К основному содержанию
скилл CX Codex

document-hunter — скилл для Claude Code: что делает и как установить

Скилл document-hunter ищет и скачивает первичные публичные документы, судебные иски и правительственные отчёты через автоматизацию браузера Playwright.

CC0-1.0 256 установок ★ 686 обновлён 2026-10-22

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add bitwize-music-studio/claude-ai-music-skills --skill document-hunter -a claude-code
Открыть на GitHub

Что делает document-hunter

Скилл запускает автоматический сбор юридических и публичных документов из открытых архивов: DocumentCloud, CourtListener, Scribd, Justia и сайтов ведомств вроде DOJ. Поиск идёт в два этапа: сначала прямые выгрузки, затем скрипты браузера для рендеринга страниц и обхода ограничений веб-интерфейсов.

Для запуска обязательно нужны Python-библиотеки Playwright, BeautifulSoup4, Requests и установленный бинарник Chromium через команду playwright install chromium. Без браузера в системе агент не сможет выгрузить страницы со сложным рендерингом.

Найденные файлы PDF складываются в локальный каталог проекта вместе с manifest.json и вспомогательным скриптом загрузки. Автор скилла рекомендует держать PDF вне Git-репозитория и коммитить только цитаты с номерами страниц в файл источников.

Какие задачи решает

  • найти судебные иски и обвинительные заключения в CourtListener и DocumentCloud
  • автоматизировать скачивание публичных отчётов и пресс-релизов ведомств
  • составить JSON-манифест с метаданными и ссылками на найденные документы
  • собрать первичные источники для исследования без платного сервиса PACER

Примеры запросов агенту

  • Найди обвинительные документы и отчёты по делу Дора против USIA
  • Собери судебные материалы из DocumentCloud и Justia в папку проекта
  • Запусти поиск первичных документов по делу через auto-search

Как установить document-hunter

1Через Skills CLI (Vercel)

npx skills add bitwize-music-studio/claude-ai-music-skills --skill document-hunter -a claude-code

2Вручную: положить файлы

~/.claude/skills/document-hunter/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/document-hunter/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о document-hunter

Как установить document-hunter в Claude Code?

Выполните в терминале команду npx skills add bitwize-music-studio/claude-ai-music-skills --skill document-hunter -a claude-code.

Какие открытые архивы проверяет скилл?

Он обращается к DocumentCloud, CourtListener, Scribd, Justia, порталу Министерства юстиции США (DOJ) и сайту SEC.

Что нужно подготовить перед запуском?

Требуются установленные Python-пакеты playwright, beautifulsoup4, requests и браузер Chromium, добавленный через playwright install chromium.

Исходный текст

SKILL.md · CC0-1.0
---
name: document-hunter
description: Searches and retrieves documents from free public sources using automated browser navigation. Use when research needs primary source documents like court filings, government reports, or public records.
argument-hint: <case-name or "auto-search [album-path]">
model: sonnet
effort: low
context: fork
allowed-tools:
  - Bash
  - Write
  - Read
  - Glob
  - WebSearch
  - bitwize-music-mcp
requirements:
  external:
    - name: Chromium
      purpose: Browser for Playwright automation
      install: "playwright install chromium"
  python:
    - playwright
---

## Your Task

**Input**: $ARGUMENTS

You are an **automated document hunter** using browser automation (Playwright) to systematically search and download primary source documents from free public archives.

When invoked:
1. **Identify what documents are needed** - Based on case name, album research needs, or explicit request
2. **Search all free sources systematically** - DocumentCloud, CourtListener, Scribd, Justia, government sites
3. **Download all documents found** - PDFs, transcripts, complaints, indictments, reports
4. **Organize with metadata** - Create manifest showing what was found where
5. **Report results** - What was found, what's still missing, quality assessment

---

## Supporting Files

- **[site-patterns.md](site-patterns.md)** - Site-specific automation strategies and code templates

---

# Document Hunter - Browser Automation Agent

You automate the tedious work of hunting down primary source documents across multiple free public archives.

**Important Disclaimers**:
- Requires Playwright (`pip install playwright && playwright install chromium`)
- Archive availability changes over time
- Some sources have anti-bot protection (alternatives documented)
- Always verify downloaded documents match expected content

---

## Core Principles

1. **U.S. federal court documents are public domain** - No copyright, freely redistributable
2. **Use FULL Playwright capabilities** - Click buttons, wait for JavaScript, extract from rendered DOM
3. **Two-phase approach**: Direct downloads first (fast), then browser automation (thorough)
4. **Skip known blockers**: SEC.gov has Akamai WAF - use alternatives
5. **Multiple strategies per site**: If one method fails, try another

---

## Free Sources (Search Order)

| Source | URL | Best For |
|--------|-----|----------|
| DocumentCloud | documentcloud.org | PACER docs journalists uploaded |
| CourtListener | courtlistener.com | RECAP crowdsourced documents |
| Scribd | scribd.com | User-uploaded court docs |
| Justia | justia.com | Appellate opinions |
| DOJ | justice.gov | Indictments, press releases |
| SEC | sec.gov/litigation | Complaints, settlements |

See [site-patterns.md](site-patterns.md) for automation strategies for each source.

---

## Document Storage Strategy

**⚠️ Primary source PDFs should NOT be committed to Git** (too large)

### Storage Location
PDFs go to `{documents_root}/artists/[artist]/albums/[genre]/[album]/` (mirrored structure from content_root).

```
{documents_root}/artists/[artist]/albums/[genre]/[album]/
├── indictment.pdf
├── plea-agreement.pdf
└── manifest.json
```

### Store in Git (in album's SOURCES.md):
- Extracted quotes with page numbers
- Source URLs
- References to external PDF locations

### In .gitignore (already configured):
```
# Primary source PDFs - too large for Git
*.pdf
primary-sources/
```

---

## Workflow

### Phase 1: Setup

```bash
# Check Playwright
pip list | grep playwright

# Install if needed
pip install playwright beautifulsoup4 requests
playwright install chromium
```

Resolve document storage path:
- Call `resolve_path("documents", album_slug)` — returns `{documents_root}/artists/{artist}/albums/{genre}/{album}/`
- Create directory: `mkdir -p {resolved_path}`

### Phase 2: Search

Generate and run a Python script that:
1. Searches all free sources (DocumentCloud, CourtListener, Scribd, etc.)
2. Downloads all found documents
3. Creates manifest with metadata
4. Reports what was found

See [site-patterns.md](site-patterns.md) for code templates.

### Phase 3: Report Results

```
DOCUMENT HUNT COMPLETE
======================
Case: [case name]
Date: [date]

DOCUMENTS FOUND: X
- documentcloud_indictment.pdf (2.3 MB) - DocumentCloud
- courtlistener_complaint.pdf (1.1 MB) - CourtListener
- doj_press_release.pdf (0.5 MB) - DOJ

SOURCES SEARCHED:
✓ DocumentCloud - 3 documents
✓ CourtListener - 1 document
✓ Scribd - 0 documents
✓ DOJ - 1 document
⚠ SEC - blocked (use DOJ alternative)

STILL NEEDED:
- Trial transcript (not found in free sources)
- Sentencing memo (may require PACER)

MANIFEST: {documents_root}/artists/[artist]/albums/[genre]/[album]/manifest.json
```

---

## RECAP Extension

The RECAP browser extension crowdsources PACER documents.

**What it does**:
- When anyone views a PACER document, RECAP uploads it to CourtListener
- You can then download for free

**Location**: `${CLAUDE_PLUGIN_ROOT}/tools/extensions/recap-extension/`

**Setup**:
```bash
cd tools/extensions
curl -L "https://github.com/freelawproject/recap-chrome/releases/download/2.8.6/chrome-release.zip" -o recap.zip
unzip recap.zip -d recap-extension
rm recap.zip
```

---

## Output Structure

**In `{documents_root}/artists/[artist]/albums/[genre]/[album]/`** (not in git):
```
{documents_root}/artists/[artist]/albums/[genre]/[album]/
├── manifest.json                 # Complete catalog with metadata
├── documentcloud_*.pdf           # From DocumentCloud
├── courtlistener_*.pdf           # From CourtListener
├── doj_*.pdf                     # From DOJ
└── download-documents.py         # Reproducibility script
```

**In `{content_root}/.../[album]/SOURCES.md`** (in git):
- Extracted quotes with page numbers
- Source URLs for each document
- References like: `PDF: {documents_root}/artists/[artist]/albums/[genre]/[album]/indictment.pdf`

### Manifest Format

```json
{
  "case_name": "Dorr et al. v. USIA",
  "search_date": "2025-01-23T12:00:00",
  "sources_searched": ["DocumentCloud", "CourtListener", "DOJ"],
  "documents_found": [
    {
      "source": "DocumentCloud",
      "title": "Great Molasses Flood Investigation",
      "filename": "documentcloud_molasses_investigation.pdf",
      "url": "https://...",
      "size": 2400000
    }
  ]
}
```

---

## Troubleshooting

### Site Blocked
- **SEC.gov**: Use DOJ press releases instead (link to same docs)
- **Scribd**: May need account; create or skip
- **CourtListener**: If RECAP doesn't have it, doc requires PACER

### No Results Found
- Try alternate search terms (party names, case numbers)
- Check if case is too old (pre-digital archives)
- Some cases have documents sealed

### Download Fails
- Check if site requires login
- Try direct URL download instead of button click
- Check for rate limiting

---

## Remember

1. **Exhaust free sources first** - PACER charges per page
2. **Save metadata** - URLs, dates, sources for citation
3. **Don't commit PDFs** - Too large for Git
4. **Verify downloads** - Ensure content matches expected document
5. **Report gaps** - Note what couldn't be found for manual follow-up

© bitwize-music-studio · CC0-1.0 · bitwize-music-studio/claude-ai-music-skills

Похожие скиллы

Все скиллы по теме «Браузер и парсинг» →
signal-hunter berkkorkmaz Плагин signal-hunter собирает данные из десятков источников, выявляет пересекающиеся тренды и генерирует бизнес-идеи в заметки Obsidian или Markdown-файлы. ★ 5звёзд репо python-executor 101-skills Скилл python-executor для Claude Code запускает Python 3.10 в изолированной песочнице inference.sh. Обрабатывает данные, парсит сайты, рендерит графики без доступа к системе. CX Codex +1 130 300установок qiaomu-markdown-proxy joeseesun Скилл qiaomu-markdown-proxy преобразует веб-страницы, статьи WeChat, документы Feishu и файлы PDF в чистый Markdown перед передачей текста другим агентам. CX Codex +1 663установок business-document-generator ailabs-393 Скилл business-document-generator для Claude Code и пяти других платформ генерирует профессиональные PDF-документы — коммерческие предложения, бизнес-планы и годовые бюджеты — из готовых шаблонов. CX Codex +1 1 400установок nutrient-document-processing nutrient-sdk Скилл nutrient-document-processing для работы с документами через Nutrient DWS Processor: конвертация, OCR, сборка пакетов, редакция и подпись PDF. CX Codex +1 490установок web-scraping jamditis Скилл web-scraping для Claude Code собирает данные с сайтов с запасными способами извлечения. Он включается для соцсетей, yt-dlp и разбора ошибок доступа, включая CAPTCHA и 403. CX Codex +1 6 300установок

Из того же набора52

Весь набор →
promo-director Скилл promo-director создаёт вертикальные видео 15 секунд для Instagram, TikTok и Twitter из готового трека. Берёт обложку альбома, выбирает самый энергичный фрагмент и накладывает визуализацию волны звука. CX Codex +1 259установок promo-writer Скилл promo-writer генерирует тексты для продвижения альбома в соцсетях с учётом формата каждой платформы. Пригодится перед релизом, когда шаблоны promo/ нужно заполнить. CX Codex +1 259установок tutorial Скилл tutorial проводит новичка через создание музыкального альбома: от идеи и жанра до треклиста, обложки и подтверждения плана. CX Codex +1 259установок import-audio Скилл import-audio для Claude Code переносит аудиофайлы в папку альбома и раскладывает stems по трекам. Обрабатывает WAV, MP3 и другие поддерживаемые форматы. CX Codex +1 257установок setup Скилл setup проверяет Python-окружение и зависимости плагина, а затем подсказывает команды установки. Нужен при первом запуске или сбое MCP-сервера. CX Codex +1 255установок researchers-security Скилл researchers-security для Claude Code исследует вредоносное ПО, CVE, хакерские группы и отчёты об инцидентах. Проверяет темы и материалы о кибербезопасности. CX Codex +1 255установок researchers-biographical Скилл researchers-biographical для Claude Code собирает биографические сведения о людях, связанных с темой музыкального альбома. Исследует интервью, мотивы, поворотные моменты и личные детали. CX Codex +1 254установок researchers-journalism Скилл researchers-journalism для Claude Code ищет и анализирует журналистские расследования, интервью и новостное покрытие. Находит источники для проверки фактов и контекста в музыкальных проектах. CX Codex +1 254установок

Спонсоры проекта

Компании, которые помогают держать аналитику открытой