BF invoice-ocr
Навык OCR-распознавания счетов. Сканирует файлы счетов (PDF/изображения) в папке, вызывает API OCR Alibaba Cloud для распознавания информации о счетах и экспортирует ее в таблицу Excel. Поддерживает 17+ типов счетов (счета-фактуры НДС, билеты на поезд, билеты на такси, маршрутные квитанции авиабилетов, фиксированные счета, счета-фактуры о продаже автотранспортных средств, счета за проезд по платным дорогам и мостам и т. д.). Сценарии использования: (1) Пользователь упоминает «распознавание счетов», «статистика счетов», «организация счетов», «сводка счетов» (2) Пользователю требуется пакетная обработка счетов (3) Пользователь упоминает распознавание счетов с помощью OCR Alibaba Cloud. **Важно: при первом использовании необходимо сначала настроить учетные данные Alibaba Cloud, активно запросить у пользователя AccessKey ID и AccessKey Secret или направить пользователя выполнить команду --config для самостоятельной настройки.**
машинный переводПоказать оригиналСкрыть оригинал«发票 OCR 识别技能。扫描文件夹中的发票文件（PDF/图片），调用阿里云 OCR API 识别发票信息并导出到 Excel 表格。支持 1…»
发票 OCR 识别技能。扫描文件夹中的发票文件（PDF/图片），调用阿里云 OCR API 识别发票信息并导出到 Excel 表格。支持 17+ 种发票类型（增值税发票、火车票、出租车票、机票行程单、定额发票、机动车销售发票、过路过桥费发票等）。使用场景：(1) 用户提到"发票识别"、"发票统计"、"发票整理"、"发票汇总" (2) 用户需要批量处理发票 (3) 用户提到阿里云 OCR 识别发票。**重要：首次使用必须先配置阿里云凭证，主动向用户索要 AccessKey ID 和 AccessKey Secret，或引导用户运行 --config 命令自行配置。**
Навык OCR-распознавания счетов.
Как процесс F 31/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/aliyun-ocr-api.md
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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: 5. 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") - предупреждение
missing-refссылка на отсутствующий файл: references/aliyun-ocr-api.md
Процессный рейтинг: все десять параметров 31/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): references/aliyun-ocr-api.md
- 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 (invoice-ocr) не совпадает с папкой (invoice-recognize)
- 100Шаги. Шагов: 11
- 100Стоимость исполнения. Тело инструкции 505 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле
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 286 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 15 заголовков
- +3Пошаговые инструкции: 11 пунктов
- +4Есть примеры (6 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.