SKILLEMALL.ai

AC eplan-drawing-parser

Извлекает структурированные данные из векторных PDF-чертежей EPLAN/CAD — список компонентов (позиция/модель/количество), топологию проводов/контактов (соединение, последовательное/параллельное, поток энергии), таблицу клемм и метаданные основной надписи. Использует векторную геометрию PDF (100% точность, без OCR), а не визуальные модели. Используйте, когда пользователь предоставляет электрическую схему EPLAN или векторный PDF и спрашивает "解析EPLAN图 / 抽元件清单 / 看导线怎么连 / 提取位号型号 / parse EPLAN drawing / extract components / wire topology".

машинный переводПоказать оригиналСкрыть оригинал«EN: Extract structured data from EPLAN/CAD vector PDF electrical drawi…»

EN: Extract structured data from EPLAN/CAD vector PDF electrical drawings — component list (位号/型号/数量), wire/pin topology (导线连接、串并联、电能流向), terminal table, and title-block metadata. Uses PDF vector geometry (100% accurate, no OCR) instead of visual models. Use when the user provides an EPLAN or vector PDF electrical schematic and asks "解析EPLAN图 / 抽元件清单 / 看导线怎么连 / 提取位号型号 / parse EPLAN drawing / extract components / wire topology". 中文:从 EPLAN / CAD 矢量 PDF 电气图纸中抽取结构化数据 —— 元件清单(位号/型号/数量)、导线连接拓扑(串并联、电能流向)、端子表、标题栏。基于 PDF 矢量几何直接提取(100%准确,无OCR误差),不依赖视觉模型。当用户提供 EPLAN 或矢量 PDF 电气原理图并要求"解析EPLAN图/抽元件清单/看导线怎么连/提取位号型号"时触发。

ClawHub Agent Skills автор: 727583550-coder v1.1.0 MIT-0 10 файлов тело ≈ 841 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Извлекает структурированные данные из векторных PDF-чертежей EPLAN/CAD — список компонентов (позиция/модель/количество), топологию проводов/контактов…

Как процесс C 64/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, отчётность по ходу

ПроцедураExcelИнфраструктураБезопасностьРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    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 · 0

    ✓ Критических и высоких находок нет

    Просканировано файлов: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 64/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Шаги. Шагов: 13
    • 100Когда включается. Сказано, когда применять и когда не применять
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 841 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)
    • -219 эмодзи в инструкциях: шум для модели
    • -31 из 3 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 613 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 13 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (6 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: clean
    This skill locally parses user-provided EPLAN/CAD PDFs and optional Excel BOM files, with disclosed file outputs and no evidence of hidden network, credential, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 21 авг. 2026 г.