AC deepread
AI-платформа OCR, которая превращает документы в высокоточные данные за считанные минуты. Используя консенсус нескольких моделей, DeepRead достигает точности 97%+ и помечает только неуверенные поля для проверки человеком (Human-in-the-Loop, HIL), сокращая ручную работу со 100% до 5-10%. Инженерия подсказок не требуется.
машинный переводПоказать оригиналСкрыть оригинал«AI-native OCR platform that turns documents into high-accuracy data in…»
AI-native OCR platform that turns documents into high-accuracy data in minutes. Using multi-model consensus, DeepRead achieves 97%+ accuracy and flags only uncertain fields for Human-in-the-Loop (HIL) review—reducing manual work from 100% to 5-10%. Zero prompt engineering required.
AI-платформа OCR, которая превращает документы в высокоточные данные за считанные минуты.
Как процесс C 55/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность
Как улучшить
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "title"
Процессный рейтинг: все десять параметров 55/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 3, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (deepread) не совпадает с папкой (deepread-ocr)
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 70Стоимость исполнения. Тело инструкции 4399 токенов
- 85Шаги. Шагов: 61, расплывчатых формулировок: 1
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Ошибки и развилки. Развилок: 1, есть раздел про ошибки
- low Разделов верхнего уровня: 13. 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
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 282 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 43 заголовков
- +3Пошаговые инструкции: 61 пунктов
- +4Есть примеры (32 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.