AB extract-pdf-compdf
Extract PDF извлекает структурированные данные из PDF и изображений, включая таблицы, текст OCR, изображения и штампы, используя возможности извлечения данных ComPDF и AI-извлечения документов с экспортом в JSON, XML, CSV, Excel, TXT или HTML для автоматизации, аналитики и рабочих процессов LLM. Он подходит для таких триггеров, как «извлечь текст из PDF», «извлечь таблицы из PDF», «PDF OCR», «PDF в JSON», «разобрать PDF-счет» и «извлечь данные из PDF». Примеры запросов включают «Извлечь все таблицы из этого PDF и экспортировать их в CSV», «Разобрать этот PDF-счет и вернуть сумму, поставщика и идентификатор налогоплательщика» и «OCR этого отсканированного PDF и вернуть структурированный JSON».
машинный переводПоказать оригиналСкрыть оригинал«Extract PDF extracts structured data from PDFs and images, including t…»
Extract PDF extracts structured data from PDFs and images, including tables, OCR text, images, and stamps, built on ComPDF data extraction and AI document extraction capabilities with exports to JSON, XML, CSV, Excel, TXT, or HTML for automation, analytics, and LLM workflows. It suits triggers such as “extract pdf text,” “extract tables from pdf,” “pdf ocr,” “pdf to json,” “parse invoice pdf,” and “extract data from pdf.” Example queries include “Extract all tables from this PDF and export them to CSV,” “Parse this invoice PDF and return the amount, vendor, and tax ID,” and “OCR this scanned PDF and return structured JSON.”
Extract PDF извлекает структурированные данные из PDF и изображений, включая таблицы, текст OCR, изображения и штампы, используя возможности извлечения данных…
Как процесс B 75/100 · Почти готов — слабые места: когда включается, входы и предусловия, отчётность по ходу
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 6. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 75/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Входы и предусловия. Не сказано, что нужно иметь на входе
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 27
- 100Ошибки и развилки. Развилок: 6, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1970 токенов
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
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)
- +2Инструкции на одном языке
- +5В description 9 примера фраз-триггеров в кавычках
- +3Длина description 631 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 27 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (2 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (3 из 3)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.