SKILLEMALL.ai
GitHub ↗ EN Войти

BD expense_invoice_ocr

Распознает 19 распространенных типов квитанций для корпоративных расходов на возмещение, включая: счета-фактуры НДС, рулонные счета-фактуры НДС, квитанции на такси, билеты на поезд, электронные авиабилеты, счета-фактуры на продажу автотранспортных средств, фиксированные счета-фактуры, счета за проезд по платным дорогам и мостам, медицинские счета-фактуры, свидетельства об уплате налогов, билеты на корабль, неоплачиваемые счета-фактуры, универсальные машинописные счета-фактуры, билеты на автобус, счета за проезд по платным дорогам, маршрутные квитанции онлайн-такси, квитанции POS-терминалов UnionPay, счета за стационарное лечение, счета за медицинское обслуживание. Активируется только тогда, когда пользователь явно запрашивает распознавание определенного локального изображения квитанции. Перед вызовом необходимо подтвердить согласие пользователя на загрузку этого файла в удаленный OCR-сервис Scnet.

машинный переводПоказать оригиналСкрыть оригинал«支持识别企业财务报销场景的19 种常见票据，包括：增值税发票,增值税卷票,出租车发票,火车票,航空运输电子客票行程单,机动车销售统一发票,定…»

支持识别企业财务报销场景的19 种常见票据，包括：增值税发票,增值税卷票,出租车发票,火车票,航空运输电子客票行程单,机动车销售统一发票,定额发票,过路过桥费发票,医疗发票,税收完税证明,船票,非税票据,通用机打发票,汽车票,值税通行费发票,网约车行程单,银联POS签购单,医疗住院发票,医疗费用结算单识别。仅在用户明确要求识别某张本地票据图片时触发，调用前必须确认用户同意上传该文件到 Scnet 远程 OCR 服务。

ClawHub Agent Skills автор: SCNet-sugon v1.0.8 MIT-0 9 файлов тело ≈ 905 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Распознает 19 распространенных типов квитанций для корпоративных расходов на возмещение, включая: счета-фактуры НДС, рулонные счета-фактуры НДС, квитанции на…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип 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
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
D
41/100
Процесс не доведён
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 9. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")
  • заметка frontmatter-key неизвестное поле фронтматтера "required_env_vars"
  • заметка frontmatter-key неизвестное поле фронтматтера "optional_env_vars"
  • заметка frontmatter-key неизвестное поле фронтматтера "primary_credential"
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"
  • заметка frontmatter-key неизвестное поле фронтматтера "permissions"
  • заметка frontmatter-key неизвестное поле фронтматтера "input"
  • заметка frontmatter-key неизвестное 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 (expense_invoice_ocr) не совпадает с папкой (expense-invoice-ocr)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 18
  • 100Стоимость исполнения. Тело инструкции 905 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
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +2Инструкции на одном языке
  • +3Длина description 210 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 18 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: 60.

Внешние проверки

ClawHub: clean
This OCR skill is clearly designed to upload a user-chosen invoice or receipt file to Scnet for recognition, and that sensitive data flow is disclosed with consent instructions.
LLM: benign (high) · VirusTotal: · 11 авг. 2026 г.