SKILLEMALL.ai
EN Войти

AC receipt-raccoon

Извлекает структурированные данные из текста чека (описание OCR/фото) и генерирует ежемесячные отчеты о расходах. Разбирает продавца, дату, позиции, налог, сумму и категорию. Создает сводную статистику: топ продавцов, разбивку по категориям, общие расходы.

машинный переводПоказать оригиналСкрыть оригинал«Extracts structured data from receipt text (OCR/photo description) and…»

Extracts structured data from receipt text (OCR/photo description) and generates monthly spending reports. Parses merchant, date, line items, tax, total, and category. Produces summary stats: top merchants, category breakdown, total spend.

ClawHub Agent Skills автор: voronindenis5 v0.1.1 MIT-0 7 файлов тело ≈ 742 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Извлекает структурированные данные из текста чека (описание OCR/фото) и генерирует ежемесячные отчеты о расходах.

Как процесс C 55/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

ГенераторФинансытип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
A
98/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
95
Прогон на моделях
не было
Процессный рейтинг
C
55/100
Есть пробелы
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 7. 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 55/100

    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 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
    • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
    • 60Инструменты и файлы. Используются инструменты (bash), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 85Шаги. Шагов: 18, расплывчатых формулировок: 1
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 742 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)
    • +2Инструкции на одном языке
    • +3Длина description 239 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 10 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (4 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (2 из 2)
    • +3Все 1 скриптов описаны в инструкциях
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 95.

    Внешние проверки

    ClawHub: clean
    This skill locally parses user-provided receipts and optionally writes a local spending ledger, with no evidence of hidden network access or deceptive behavior.
    LLM: benign (high) · VirusTotal: · 11 авг. 2026 г.