Paperclip 是一个命令行工具(CLI),把生物医学与监管文献组织成一个只读的虚拟文件系统,用 Unix 命令即可浏览,背后由服务端语义搜索和 LLM 阅读器支撑。据资料,它暴露约 1100 万篇全文论文、21.7 万余份监管文件、11 万余份临床试验方案,以及 57.4 万余条蛋白质条目。
用途
Paperclip 面向文献与监管信息工作,典型用途包括:查找某个主题的论文、阅读某篇具体论文、定位所有提及某个基因或登录号的论文、比较 FDA 审批、构建临床试验格局、跨多篇论文抽取字段,以及撰写必须引用具体行号的内容。资料同时指出,当用户指定其他来源(如 PubMed E-utilities、OpenAlex、Semantic Scholar、Zotero)时不应使用它,那些来源有各自的技能。
主要能力
虚拟文件系统按目录组织:/papers/ 包含 PMC(770 万)、arXiv(300 万)、bioRxiv(40 万)、medRxiv(8.6 万);/fda/ 下有 us/(FDA)、jp/(PMDA)、eu/(EPAR);/trials/ 下有 us/(ClinicalTrials.gov)、cn/(ChiCTR)、jp/(UMIN、jRCT)、eu/(EudraCT、CTIS、ISRCTN)、intl/(全部加 WHO ICTRP);/proteins/ 包含 UniProt、PDB、ChEMBL,以 UniProt 登录号为键;/clipboard/ 存放用户上传的 PDF 与语料链接;/.gxl/ 是服务端写入的记录,可列出但不可读。
每份文档结构一致:meta.json 含标题、作者、doi、pmid、期刊、年份、摘要、关键词;content.lines 是全文,每行带 L1:、L2: 等前缀;sections/ 按章节拆分;figures/ 使用出版商命名;supplements/ 为补充材料。ID 前缀包括 PMC、arx_、bio_、med_、fda_、tri_、usr_,区域前缀可选。
搜索方面,-s 为必填,来源包括 pmc、biorxiv、medrxiv、arxiv、papers、abstracts、fda、fda/jp、fda/eu、trials、trials/us|eu|jp|cn、proteins(别名 uniprot)、clipboard,可用逗号组合。已验证的选项有 -n/--limit、-e/--exact、--since、--sort relevance|date、--author、--journal、--year、--corpus、--ranking hybrid|bm25|vector|analogical。资料强调查询措辞比参数更影响结果,嵌入模型在摘要上微调,因此应给出摘要形态的文本。
工具选择上:主题论文用 search -s pmc;精确字符串用 grep;已知论文用 lookup doi;计数与分组用 sql;跨领域方法类比用 search --ranking analogical。资料特别提醒 sql 不是全文搜索,只看到标题和摘要,查找“哪些论文提到 X”应使用 grep。
使用方式
先做预检:检查是否安装、版本、配置与认证状态。认证前缀需加在每条命令前,因为 shell 状态不会在工具调用间保留;资料给出 [ -f .env ] && { set -a; . ./.env; set +a; }; paperclip <command> 的形式,并说明 [ -f .env ] 守卫是必需的。不要运行交互式命令(如 login、setup、install、uninstall、fetch),应请用户执行或使用非交互形式。所有输出要有边界,搜索传 -n,优先 head、section 文件、grep、scan。要捕获结果 id(s_ 搜索、m_ map、r_ reduce),可用 paperclip results --list 找回。独立查询可并行。不要解析搜索输出,其形态不确定;结构化数据用 results --save 或 cat meta.json。
核心工作流包括:查找并阅读(search、cat meta.json、head content.lines、ls sections、grep、scan);跨多篇论文抽取字段(search、filter、map、results,map 建议 3–10 篇);跨语料查找术语(grep -l、grep -c,必要时 --exhaustive);监管与临床试验(search -s fda、-s trials/us、cat meta.json);图片(先 ls,再用 ask-image)。
引用要求:每个来自 Paperclip 的回答都必须引用,行内用 [1]、[2],行号只放在参考 URL 中,URL 形如 https://paperclip.gxl.ai/citations/{papers|fda|trials}/<doc_id>#L<n>。
适用场景与限制
适用场景为上述文献、监管、临床试验、蛋白质相关研究任务。限制与注意事项包括:仓库(repo)为可选,未经用户明确要求不要创建或提交;上传、cp、sync、import、share、fetch 等命令会把本地内容发送到 GXL 或以用户身份对外操作,只应针对指定文件或收件人运行,不得自行发起。资料还列出在 0.7.14 与 0.7.15 上验证的已知缺陷及变通方法,例如 paperclip bash 会把整串当作一个命令名、Paperclip 内部的管道与重定向失效、/.gxl/ 文件可列出但 cat 报不存在、cd 不跨调用保留、reduce --strategy table 返回散文、二进制读取损坏等。
其他事实(如收费、价格、具体平台支持)资料未提供。