AC smart-pdf-ocr
Интеллектуальный OCR для PDF на базе API MinerU. Извлекайте текст из сканированных PDF, PDF на основе изображений и фотографий документов с помощью CLI mineru-open-api с расширенными возможностями OCR. Поддерживает flash-extract для быстрого OCR (без токена, до 10 МБ/20 страниц) и precision extract с моделью VLM для сложных макетов, распознавания таблиц и обнаружения формул. Используйте, когда вас просят «OCR мой PDF», «извлечь текст из сканированного PDF», «читать сканированный документ», «PDF扫描件识别», «PDF图片文字提取», «OCR识别PDF», «как выполнить OCR PDF-файла», «конвертировать сканированный PDF в текст», «распознать текст на изображении PDF», «можешь прочитать этот сканированный документ», «оцифровать мой PDF». Поддерживает более 50 языков, включая китайский, английский, японский, корейский, арабский и латинские шрифты. Идеально подходит для оцифровки архивов, обработки сканированных контрактов, извлечения данных из квитанций и преобразования бумажных документов в текст с возможностью поиска.
машинный переводПоказать оригиналСкрыть оригинал«Intelligent PDF OCR powered by MinerU API. Extract text from scanned P…»
Intelligent PDF OCR powered by MinerU API. Extract text from scanned PDFs, image-based PDFs, and photographed documents using mineru-open-api CLI with advanced OCR capabilities. Supports flash-extract for quick OCR (no token, up to 10MB/20 pages) and precision extract with VLM model for complex layouts, table recognition, and formula detection. Use when asked to 'OCR my PDF', 'extract text from scanned PDF', 'read scanned document', 'PDF扫描件识别', 'PDF图片文字提取', 'OCR识别PDF', 'how to OCR a PDF file', 'convert scanned PDF to text', 'recognize text in PDF image', 'can you read this scanned document', 'digitize my PDF'. Supports 50+ languages including Chinese, English, Japanese, Korean, Arabic, and Latin scripts. Ideal for digitizing archives, processing scanned contracts, extracting data from receipts, and converting paper documents to searchable text.
Интеллектуальный OCR для PDF на базе API MinerU.
Как процесс C 59/100 · 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 "tools"
Процессный рейтинг: все десять параметров 59/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 55Ошибки и развилки. Развилок: 1
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 10
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 305 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)
- +3Длина description 856: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 5 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (5 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.