SKILLEMALL.ai

BD xiangyun-invoice-ocr

Навык распознавания и проверки счетов-фактур от Xiangyun. Активируется, когда пользователь запрашивает следующие действия: - Распознавание счетов-фактур, OCR счетов-фактур, распознавание счетов-фактур - Проверка счетов-фактур, подтверждение подлинности счетов-фактур, проверка счетов-фактур, проверка подлинности счетов-фактур - Сканирование счетов-фактур, чтение информации о счетах-фактурах, извлечение данных счетов-фактур - Распознавание счетов-фактур НДС, распознавание электронных счетов-фактур, распознавание цифровых счетов-фактур - Экспорт счетов-фактур, реестр счетов-фактур, таблица учета счетов-фактур, выбор счетов-фактур для вычета - Таблица транспортных расходов пассажиров, таблица товарных позиций - Пакетная обработка счетов-фактур, распознавание папок со счетами-фактурами - NetOCR счета-фактуры, счета-фактуры Xiangyun

машинный переводПоказать оригиналСкрыть оригинал«翔云发票识别与查验 Skill。当用户请求以下操作时触发: - 发票识别、发票 OCR、识别发票 - 发票查验、发票验真、发票核验、核查发票…»

翔云发票识别与查验 Skill。当用户请求以下操作时触发: - 发票识别、发票 OCR、识别发票 - 发票查验、发票验真、发票核验、核查发票真伪 - 扫描发票、读取发票信息、提取发票数据 - 增值税发票识别、电子发票识别、数电票识别 - 发票导出、发票台账、发票入账表、发票勾选抵扣 - 旅客运输抵扣表、货物明细表 - 批量发票处理、发票文件夹识别 - netocr 发票、翔云发票

ClawHub Agent Skills автор: liudengkui v1.0.0 MIT-0 7 файлов тело ≈ 1 272 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык распознавания и проверки счетов-фактур от Xiangyun.

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

ПроцедураФинансыИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
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

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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 7. 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 (xiangyun-invoice-ocr) не совпадает с папкой (ocr-invoice-xiangyun)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 12
  • 100Стоимость исполнения. Тело инструкции 1272 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

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
  • -32 из 3 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 191 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 12 пунктов
  • +4Есть примеры (7 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

Внешние проверки

ClawHub: clean
This skill coherently performs invoice OCR, verification through NetOCR, and optional Excel export, with sensitive data handling disclosed enough to keep it benign but worth user caution.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.