SKILLEMALL.ai
GitHub ↗ EN Войти

BD id-card-recognition-and-extract

Навык интеллектуального распознавания и извлечения информации из удостоверений личности граждан КНР на платформе ADP от Laiye Technology. Поддерживает точное извлечение 8 ключевых полей с лицевой и оборотной стороны удостоверения — имя, пол, национальность, дата рождения, адрес, номер удостоверения личности, орган выдачи, срок действия, вывод в виде структурированного JSON, готов к использованию без конфигурации, подходит для сценариев проверки личности, ввода информации, проверки открытия счета и т. д.

машинный переводПоказать оригиналСкрыть оригинал«基于来也科技ADP平台的中国居民身份证智能识别与信息抽取Skill。支持身份证正反面8大关键字段的精准抽取——姓名、性别、民族、出生、住址、…»

基于来也科技ADP平台的中国居民身份证智能识别与信息抽取Skill。支持身份证正反面8大关键字段的精准抽取——姓名、性别、民族、出生、住址、身份证号码、签发机构、有效期限，输出结构化JSON，零配置开箱即用，适用于身份核验、信息录入、开户审核等场景。

ClawHub Agent Skills автор: Laiye ADP v1.0.1 MIT-0 5 файлов тело ≈ 2 333 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Навык интеллектуального распознавания и извлечения информации из удостоверений личности граждан КНР на платформе ADP от Laiye Technology.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип 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%
85
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Опасные команды средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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 · 3

✓ Критических и высоких находок нет

Средние и низкие: 3
  • средняя Опасные команды cmd-pipe-to-shell-known-host README-CN.md:29
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
    curl -fsSL https://raw.githubusercontent.com/laiye-ai/adp-cli/main/scripts/adp-init.sh | bash
  • средняя Опасные команды cmd-pipe-to-shell-known-host README.md:30
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
    curl -fsSL https://raw.githubusercontent.com/laiye-ai/adp-cli/main/scripts/adp-init.sh | bash
  • средняя Опасные команды cmd-pipe-to-shell-known-host SKILL.md:60
    Установщик через pipe в shell с известного хоста (всё равно выполняет удалённый код)
    curl -fsSL https://raw.githubusercontent.com/laiye-ai/adp-cli/main/scripts/adp-init.sh | bash

Просканировано файлов: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 49/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 40Согласованность. Имя во frontmatter (id-card-recognition-and-extract) не совпадает с папкой (adp-id-card-recognition-and-extract)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 22
  • 100Стоимость исполнения. Тело инструкции 2333 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (4 тегов): типизированный вызов надёжнее

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
  • +2Инструкции на одном языке
  • +3Длина description 125 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 31 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (17 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
This looks like a real ADP ID-card extraction integration, but it needs Review because it handles sensitive identity documents and ships broader CLI/admin instructions than the narrow skill purpose implies.
LLM: suspicious (high) · 28 мая 2026 г.