SKILLEMALL.ai

AB paddleocr-doc-parsing-radeon

Бесплатное распознавание документов на базе AMD Radeon Cloud с использованием PaddleOCR-VL 1.5. Извлекайте структурированный Markdown/JSON из PDF и изображений документов — таблицы с точностью до ячейки, формулы в виде LaTeX, фигуры, печати, диаграммы, заголовки/нижние колонтитулы, многоколоночный макет и правильный порядок чтения. API-ключ не требуется. Ключевые слова: 文档解析, 版面分析, 版面还原, 表格提取, 公式识别, 多栏排版, 扫描件结构化, 发票, 财报, 复杂 PDF, PDF转Markdown, 图表, 阅读顺序; порядок чтения, формула, LaTeX, анализ макета, извлечение структуры, PP-StructureV3, PaddleOCR-VL, AMD Radeon, бесплатное OCR, распознавание документов, Radeon Cloud.

машинный переводПоказать оригиналСкрыть оригинал«FREE document parsing powered by AMD Radeon Cloud running PaddleOCR-VL…»

FREE document parsing powered by AMD Radeon Cloud running PaddleOCR-VL 1.5. Extract structured Markdown/JSON from PDFs and document images — tables with cell-level precision, formulas as LaTeX, figures, seals, charts, headers/footers, multi-column layout and correct reading order. No API key required. Trigger terms: 文档解析, 版面分析, 版面还原, 表格提取, 公式识别, 多栏排版, 扫描件结构化, 发票, 财报, 复杂 PDF, PDF转Markdown, 图表, 阅读顺序; reading order, formula, LaTeX, layout parsing, structure extraction, PP-StructureV3, PaddleOCR-VL, AMD Radeon, 免费OCR, free document parsing, Radeon Cloud.

ClawHub Agent Skills автор: AIwork4me v1.3.0 MIT-0 8 файлов тело ≈ 2 649 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Бесплатное распознавание документов на базе AMD Radeon Cloud с использованием PaddleOCR-VL 1.5. Извлекайте структурированный Markdown/JSON из PDF и…

Как процесс B 70/100 · Почти готов — слабые места: результат и критерий готовности, входы и предусловия, повторный запуск

ИнтеграцияLaTeXИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
70/100
Почти готов
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
30
Повторный запуск вес 4
30
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: 8. 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 70/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 30Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
    • 50Когда включается. Не сказано, при каком запросе скилл включается
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 51
    • 100Ошибки и развилки. Развилок: 8, есть раздел про ошибки
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2649 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

    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
    • -31 из 5 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +4Описание говорит, когда скилл НЕ применять
    • +3Длина description 556 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 20 заголовков
    • +3Пошаговые инструкции: 51 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (15 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (1 из 1)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: clean
    This is a coherent cloud document-parsing skill, but users should understand that selected documents are sent to the configured OCR endpoint.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.