SKILLEMALL.ai

AF engineering-drawing-parser

Извлекайте структурированную информацию из инженерных чертежей — механических 2D-чертежей, технологических схем P&ID, электрических схем, строительных и архитектурных чертежей — в машиночитаемые спецификации (BOM), таблицы размеров, таблицы допусков, метаданные штампа и перечни символов. Поддерживает ввод DWG/DXF/PDF/изображений. Используйте, когда пользователь предоставляет чертеж и спрашивает «解析图纸 / 抽 BOM / 读尺寸 / 出明细表 / parse drawing / extract BOM».

машинный переводПоказать оригиналСкрыть оригинал«EN: Extract structured information from engineering drawings — mechani…»

EN: Extract structured information from engineering drawings — mechanical 2D drafts, P&IDs, electrical schematics, construction architectural/structural drawings — into machine-readable BOM, dimension lists, tolerance tables, title-block metadata and symbol inventories. Supports DWG/DXF/PDF/image input. Use when the user provides a drawing and asks "解析图纸 / 抽 BOM / 读尺寸 / 出明细表 / parse drawing / extract BOM". 中文:从工程图纸(机械二维图、P&ID 工艺管道仪表流程图、电气原理图、建筑结构施工图)中抽取结构化信息,输出 BOM 物料清单、尺寸表、公差表、标题栏元数据、符号清单。支持 DWG/DXF/PDF/图片输入。当用户提供图纸并要求"解析/抽 BOM/读尺寸/出明细"时触发。

ClawHub Agent Skills автор: boboy v1.0.0 MIT-0 14 файлов тело ≈ 1 640 токенов Открыть источникclawhub.ai проанализирован 24 ч назад

Извлекайте структурированную информацию из инженерных чертежей — механических 2D-чертежей, технологических схем P&ID, электрических схем, строительных и…

Как процесс F 53/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/segment_regions.py

ПроцедураExcelИнфраструктураБезопасностьтип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
83
Прогон на моделях
не было
Процессный рейтинг
F
53/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/segment_regions.py
Инструменты и файлы вес 18
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. 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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 13. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/segment_regions.py

Процессный рейтинг: все десять параметров 53/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/segment_regions.py
  • 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/segment_regions.py
  • 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
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 100Шаги. Шагов: 40
  • 100Когда включается. Сказано, когда применять и когда не применять
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1640 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • -32 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 547 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 40 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.

Внешние проверки

ClawHub: clean
This skill locally parses user-provided engineering drawing text into structured output, with no evidence of uploads, credential access, persistence, or destructive behavior.
LLM: benign (high) · VirusTotal: · 28 мая 2026 г.