SKILLEMALL.ai

AC memect-ppx

Парсит PDF и изображения в Markdown/JSON с помощью CLI memect-ppx (`ppx`). Используйте, когда пользователь просит выполнить OCR для сканированных PDF или скриншотов, извлечь таблицы из PDF, преобразовать PDF/изображение в Markdown, сохранить макет документа, просмотреть вывод парсинга. Также активируется по запросам: memect-ppx, ppx parse, 解析PDF, 图片转文字, 扫描件识别, 扫描件转文字, 提取表格, PDF转Markdown, 文档解析, OCR识别, 识别图片文字, 解析图片, 提取文档内容.

машинный переводПоказать оригиналСкрыть оригинал«Parse PDFs and images into Markdown/JSON using the memect-ppx (`ppx`)…»

Parse PDFs and images into Markdown/JSON using the memect-ppx (`ppx`) CLI. Use when the user asks to OCR scanned PDFs or screenshots, extract tables from PDFs, convert PDF/image to Markdown, preserve document layout, inspect parsing output. Also triggers on: memect-ppx、ppx parse、解析PDF、图片转文字、扫描件识别、扫描件转文字、提取表格、 PDF转Markdown、文档解析、OCR识别、识别图片文字、解析图片、提取文档内容。

ClawHub Agent Skills автор: HangHang Li v0.2.6 MIT-0 7 файлов · 1 скрипт тело ≈ 507 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Парсит PDF и изображения в Markdown/JSON с помощью CLI memect-ppx (ppx).

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

ИнтеграцияИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
93
Прогон на моделях
не было
Процессный рейтинг
C
64/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "title"

    Процессный рейтинг: все десять параметров 64/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 65Ошибки и развилки. Развилок: 3
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 26
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 507 токенов

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 354 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 26 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)
    • +3Все 2 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 93.

    Внешние проверки

    ClawHub: clean
    This skill is a document parsing helper that runs the local ppx OCR/parser and its higher-risk behaviors are mostly expected for that purpose.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.