápida de instalar uma habilidade diretamente do registro.
npx clawhub@latest install sci-data-extractor
2. Instalação Manual
Copie a pasta da habilidade para um desses locais
~/.openclaw/skills/ <project>/skills/ Prioridade: Espaço de Trabalho > Local > Integrado
3. Instalação do Prompt
Copie este prompt para o OpenClaw para instalá-lo automaticamente.
Ajude-me a instalar o sci-data-extractor usando o Clawhub. Se o Clawhub não estiver instalado, instale-o primeiro (npm i -g clawhub).
Prefere baixar?
Obtenha os arquivos originais da habilidade em um arquivo ZIP.
O que é Sci-Data-Extractor?
O Sci-Data-Extractor é uma ferramenta especializada dentro do ecossistema Openclaw Skills que automatiza a extração de informações complexas de artigos acadêmicos. Ao combinar tecnologias de OCR de alta precisão, como o Mathpix, com Modelos de Linguagem Avançados (LLMs), como Claude 3.5 Sonnet e GPT-4o, ele oferece aos pesquisadores uma maneira confiável de digitalizar dados experimentais, fórmulas e tabelas.
Esta habilidade foi desenvolvida para ambientes de pesquisa de alto nível, onde a precisão é fundamental. Ela permite que os usuários definam regras de extração personalizadas ou usem modelos pré-configurados para analisar milhares de páginas de literatura científica em formatos estruturados, tornando-se um pilar para quem utiliza o Openclaw Skills para gerenciamento de dados técnicos.
Casos de uso do Sci-Data-Extractor
- Construção de bancos de dados de cinética enzimática extraindo valores de Km e Kcat de artigos de bioquímica.
- Compilação de resultados experimentais, incluindo tamanhos de amostra e valores de p, para meta-análise.
- Geração de tabelas de revisão de literatura estruturadas, incluindo DOI, metodologia e principais descobertas.
- Conversão de fórmulas matemáticas complexas e tabelas em PDF para formatos Markdown limpos.
- Automação da identificação de estruturas proteicas específicas ou compostos químicos usando prompts personalizados.
Como o Sci-Data-Extractor funciona
- O usuário inicia uma solicitação fornecendo um PDF científico e selecionando um modelo de dados ou prompt personalizado.
- O sistema utiliza Mathpix OCR ou PyMuPDF para extrair o texto bruto, garantindo que as notações matemáticas e os layouts das tabelas sejam preservados.
- O texto extraído é processado por um LLM configurado via framework Openclaw Skills para identificar campos de dados específicos.
- A IA mapeia o conteúdo para o esquema solicitado, garantindo que os tipos e estruturas de dados sejam consistentes.
- A saída final é gerada como uma tabela Markdown ou arquivo CSV para integração em fluxos de trabalho de pesquisa.
Configuração do Sci-Data-Extractor
Pré-requisitos
- Python 3.8+
- Chaves de API para Anthropic ou OpenAI
Passos de Instalação
- Configuração do Ambiente (usando uv para velocidade):
curl -LsSf https://astral.sh/uv/install.sh | sh
uv venv
source .venv/bin/activate
uv pip install -r requirements.txt
- Configuração:
Copie o modelo e adicione suas credenciais de API ao arquivo
.env:
cp .env.example .env
# Adicione seu EXTRACTOR_API_KEY e EXTRACTOR_MODEL
- Validação:
python extractor.py --help
Esquema de Dados e Taxonomia de Sci-Data-Extractor
A habilidade organiza as informações extraídas em esquemas padronizados. Abaixo estão os principais campos de dados para os modelos integrados disponíveis no Openclaw Skills:
| Modelo | Campos Principais |
|---|---|
| Cinética Enzimática | Enzima, Organismo, Substrato, Km, Kcat, Temp, pH, Mutante, Cosubstrato |
| Experimento | Experimento, Condição, Resultado, Unidade, Desvio Padrão, valor de p |
| Revisão de Literatura | Autor, Ano, Revista, Título, DOI, Descobertas Principais, Metodologia |
A saída pode ser alternada entre --format markdown (padrão) e --format csv.
Recursos avançados do Sci-Data-Extractor
- Prompting Personalizado: Use linguagem natural para definir alvos de extração únicos, como IDs de PDB ou linhagens celulares específicas.
- OCR de Alta Precisão: Integração opcional com Mathpix para reconhecimento superior de fórmulas matemáticas complexas.
- Suporte Flexível a Modelos: Compatível com Claude 3.5 Sonnet, GPT-4o e outros modelos compatíveis com API.
- Processamento Segmentado: Lógica avançada para lidar com documentos científicos longos que excedem os limites padrão de tokens.
- Exportação em Lote: Gere resultados diretamente em arquivos CSV prontos para pesquisa para análise imediata de dados nos fluxos de trabalho do Openclaw Skills.
SKILL.md
Carregamento
Habilidades relacionadas do Openclaw
Executando Análise R em Projetos Existentes
Mantenha e aprimore projetos de ciência de dados baseados em R estendendo scripts, atualizando visualizações e solucionando problemas em modelos estatísticos.
Agente de Pesquisa RStudio
Uma habilidade de agente abrangente para automatizar pesquisas científicas baseadas em R, estruturação de projetos e visualização de dados com qualidade de publicação.
PubMed-Search
Um assistente impulsionado por IA para pesquisa abrangente, recuperação de metadados e análise profunda de literatura biomédica do PubMed.
Google Acadêmico Search
Uma ferramenta de busca acadêmica baseada em IA que permite aos pesquisadores descobrir artigos, filtrar por autor ou data e extrair metadados acadêmicos detalhados.
Sci-Hub-Search
Um assistente acadêmico movido a IA para pesquisar, recuperar metadados e baixar artigos de pesquisa em texto completo via mirrors do Sci-Hub.
Gerador de Resumos Gráficos Científicos
Uma ferramenta impulsionada por IA que transforma descrições de pesquisa e dados em visualizações SVG editáveis e com qualidade de publicação.
Apresentou*
