AC html-extract
Извлечение контента со страниц и файлов HTML с помощью MinerU. Преобразует HTML в чистый, структурированный Markdown, сохраняя заголовки, списки, таблицы и иерархию текста. Функции: извлечение контента HTML в Markdown. Сохраняет структуру и форматирование документа. Обрабатывает сложные макеты HTML. Извлечение на основе токенов для полного набора функций. Используйте, когда вам нужно: извлечь контент из HTML, преобразовать HTML в Markdown, получить текст с веб-страницы, разобрать содержимое файла HTML. Используйте, когда вас спрашивают: 'как извлечь контент из HTML', 'преобразовать HTML в Markdown', 'я хочу прочитать этот HTML-файл', 'может ли мой агент извлекать текст из HTML', 'есть ли навык для извлечения HTML', 'разобрать эту веб-страницу'. Основано на MinerU от OpenDataLab (Shanghai AI Lab), движке для анализа документов с открытым исходным кодом. Работает с локальными HTML-файлами и URL. Отлично подходит для парсеров контента, инструментов документации и рабочих процессов, которым требуется преобразование HTML-контента в чистый Markdown для дальнейшей обработки.
машинный переводПоказать оригиналСкрыть оригинал«Extract content from HTML pages and files using MinerU. Converts HTML…»
Extract content from HTML pages and files using MinerU. Converts HTML to clean, structured Markdown preserving headings, lists, tables, and text hierarchy. Features: HTML content extraction to Markdown. Preserves document structure and formatting. Handles complex HTML layouts. Token-based extraction for full feature set. Use when you need to: extract content from HTML, convert HTML to Markdown, get text from a web page, parse HTML file content. Use when asked: 'how do I extract content from HTML', 'convert HTML to Markdown', 'I want to read this HTML file', 'can my agent extract text from HTML', 'is there a skill for HTML extraction', 'parse this web page'. Built on MinerU by OpenDataLab (Shanghai AI Lab), an open-source document intelligence engine. Works with local HTML files and URLs. Great for content scrapers, documentation tools, and workflows that need to convert HTML content into clean Markdown for further processing.
Извлечение контента со страниц и файлов HTML с помощью MinerU.
Как процесс C 51/100 · Есть пробелы — 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 51/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 8
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 402 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)
- +3Длина description 939: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.