SKILLEMALL.ai

AB tabular-review-lawvable

Руководство по анализу нескольких документов (PDF, DOCX) по заданным пользователем столбцам и созданию структурированного вывода в Excel с цитатами. Используйте, когда пользователь хочет: (1) извлечь конкретную информацию из нескольких документов в таблицу, (2) сравнить пункты или положения в разных контрактах, (3) создать матрицу обзора документов с цитатами источников. Активируется по запросам: 'tabular review', 'document matrix', 'extract from documents', 'compare across documents', 'review multiple contracts'.

машинный переводПоказать оригиналСкрыть оригинал«Guide to analyze multiple documents (PDF, DOCX) against user-defined c…»

Guide to analyze multiple documents (PDF, DOCX) against user-defined columns and produce a structured Excel output with citations. Use when the user wants to: (1) Extract specific information from multiple documents into a table, (2) Compare clauses or provisions across contracts, (3) Create a document review matrix with source citations. Triggers on: 'tabular review', 'document matrix', 'extract from documents', 'compare across documents', 'review multiple contracts'.

lawve-ai/awesome-legal-skills Agent Skills автор: lawve-ai 3 файла тело ≈ 1 187 токенов Открыть источникgithub.com↗ проанализирован 56 мин назад

Руководство по анализу нескольких документов (PDF, DOCX) по заданным пользователем столбцам и созданию структурированного вывода в Excel с цитатами.

Как процесс B 67/100 · Почти готов — слабые места: входы и предусловия, согласованность, повторный запуск

АнализаторWordExcelPDFДанные и аналитикаИсследованиятип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
88
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
Согласованность вес 8
40
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 67/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (tabular-review-lawvable) не совпадает с папкой (tabular-review-antoine-louis)
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 19
    • 100Стоимость исполнения. Тело инструкции 1187 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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)
    • +2Инструкции на одном языке
    • +3Длина description 473 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 12 заголовков
    • +3Пошаговые инструкции: 19 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (8 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 88.