BD enterprise_qualification_ocr
Распознает и извлекает текст, лицензии на ведение бизнеса, свидетельства о регистрации юридического лица общественных организаций, свидетельства о праве юридического лица профсоюза, свидетельства о регистрации религиозных организаций, свидетельства о регистрации некоммерческих организаций, свидетельства о праве юридического лица учреждений, свидетельства о едином коде социальной интеграции из изображений. Этот навык следует использовать, когда пользователю требуется распознавание текста на изображениях или распознавание лицензий на ведение бизнеса, свидетельств о регистрации юридического лица общественных организаций, свидетельств о праве юридического лица профсоюза, свидетельств о регистрации религиозных организаций, свидетельств о регистрации некоммерческих организаций, свидетельств о праве юридического лица учреждений, свидетельств о едином коде социальной интеграции.
машинный переводПоказать оригиналСкрыть оригинал«将图片中的文字、营业执照、社会团体法人登记证书、工会法人资格证书、宗教活动场所登记证、民办非企业单位登记证书、事业单位法人证书、统一社会信用…»
将图片中的文字、营业执照、社会团体法人登记证书、工会法人资格证书、宗教活动场所登记证、民办非企业单位登记证书、事业单位法人证书、统一社会信用代码证书等信息识别并提取出来。本技能应在用户需要 OCR 识别图片中的文字，或识别营业执照、社会团体法人登记证书、工会法人资格证书、宗教活动场所登记证、民办非企业单位登记证书、事业单位法人证书、统一社会信用代码证书时使用。
Распознает и извлекает текст, лицензии на ведение бизнеса, свидетельства о регистрации юридического лица общественных организаций, свидетельства о праве…
Как процесс D 41/100 · 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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "dependencies" - заметка
frontmatter-keyнеизвестное поле фронтматтера "input" - заметка
frontmatter-keyнеизвестное поле фронтматтера "output"
Процессный рейтинг: все десять параметров 41/100
- 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 (enterprise_qualification_ocr) не совпадает с папкой (enterprise-qualification-ocr)
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 15
- 100Стоимость исполнения. Тело инструкции 841 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
- +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
- +2Инструкции на одном языке
- +3Длина description 181 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 16 заголовков
- +3Пошаговые инструкции: 15 пунктов
- +4Есть примеры (3 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.