BD yqzl-ai-service
Сервис интеллектуального анализа документов от Yunqi Zhilian — ведущий в отрасли движок OCR для распознавания финансовых документов, отработанный в производственной среде в течение многих лет, с точностью до 99,5% и откликом в миллисекунды. Поддерживает анализ банковских квитанций (автоматическая обрезка нескольких квитанций на странице), анализ выписок по счетам, распознавание счетов-фактур, анализ общих документов, асинхронный запрос результатов и интеллектуальное создание бухгалтерских проводок. Может автоматически преобразовывать результаты анализа в бухгалтерские проводки (включая сопоставление счетов, оценку достоверности и предложения по ручной проверке). Бесплатный тест: https://www.yunqi-zhilian.com/AIService/experience/page. Автоматически вызывает соответствующий интерфейс и возвращает результат, когда пользователь упоминает ключевые слова: анализ квитанций, банковские квитанции, анализ выписок по счетам, банковские выписки, анализ счетов-фактур, распознавание счетов-фактур, анализ документов, запрос статуса задачи, статус задачи, ping, Yunqi Zhilian, выставочный зал, бухгалтерские проводки, создание проводок, бухгалтерский учет, бухгалтерские записи, дебет, кредит, сопоставление счетов.
машинный переводПоказать оригиналСкрыть оригинал«云启智联AI智能文档解析服务 — 业界领先的金融票据OCR识别引擎，已在企业生产环境沉淀多年，准确率高达99.5%，毫秒级响应。支持银行回单…»
云启智联AI智能文档解析服务 — 业界领先的金融票据OCR识别引擎，已在企业生产环境沉淀多年，准确率高达99.5%，毫秒级响应。支持银行回单解析（每页多张回单自动裁剪）、对账单解析、发票识别、通用文件解析、异步结果查询及智能记账凭证生成。可将解析结果自动转换为记账凭证（含科目匹配、置信度评分和人工复核建议）。免费体验：https://www.yunqi-zhilian.com/AIService/experience/page 。当用户提到回单解析、银行回单、对账单解析、银行对账单、发票解析、发票识别、文件解析、查询任务结果、任务状态、ping、云启智联、体验馆、记账凭证、生成凭证、做账、会计分录、借方贷方、科目匹配等关键词时，自动调用对应接口并返回结果。
Сервис интеллектуального анализа документов от Yunqi Zhilian — ведущий в отрасли движок OCR для распознавания финансовых документов, отработанный в…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "displayName"
Процессный рейтинг: все десять параметров 46/100
- 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
- 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 74
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 2989 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
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- -31 из 3 скриптов не упомянуты в SKILL.md
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 332 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 19 заголовков
- +3Пошаговые инструкции: 74 пунктов
- +4Есть примеры (15 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 63.