Habilidades extract-from-pdfs

📦

extract-from-pdfs

Name: extract-from-pdfs
Author: brunoasm

Revisão do conteúdo r2 Crítico 🌐 Acesso à rede🔑 Variáveis de ambiente📁 Acesso ao sistema de arquivos⚙️ Comandos externos

Extrair Dados Estruturados de PDFs

Coleções de PDFs científicos são difíceis de converter em conjuntos de dados prontos para análise. Esta skill orienta fluxos de trabalho de organização de metadados, extração baseada em esquema, validação e exportação.

Suporta: Claude Codex Code(CC)

⚠️ 38 Ruim

Não instale este Skill automaticamente.

A política canônica exige a revisão de um operador antes de qualquer ação de instalação.

Instalar com meu Agente

Copie esta solicitação para o seu Agente. Ela inclui a página canônica do Skill e o manifesto.

Solicitação do agente

Review the Skillstore skill "extract-from-pdfs" from https://skillstore.io/skills/brunoasm-extract-from-pdfs.md and its manifest at https://skillstore.io/api/skills/brunoasm-extract-from-pdfs/manifest. Verify the artifact. Do not auto-install. Inspect the skill and report your findings, then wait for an operator or manual installation decision.

Seu Agente ainda deve apresentar o plano e solicitar qualquer confirmação exigida pela política de segurança.

Recursos legíveis por agentes

Use estes links quando um agente de IA, crawler ou script precisar de contexto limpo em vez de ler a página completa.

Detalhe em Markdown GET /skills/brunoasm-extract-from-pdfs.md manifest assinado GET /api/skills/brunoasm-extract-from-pdfs/manifest lockfile assinado GET /api/skills/brunoasm-extract-from-pdfs/lockfile

Testar

Usando "extract-from-pdfs". Uma pasta de artigos de ecologia mais um esquema para campos de planta, visitante, localização e observação.

Resultado esperado:

Um conjunto de dados limpo com identificadores de artigos, registros de interação extraídos, campos de taxonomia validados e um breve relatório de qualidade.

Usando "extract-from-pdfs". Uma biblioteca BibTeX e resumos de 500 artigos candidatos em uma revisão sistemática.

Resultado esperado:

Uma lista filtrada de artigos com decisões de relevância, motivos, metadados do modelo e um resumo dos artigos selecionados para extração completa.

Usando "extract-from-pdfs". Resultados de extração validados e uma amostra de validação anotada manualmente.

Resultado esperado:

Métricas de precisão, recall e F1 por campo, além de recomendações para melhorar campos com baixo desempenho.

Auditoria de segurança

Crítico

v8 • 23/07/2026 Abrir o relatório versionado

The skill performs legitimate research processing, and most scanner hits are Markdown or ordinary local output operations. Confirmed risks include unchecked local-file uploads to Anthropic, a pipe-to-shell installer, plaintext shell-profile credential persistence, outbound scientific API requests, and unencrypted HTTP endpoints. Publication should wait until file-path validation, safer installation guidance, credential storage, transport security, and spreadsheet sanitization are addressed.

Arquivos analisados

5,302

Linhas analisadas

Itens de revisão

Falsos positivos ignorados

Preocupações de segurança confirmadas (5)

Crítico

references/setup_guide.md:73

Pipe to shell pattern

curl -fsSL https://ollama.com/install.sh | sh

The guide pipes a remote installation script directly into sh without inspection, pinning, or checksum verification. A compromised response would execute arbitrary code immediately.

Crítico

scripts/03_extract_from_pdfs.py:403-420 scripts/03_extract_from_pdfs.py:282-311

Unchecked metadata paths can upload arbitrary local files

The extraction pipeline trusts each metadata pdf_path, reads any existing local file without root, extension, symlink, or PDF-signature checks, then sends those bytes through Anthropic requests. Crafted metadata can therefore disclose files outside the intended PDF collection.

The code directly converts metadata-controlled paths to Path objects, reads all bytes after only exists(), and places the encoded bytes in Anthropic batch requests.

Médio

scripts/02_filter_abstracts.py:123-166 scripts/03_extract_from_pdfs.py:222-244

Untrusted document text can influence model decisions

Titles, abstracts, and PDF contents are placed in model user messages without an instruction hierarchy that treats embedded document commands as untrusted. Malicious paper text can alter filtering or extracted records, although the resulting model output has no direct tool privileges.

Both scripts submit untrusted research content as model input and trust structured model responses for workflow decisions. The impact is limited to data integrity because no tools execute from responses.

Médio

scripts/02_filter_abstracts.py:274-282 scripts/03_extract_from_pdfs.py:218-244

Research documents are transmitted to third-party model services

Anthropic filtering sends titles and abstracts, while PDF extraction uploads complete document bytes. This behavior is central to the skill but requires clear consent and handling rules for confidential, licensed, or sensitive literature.

The Anthropic client calls visibly include abstract text or base64-encoded PDF data. The code and skill documentation explicitly describe remote Claude processing.

Médio

scripts/06_export_database.py:127-142 scripts/06_export_database.py:242-255

Spreadsheet exports do not neutralize formulas

Extracted values are written directly to CSV and Excel without escaping leading formula characters. A malicious PDF or compromised model response can produce cells that spreadsheet software evaluates when a user opens the export.

Both export paths pass untrusted extracted strings directly to CSV or Excel writers, and no formula-prefix sanitization is present.

Itens de revisão de capacidade (15)

Estas são capacidades locais reais que podem ser esperadas para esta habilidade, portanto exigem revisão, mas não são contabilizadas como comportamento malicioso confirmado.

Alto

references/setup_guide.md:43

Hidden file in home directory

Add to your shell profile (~/.bashrc, ~/.zshrc) for persistence:

The guide recommends persisting credentials in executable shell profile files. This creates durable plaintext secret exposure and affects future shell sessions.

Alto

references/setup_guide.md:46

Hidden file in home directory

echo 'export ANTHROPIC_API_KEY="your-api-key-here"' >> ~/.bashrc

This command appends an Anthropic API key assignment to ~/.bashrc in plaintext. Other local processes or account users may read the persistent credential.

Alto

references/setup_guide.md:43

Hidden file access

Add to your shell profile (~/.bashrc, ~/.zshrc) for persistence:

The setup guidance directs users to modify hidden executable shell profiles for credential persistence. That is security-sensitive persistence, not ordinary project-file access.

Alto

references/setup_guide.md:46

Hidden file access

echo 'export ANTHROPIC_API_KEY="your-api-key-here"' >> ~/.bashrc

The command writes a plaintext API credential into ~/.bashrc. Persistent secret storage in a broadly readable shell profile creates a real credential-exposure risk.

Alto

references/setup_guide.md:46

Generic API/secret keys

echo 'export ANTHROPIC_API_KEY="your-api-key-here"' >> ~/.bashrc

The documented command persists the user's Anthropic API key in plaintext in ~/.bashrc. This is insecure credential handling even though the shown value is a placeholder.

Médio

scripts/01_organize_metadata.py:238

Python shutil operations

shutil.copy2(source_path, dest_path)

The copy operation uses a destination derived from an unsanitized metadata record ID. Crafted citation metadata can introduce path traversal and overwrite a PDF outside the intended output directory.

Médio

scripts/02_filter_abstracts.py:203

Python HTTP libraries

response = requests.post(

This is a real POST to the user-configurable Ollama URL and includes paper titles and abstracts. A remote or misconfigured endpoint receives research content.

Médio

scripts/05_validate_with_apis.py:111

Python HTTP libraries

response = requests.get(url, timeout=10)

The validator sends scientific names to World Flora Online over unencrypted HTTP. Network observers can read or alter the query and response.

Médio

scripts/05_validate_with_apis.py:151

Python HTTP libraries

response = requests.get(url, timeout=10)

The validator sends locations and the GeoNames username over unencrypted HTTP. This exposes account identifiers and research-derived location data to interception.

Médio

scripts/05_validate_with_apis.py:108

Hardcoded URL

url = f"http://www.worldfloraonline.org/api/1.0/search?query={quote(scientific_name)}"

The hardcoded World Flora Online endpoint uses plain HTTP for extracted scientific names. The lack of transport encryption creates confidentiality and integrity risk.

Médio

scripts/05_validate_with_apis.py:146

Hardcoded URL

url = f"http://api.geonames.org/searchJSON?q={quote(location)}&maxRows=1&username={username}"

The hardcoded GeoNames endpoint uses plain HTTP and places the username and location in the query string. Those values are exposed in transit.

Baixo

scripts/05_validate_with_apis.py:77

Python HTTP libraries

response = requests.get(url, timeout=10)

The validator sends extracted scientific names to the external GBIF service. The request is intentional, but it is genuine outbound disclosure of user-derived data.

Baixo

scripts/05_validate_with_apis.py:182

Python HTTP libraries

response = requests.get(url, headers=headers, timeout=10)

The geocoder sends extracted addresses to the external Nominatim service. HTTPS protects transit, but the request still discloses user-derived location data.

Baixo

scripts/05_validate_with_apis.py:213

Python HTTP libraries

response = requests.get(url, timeout=10)

The validator sends extracted compound names to PubChem. This is expected enrichment behavior but remains a real outbound data transfer.

Baixo

scripts/05_validate_with_apis.py:244

Python HTTP libraries

response = requests.get(search_url, timeout=10)

The validator sends gene symbols and optional organism names to NCBI. This is intended, but it is genuine external transmission of extracted values.

Fatores de risco

🌐 Acesso à rede (30)

README.md:95 README.md:315 references/api_reference.md:273 references/api_reference.md:174 references/api_reference.md:200 references/api_reference.md:273 references/setup_guide.md:73 references/setup_guide.md:111 scripts/02_filter_abstracts.py:203 scripts/02_filter_abstracts.py:249 scripts/02_filter_abstracts.py:315 scripts/02_filter_abstracts.py:334 scripts/02_filter_abstracts.py:43 scripts/02_filter_abstracts.py:78 scripts/02_filter_abstracts.py:79 scripts/03_extract_from_pdfs.py:283 scripts/05_validate_with_apis.py:77 scripts/05_validate_with_apis.py:111 scripts/05_validate_with_apis.py:151 scripts/05_validate_with_apis.py:182 scripts/05_validate_with_apis.py:213 scripts/05_validate_with_apis.py:244 scripts/05_validate_with_apis.py:74 scripts/05_validate_with_apis.py:108 scripts/05_validate_with_apis.py:146 scripts/05_validate_with_apis.py:177 scripts/05_validate_with_apis.py:210 scripts/05_validate_with_apis.py:221 scripts/05_validate_with_apis.py:241 scripts/05_validate_with_apis.py:251

🔑 Variáveis de ambiente (18)

README.md:37 references/setup_guide.md:40 references/setup_guide.md:46 scripts/02_filter_abstracts.py:389 scripts/02_filter_abstracts.py:389 scripts/02_filter_abstracts.py:389 scripts/02_filter_abstracts.py:390 scripts/03_extract_from_pdfs.py:372 scripts/03_extract_from_pdfs.py:372 scripts/03_extract_from_pdfs.py:372 scripts/03_extract_from_pdfs.py:373 scripts/05_validate_with_apis.py:141 scripts/05_validate_with_apis.py:141 scripts/05_validate_with_apis.py:314 scripts/05_validate_with_apis.py:317 scripts/05_validate_with_apis.py:318 scripts/05_validate_with_apis.py:319 SKILL.md:47

📁 Acesso ao sistema de arquivos (20)

⚙️ Comandos externos (48)

SKILL.md:41-43 SKILL.md:43-46 SKILL.md:46-47 SKILL.md:47-64 SKILL.md:64-66 SKILL.md:66-69 SKILL.md:69-70 SKILL.md:70-71 SKILL.md:71-72 SKILL.md:72-74 SKILL.md:74-82 SKILL.md:82-122 SKILL.md:122-128 SKILL.md:128-145 SKILL.md:145-151 SKILL.md:151-154 SKILL.md:154-156 SKILL.md:156-159 SKILL.md:159-161 SKILL.md:161-164 SKILL.md:164-166 SKILL.md:166-169 SKILL.md:169-171 SKILL.md:171-177 SKILL.md:177-189 SKILL.md:189-192 SKILL.md:192-193 SKILL.md:193-194 SKILL.md:194-195 SKILL.md:195-196 SKILL.md:196-197 SKILL.md:197-199 SKILL.md:199-203 SKILL.md:203-227 SKILL.md:227-228 SKILL.md:228-259 SKILL.md:259-264 SKILL.md:264-267 SKILL.md:267-270 SKILL.md:270-273 SKILL.md:273-274 SKILL.md:274-275 SKILL.md:275-278 SKILL.md:278-279 SKILL.md:279-284 SKILL.md:284-285 SKILL.md:285-288 SKILL.md:288-289

Padrões detectados

Pipe to shell pattern

Auditado por: codex Ver histórico de auditoria →

Compartilhar e citar este relatório

Compartilhe o relatório de avaliação versionado, o badge neutro, o cartão incorporável e as citações. A Skillstore apresenta evidências sem decidir se este Skill é seguro.

Abrir o relatório versionado

Copiar link do relatório

https://skillstore.io/skills/brunoasm-extract-from-pdfs/audits/8?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Badge Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/brunoasm-extract-from-pdfs/security.svg)](https://skillstore.io/skills/brunoasm-extract-from-pdfs?utm_source=security_passport_badge)

Badge HTML

<a href="https://skillstore.io/skills/brunoasm-extract-from-pdfs?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/brunoasm-extract-from-pdfs/security.svg" alt="Skillstore security assessment" loading="lazy"></a>

Cartão incorporável

<iframe src="https://skillstore.io/embed/skills/brunoasm-extract-from-pdfs.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>

Citações acadêmicas (APA · BibTeX · CFF)

Citação APA

brunoasm. (2026). extract-from-pdfs security audit report (audit version 8) [Author version unspecified]. Skillstore. https://skillstore.io/skills/brunoasm-extract-from-pdfs/audits/8

Citação BibTeX

@techreport{brunoasm-brunoasm-extract-from-pdfs-2026,
  author = {brunoasm},
  title = {extract-from-pdfs security audit report (audit version 8)},
  institution = {Skillstore},
  year = {2026},
  number = {8},
  url = {https://skillstore.io/skills/brunoasm-extract-from-pdfs/audits/8},
  note = {Author version unspecified}
}

CITATION.cff

cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "extract-from-pdfs security audit report (audit version 8)"
version: "unspecified"
type: report
authors:
  - name: "brunoasm"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/brunoasm-extract-from-pdfs/audits/8"
identifiers:
  - type: other
    value: "skillstore:brunoasm-extract-from-pdfs:audit:8"
    description: "Skillstore immutable audit report identifier"

Pontuação do Skillstore

Por que esta pontuação Confiança das evidências: Médio

Arquitetura

Manutenibilidade

Conteúdo

Comunidade

Conformidade com a especificação

O que você pode criar

Preparar um Conjunto de Dados de Revisão Sistemática

Converter um corpus de literatura em campos estruturados para triagem, extração e análise posterior.

Criar um Banco de Dados de Pesquisa

Padronizar metadados, extrair registros específicos do domínio, validar valores e exportar um banco de dados reutilizável.

Validar Entidades Científicas

Verificar valores extraídos de taxonomia, geografia, química ou genes em APIs públicas de referência.

Teste estes prompts

Iniciar um Projeto de Extração de PDFs

Use esta skill para planejar a extração dos meus PDFs científicos. Pergunte quais metadados eu tenho, quais campos eu preciso e quais saídas eu quero.

Criar um Esquema de Extração

Ajude-me a criar um esquema para extrair dados estruturados de artigos de exemplo. Use dois PDFs de amostra e liste campos obrigatórios, campos opcionais e regras de validação.

Executar o Pipeline de Extração

Oriente-me na organização de metadados, filtragem de resumos, extração de PDFs, reparo de saídas e exportação do conjunto de dados final.

Validar e Comparar Resultados

Crie um conjunto de validação, calcule precisão, recall e pontuações F1, depois sugira alterações no esquema ou no prompt com base nos campos mais fracos.

Boas práticas

Revise dois ou três PDFs representativos antes de finalizar o esquema de extração.
Execute o modo de teste em uma pequena amostra antes de processar o corpus completo.
Crie um conjunto de validação e relate métricas no nível de campo antes de usar os resultados na análise.

Evitar

Executar a extração completa antes de personalizar o esquema e os critérios de filtragem.
Enviar PDFs confidenciais ou valores extraídos sensíveis para APIs sem aprovação.
Tratar resultados de extração automatizada como verdade absoluta sem validação manual.