AC smart-pdf-reader
Интеллектуальный ридер и экстрактор контента PDF на базе API MinerU. Читает и извлекает контент из любого PDF-документа, включая сканированные файлы, научные статьи, отчеты и книги, с помощью CLI mineru-open-api. Поддерживает flash-extract для мгновенного чтения (без токена) и precision extract с OCR, распознаванием таблиц и обнаружением формул. Используется при запросах: 'read my PDF', 'extract content from PDF', 'what does this PDF say', 'summarize this PDF', 'get text from PDF', 'PDF阅读', '读取PDF内容', '提取PDF文字', 'PDF文档读取', 'how to read PDF content', 'open and read this PDF', 'can you read this document for me', 'parse PDF content'. Обрабатывает сложные типы документов: многоколоночные научные статьи, сканированные архивы, финансовые отчеты, юридические документы и многоязычный контент. Идеально подходит для исследований, обзора документов, анализа контента и извлечения информации.
машинный переводПоказать оригиналСкрыть оригинал«Intelligent PDF reader and content extractor powered by MinerU API. Re…»
Intelligent PDF reader and content extractor powered by MinerU API. Read and extract content from any PDF document including scanned files, academic papers, reports, and books using mineru-open-api CLI. Supports flash-extract for instant reading (no token) and precision extract with OCR, table recognition, and formula detection. Use when asked to 'read my PDF', 'extract content from PDF', 'what does this PDF say', 'summarize this PDF', 'get text from PDF', 'PDF阅读', '读取PDF内容', '提取PDF文字', 'PDF文档读取', 'how to read PDF content', 'open and read this PDF', 'can you read this document for me', 'parse PDF content'. Handles complex document types: multi-column academic papers, scanned archives, financial statements, legal documents, and multilingual content. Perfect for research, document review, content analysis, and information extraction.
Интеллектуальный ридер и экстрактор контента PDF на базе API MinerU.
Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "tools"
Процессный рейтинг: все десять параметров 53/100
- 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
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Шаги. Шагов: 9
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 262 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)
- +3Длина description 843: рекомендуется 120–800 символов
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Структура: 4 заголовков
- +3Пошаговые инструкции: 9 пунктов
- +4Есть примеры (5 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.