AD markitdown
Используйте, когда НЕ мультимодальный агент (только текстовая LLM-модель, не умеющая читать вложения) получает документ — PDF, Word (docx), PowerPoint (pptx), Excel (xlsx/xls), EPUB, HTML, CSV, JSON, XML или ZIP — и вам нужен его КОНТЕНТ для чтения, обобщения, цитирования или хранения. Модель не может открыть файл сама, поэтому сначала преобразуйте его в Markdown с помощью сервера MCP markitdown (локально, бесплатно, без API-ключа). ДОПОЛНИТЕЛЬНЫЙ слой OCR читает сканированные PDF и изображения с помощью модели зрения, совместимой с OpenAI, но ТОЛЬКО когда настроен ключ. Пропускайте файлы, которые агент уже может читать как обычный текст, и обычные изображения, если ключ OCR не установлен.
машинный переводПоказать оригиналСкрыть оригинал«Use when a NON-multimodal agent (a text-only LLM backend that cannot r…»
Use when a NON-multimodal agent (a text-only LLM backend that cannot read attachments) receives a document — PDF, Word (docx), PowerPoint (pptx), Excel (xlsx/xls), EPUB, HTML, CSV, JSON, XML, or ZIP — and you need its CONTENT to read, summarize, quote, or store it. The model can't open the file itself, so convert it to Markdown first with the markitdown MCP server (local, free, no API key). An OPTIONAL OCR layer reads scanned PDFs and images via an OpenAI-compatible vision model, but ONLY when a key is configured. Skip for files the agent can already read as plain text, and for plain images when no OCR key is set.
Используйте, когда НЕ мультимодальный агент (только текстовая LLM-модель, не умеющая читать вложения) получает документ — PDF, Word (docx), PowerPoint (pptx)…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 46/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 40Согласованность. Имя во frontmatter (markitdown) не совпадает с папкой (markitdown-skill-for-non-multimodal-agent)
- 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 85Шаги. Шагов: 17, расплывчатых формулировок: 1
- 100Стоимость исполнения. Тело инструкции 1683 токенов
- 100Повторный запуск. Изменяющих операций нет
- 100Отчётность по ходу. Скилл сообщает о ходе работы
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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 621 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 9 заголовков
- +3Пошаговые инструкции: 17 пунктов
- +4Есть примеры (6 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.