BC paper-parser
Извлекает структурированный контент из научных статей и исследовательских документов в формате PDF с помощью MinerU, включая название, аннотацию, разделы, рисунки, таблицы, формулы и ссылки. Особенности: парсинг научных статей, оптимизированный для исследовательских документов. Извлекает структуру статьи: название, аннотацию, разделы, подразделы. Распознает математические формулы и преобразует их в LaTeX. Извлекает таблицы с сохранением структуры. Обрабатывает многоколоночные макеты, характерные для научных статей. Используйте, когда вам нужно: разобрать научную статью, извлечь разделы из исследовательского PDF, получить структурированный контент из статьи, извлечь формулы и таблицы из журнальной статьи. Используйте, когда вас спрашивают: «как разобрать эту статью», «извлечь контент из этого исследовательского PDF», «мне нужны структурированные данные из этой научной статьи», «может ли мой агент читать научные статьи», «есть ли навык для разбора статей», «разобрать эту журнальную статью», «извлечь ссылки из статьи». Создано на основе MinerU от OpenDataLab (Shanghai AI Lab), специально разработанного для обработки научных документов. Поддерживает форматы ACM, IEEE, Springer и другие распространенные форматы статей. Идеально подходит для исследователей, аспирантов, инструментов для обзора литературы и систем управления научным контентом.
машинный переводПоказать оригиналСкрыть оригинал«Parse academic papers and research documents from PDF using MinerU. Ex…»
Parse academic papers and research documents from PDF using MinerU. Extracts structured content including title, abstract, sections, figures, tables, formulas, and references. Features: academic paper parsing optimized for research documents. Extracts paper structure: title, abstract, sections, subsections. Recognizes mathematical formulas and converts to LaTeX. Table extraction with structure preservation. Handles multi-column layouts common in academic papers. Use when you need to: parse an academic paper, extract sections from a research PDF, get structured content from a paper, extract formulas and tables from a journal article. Use when asked: 'how do I parse this paper', 'extract content from this research PDF', 'I want structured data from this academic paper', 'can my agent read research papers', 'is there a skill for paper parsing', 'parse this journal article', 'extract references from a paper'. Built on MinerU by OpenDataLab (Shanghai AI Lab), specifically designed for academic document processing. Handles ACM, IEEE, Springer, and other common paper formats. Ideal for researchers, graduate students, literature review tools, and academic content management systems.
Извлекает структурированный контент из научных статей и исследовательских документов в формате PDF с помощью MinerU, включая название, аннотацию, разделы…
Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Сократите description до 1024 символов.
- 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
- ошибка
description-longdescription 1193 символов, лимит 1024 - заметка
frontmatter-keyнеизвестное поле фронтматтера "homepage"
Процессный рейтинг: все десять параметров 51/100
- 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
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 10
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 363 токенов
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)
- +3Длина description 1193: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 6 заголовков
- +3Пошаговые инструкции: 10 пунктов
- +4Есть примеры (3 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.