AC ppt-ocr
OCR для презентаций PowerPoint (.ppt, .pptx) со сканированными слайдами или слайдами, содержащими изображения. Использует MinerU для извлечения текста из слайдов презентации на основе изображений. Функции: OCR для слайдов на основе изображений. Режим VLM для сложных визуальных макетов. Обрабатывает старые форматы .ppt и современные .pptx. Преобразует содержимое изображений в читаемый Markdown. Используйте, когда вам нужно: выполнить OCR файла PowerPoint, извлечь текст из слайдов с изображениями, прочитать отсканированное содержимое в презентациях. Используйте, когда вас спрашивают: 'как сделать OCR слайдов PowerPoint', 'извлечь текст из ppt на основе изображений', 'мои слайды — это изображения, а не текст', 'может ли мой агент делать OCR файлов PPT', 'есть ли навык для OCR PPT'. Основан на MinerU от OpenDataLab (Shanghai AI Lab) с расширенными возможностями OCR. Идеально подходит для преобразования устаревших или насыщенных изображениями презентаций в редактируемый, доступный для поиска текст.
машинный переводПоказать оригиналСкрыть оригинал«OCR for PowerPoint (.ppt, .pptx) presentations with scanned or image-e…»
OCR for PowerPoint (.ppt, .pptx) presentations with scanned or image-embedded slides. Uses MinerU to extract text from image-based presentation content. Features: OCR for image-based slides. VLM mode for complex visual layouts. Handles old .ppt and modern .pptx formats. Converts image content to readable Markdown. Use when you need to: OCR a PowerPoint file, extract text from image slides, read scanned content in presentations. Use when asked: 'how do I OCR PowerPoint slides', 'extract text from image-based ppt', 'my slides are images not text', 'can my agent OCR ppt files', 'is there a skill for PPT OCR'. Built on MinerU by OpenDataLab (Shanghai AI Lab) with advanced OCR capabilities. Ideal for converting legacy or image-heavy presentations into editable, searchable text.
OCR для презентаций PowerPoint (.ppt, .pptx) со сканированными слайдами или слайдами, содержащими изображения. Использует MinerU для извлечения текста из…
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: 10
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 330 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)
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 783 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.