SKILLEMALL.ai
GitHub ↗ EN Войти

BF pdf-learning-workflow

Сканированные PDF-книги → OCR-распознавание → Разделение глав → Заметки для обучения и оптимизации.

машинный переводПоказать оригиналСкрыть оригинал«扫描版PDF书籍 → OCR识别 → 章节分割 → 学习优化笔记…»

扫描版PDF书籍 → OCR识别 → 章节分割 → 学习优化笔记

ClawHub Agent Skills автор: 4zsz6jmmx6-source v1.0.2 MIT-0 9 файлов тело ≈ 775 токенов Открыть источникclawhub.ai↗ проанализирован 23 ч назад

Сканированные PDF-книги → OCR-распознавание → Разделение глав → Заметки для обучения и оптимизации.

Как процесс F 33/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: page=0,bbox=[...]

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
80/100
безопасность, качество, тесты
Безопасность 60%
99
Качество 40%
51
Прогон на моделях
не было
Процессный рейтинг
F
33/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: page=0,bbox=[...]
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Когда включается вес 12
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  2. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 1

✓ Критических и высоких находок нет

Средние и низкие: 1
  • низкая Широкие права meta-dynamic-shell SKILL.md:26
    Shell-команда, выполняемая автоматически при загрузке скилла (преамбула !`cmd` в Claude Code)
    !`test -f ~/.config/glm-ocr/api_key && echo "✅ GLM-OCR key configured" || echo "⚠️ NO GLM-OCR KEY — setup required"`

Просканировано файлов: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-short description короче 40 символов: модели не хватит сигнала для срабатывания
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • предупреждение missing-ref ссылка на отсутствующий файл: page=0,bbox=[...]
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 33/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: page=0,bbox=[...]
  • 0Инструменты и файлы. Не хватает 1 файла(ов): page=0,bbox=[...]
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Когда включается. Не сказано, при каком запросе скилл включается
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 100Шаги. Шагов: 9
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 775 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 32: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -31 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 13 заголовков
  • +3Пошаговые инструкции: 9 пунктов
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 51.

Внешние проверки

ClawHub: clean
This appears to be a legitimate PDF-to-study-notes workflow, but it uses external OCR and CDN services that users should understand before processing sensitive documents.
LLM: benign (high) · VirusTotal: · 3 июн. 2026 г.