BD expense-reimbursement
Обработка счетов за командировки / Travel Expense Reimbursement: поддержка такси (GaoDe/Didi/Uber), билетов на поезд (12306), авиабилетов, проживания в отеле; рекурсивное сканирование ZIP-архивов; OCR-распознавание маршрутных листов; определение типа командировки/служебной поездки; автоматическая архивация по поездке; заполнение формы расходов на НИОКР; генерация пакета документов для печати в PDF (квитанция всегда на первой странице); автоматическое объединение PDF (смешанный формат изображений и PDF, единый размер A4); продолжение только после подтверждения пользователем. / Поддерживает квитанции за такси, поезд, авиабилеты, отели. Рекурсивное сканирование ZIP, OCR, автоклассификация, заполнение форм, генерация пакета документов с контрольными точками. macOS/Linux.
машинный переводПоказать оригиналСкрыть оригинал«差旅报销票据整理 / Travel Expense Reimbursement：支持高德/Didi/滴滴/Uber打车、12306火车票、机…»
差旅报销票据整理 / Travel Expense Reimbursement：支持高德/Didi/滴滴/Uber打车、12306火车票、机票、酒店住宿；递归扫描含ZIP内部；OCR识别行程单；判断出差/公出类型；按行程自动归档；填写研发经费使用单；生成打印材料包PDF（粘贴单永远首页）；自动化PDF合并（图片+PDF混排，统一A4尺寸）；用户确认后才能继续。/ Supports taxi, train, flight, hotel receipts. Recursive ZIP scan, OCR, auto-classify, form filling, print package generation with checkpoints. macOS/Linux.
Обработка счетов за командировки / Travel Expense Reimbursement: поддержка такси (GaoDe/Didi/Uber), билетов на поезд (12306), авиабилетов, проживания в отеле…
Как процесс D 44/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 4. 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 44/100
- 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
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 4339 токенов
- 100Шаги. Шагов: 33
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 18. 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
- -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
- -31 из 1 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 338 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 28 заголовков
- +3Пошаговые инструкции: 33 пунктов
- +4Есть примеры (14 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.