BC invoice-ocr-extractor
Распознавание счетов и квитанций — автоматическое распознавание изображений счетов/квитанций, извлечение ключевых полей (сумма, дата, продавец, ИНН и т. д.), поддержка пакетной обработки, классификации расходов, проверки налогов, с возможностью записи в многомерные таблицы Feishu или экспорта в Excel. Используйте этот навык в следующих случаях: (1) Пользователь загружает изображение счета (JPG/PNG/PDF) и запрашивает распознавание или ввод данных (2) Необходимо пакетно обработать несколько счетов и создать сводную таблицу (3) Необходимо проверить подлинность счета-фактуры НДС (4) Необходимо записать данные счета в многомерные таблицы Feishu или систему возмещения расходов (5) Пользователь упоминает «распознавание счета», «распознавание квитанции», «подтверждение расходов», «автоматическое заполнение формы», «ввод счета», «OCR-распознавание», «счет-фактура НДС», «возмещение расходов», «проверка счета», «финансовый ввод»
машинный переводПоказать оригиналСкрыть оригинал«发票票据识别虾 — 自动识别发票/票据图片，提取关键字段（金额、日期、商家、税号等），支持批量处理、费用分类、税务验真，并可写入飞书多维表格…»
发票票据识别虾 — 自动识别发票/票据图片，提取关键字段（金额、日期、商家、税号等），支持批量处理、费用分类、税务验真，并可写入飞书多维表格或导出 Excel。 当以下情况时使用此 Skill： (1) 用户上传发票图片（JPG/PNG/PDF），要求识别或录入 (2) 需要批量处理多张发票，生成汇总表 (3) 需要验证增值税发票真实性 (4) 需要将发票数据写入飞书多维表格或报销系统 (5) 用户提到"发票识别"、"票据识别"、"报销凭证"、"自动填表"、"发票录入"、"OCR识别"、"增值税发票"、"费用报销"、"发票验真"、"财务录入"
Распознавание счетов и квитанций — автоматическое распознавание изображений счетов/квитанций, извлечение ключевых полей (сумма, дата, продавец, ИНН и т.
Как процесс C 53/100 · Есть пробелы — 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: 8. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
Процессный рейтинг: все десять параметров 53/100
- 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
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 19
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 500 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
- -31 из 2 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 275 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 19 пунктов
- +4Есть примеры (4 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (4 из 4)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.