AC word-parser
Извлекает структурированный контент из документов Word (.docx, .doc) с помощью API MinerU. Этот навык использует CLI mineru-open-api для разбора файлов Word в структурированные данные, включая заголовки, абзацы, таблицы, изображения, списки и метаданные. Поддерживает flash-extract для быстрого разбора (без токена) и precision extract для глубокого анализа структуры с распознаванием таблиц и формул. Используйте, когда вас просят «разобрать документ Word», «извлечь структуру из docx», «проанализировать содержимое файла Word», «получить заголовки из Word», «извлечь таблицы из Word», «Word文档解析», «提取Word结构», «分析Word文件内容», «Word表格提取», «how to parse a docx file», «read Word document structure». Идеально подходит для анализа документов, индексации контента, извлечения данных из форм, автоматизированной обработки отчетов и создания систем поиска по документам.
машинный переводПоказать оригиналСкрыть оригинал«Parse and extract structured content from Word documents (.docx, .doc)…»
Parse and extract structured content from Word documents (.docx, .doc) using the MinerU API. This skill uses mineru-open-api CLI to parse Word files into structured data including headings, paragraphs, tables, images, lists, and metadata. Supports flash-extract for quick parsing (no token) and precision extract for deep structure analysis with table and formula recognition. Use when asked to 'parse Word document', 'extract structure from docx', 'analyze Word file content', 'get headings from Word', 'extract tables from Word', 'Word文档解析', '提取Word结构', '分析Word文件内容', 'Word表格提取', 'how to parse a docx file', 'read Word document structure'. Ideal for document analysis, content indexing, data extraction from forms, automated report processing, and building document search systems.
Извлекает структурированный контент из документов Word (.docx, .doc) с помощью API MinerU. Этот навык использует CLI mineru-open-api для разбора файлов Word в…
Как процесс C 53/100 · 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 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. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 8
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 236 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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 783 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 4 заголовков
- +3Пошаговые инструкции: 8 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 83.