SKILLEMALL.ai
GitHub ↗ EN Войти

AC ca-file-processor

Обработка финансовых документов для индийских бухгалтерских фирм. Используйте при получении или загрузке любого файла PDF, Excel (.xlsx/.xls), CSV, JPG или PNG — включая налоговые декларации GST, PDF деклараций ITR, сканированные счета-фактуры, пробные балансы, банковские выписки, форму 16, налоговые сертификаты TDS и аудиторские отчеты. Автоматически определяет тип файла и извлекает текст, таблицы и ключевые поля (GSTIN, номер счета-фактуры, суммы, даты). Срабатывает при: загрузке файла, вложении, «обработать этот файл», «прочитать этот PDF», «извлечь из этого счета-фактуры», «проанализировать эту выписку», «что говорит этот документ».

машинный переводПоказать оригиналСкрыть оригинал«Process financial documents for Indian CA firms. Use when any PDF, Exc…»

Process financial documents for Indian CA firms. Use when any PDF, Excel (.xlsx/.xls), CSV, JPG, or PNG file is received or uploaded — including GST returns, ITR PDFs, scanned invoices, trial balance sheets, bank statements, Form 16, TDS certificates, and audit reports. Automatically detects file type and extracts text, tables, and key fields (GSTIN, invoice number, totals, dates). Triggers on: file upload, attachment, "process this file", "read this PDF", "extract from this invoice", "analyse this statement", "what does this document say".

ClawHub Agent Skills автор: purvik6062 v1.0.3 MIT-0 8 файлов тело ≈ 532 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Обработка финансовых документов для индийских бухгалтерских фирм.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураExcelДанные и аналитикаФинансытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
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

    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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

    Процессный рейтинг: все десять параметров 52/100

    • 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
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 24
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 532 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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

    • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • -34 из 5 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 5 примера фраз-триггеров в кавычках
    • +3Длина description 546 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 24 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: suspicious
    The skill fits a financial document-processing purpose, but it appears to use broad file access and may pass sensitive financial records into model context without clear limits or warnings.
    LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.