O que PaperClaw faz?
Forneça às equipes acadêmicas uma biblioteca de habilidades OpenClaw modular para simplificar tarefas de pesquisa, síntese de dados e colaboração sob licença MIT.
Forneça às equipes acadêmicas uma biblioteca de habilidades OpenClaw modular para simplificar tarefas de pesquisa, síntese de dados e colaboração sob licença MIT.
O PaperClaw é uma biblioteca modular de habilidades OpenClaw projetada para equipes acadêmicas, com o objetivo de otimizar tarefas de pesquisa, síntese de dados e colaboração. Ele oferece um conjunto de ferramentas pré-construídas que facilitam a automação de fluxos de trabalho comuns em ambientes acadêmicos, como coleta e análise de dados, geração de relatórios e integração com fontes de dados externas. A biblioteca é distribuída sob a licença MIT, permitindo ampla reutilização e modificação. PaperClaw é compatível com plataformas que suportam OpenClaw, como agentes de IA configuráveis. Ele funciona fornecendo módulos especializados que podem ser combinados para criar pipelines de pesquisa personalizados, reduzindo o tempo gasto em tarefas repetitivas e promovendo a colaboração entre pesquisadores.
npx skills add kimmoiranian586/PaperClawInstalled? Explore more Pesquisa e Análise de Dados skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Forneça às equipes acadêmicas uma biblioteca de habilidades OpenClaw modular para simplificar tarefas de pesquisa, síntese de dados e colaboração sob licença MIT.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.