中文 EN

Scan Report

Scan New Files

✓ Trusted — Risk Score 0/100
Last scan:9 hr ago Rescan
0 /100
Deep Research Pro
学术论文深度研究技能 - 三阶段合成提取结构化数据
Deep Research Pro v5.0是一个学术研究辅助工具，功能声明与实际代码行为完全一致，无阴影功能，无恶意行为迹象。
Skill NameDeep Research Pro
Duration66.0s
Enginepi
✓
Safe to install
该技能可安全使用。所有功能均为合法研究辅助用途，代码实现规范，无越权操作。
ResourceDeclaredInferredStatusEvidence
Network READ READ ✓ Aligned extract-pmc.py:17 使用requests访问PMC API
Filesystem WRITE WRITE ✓ Aligned extract-from-pdf.py:116 写入/tmp/目录，synthesize.sh:39 写入research_dir
Shell NONE READ ✓ Aligned synthesize.sh:59 仅用Python读取卡片元数据
5 findings
🔗
Medium External URL 外部 URL
https://api.openalex.org
RESEARCH_PROTOCOL.md:32
🔗
Medium External URL 外部 URL
https://pubmed.ncbi.nlm.nih.gov
RESEARCH_PROTOCOL.md:33
🔗
Medium External URL 外部 URL
https://arxiv.org/pdf/xxx.pdf
scripts/extract-from-pdf.py:157
🔗
Medium External URL 外部 URL
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC
scripts/extract-pmc.py:17
🔗
Medium External URL 外部 URL
https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2812345
templates/source-card.md:76

File Tree

14 files · 46.7 KB · 1680 lines
Markdown 6f · 707L Python 3f · 465L Shell 2f · 434L Text 3f · 74L
├─ ▾ 📁 briefs
│ └─ 📝 theme-TEMPLATE.md Markdown 37L · 776 B
├─ ▾ 📁 prompts
│ ├─ 📄 cluster-cards.txt Text 27L · 672 B
│ ├─ 📄 write-brief.txt Text 24L · 1.1 KB
│ └─ 📄 write-final-report.txt Text 23L · 1.0 KB
├─ ▾ 📁 scripts
│ ├─ 🔧 check-sourcing.sh Shell 67L · 1.7 KB
│ ├─ 🐍 extract-from-pdf.py Python 202L · 5.9 KB
│ ├─ 🐍 extract-pmc.py Python 127L · 4.5 KB
│ ├─ 🐍 quality-score.py Python 136L · 3.8 KB
│ └─ 🔧 synthesize.sh Shell 367L · 10.8 KB
├─ ▾ 📁 templates
│ ├─ 📝 report-template.md Markdown 163L · 3.1 KB
│ └─ 📝 source-card.md Markdown 129L · 3.6 KB
├─ 📝 QUALITY_CRITERIA.md Markdown 101L · 2.8 KB
├─ 📝 RESEARCH_PROTOCOL.md Markdown 161L · 4.3 KB
└─ 📝 SKILL.md Markdown 116L · 2.6 KB

Dependencies 2 items

PackageVersionSourceKnown VulnsNotes
requests 未锁定 pip No extract-pmc.py使用，requests本身安全但建议固定版本
pdfplumber 未锁定 pip No extract-from-pdf.py优先使用，有pdftotext fallback

Security Positives

✓ 所有功能声明与实际代码行为完全一致
✓ 使用标准库(urllib, re, json)和主流库(requests, pdfplumber)
✓ PDF下载有User-Agent声明(OpenClaw/1.0)
✓ 错误处理完善(fallback to pdftotext)
✓ 临时文件正确清理(os.unlink)
✓ 无凭证收割、环境变量遍历或敏感路径访问
✓ 无base64编码、远程脚本执行或C2通信
✓ 报告生成有质量门禁和溯源验证机制