SKILLEMALL.ai
EN Войти

AD deepseek-ocr

Распознавание текста с помощью OCR на модели DeepSeek-OCR. Используйте, когда пользователь запрашивает OCR, распознавание текста, извлечение текста из изображения, распознавание скриншота или преобразование изображений в текст/markdown.

машинный переводПоказать оригиналСкрыть оригинал«OCR text recognition using DeepSeek-OCR model. Use when user asks for…»

OCR text recognition using DeepSeek-OCR model. Use when user asks for OCR, text recognition, image text extraction, screenshot recognition, or converting images to text/markdown.

modbender/skill-library-mcp Agent Skills автор: modbender MIT 2 файла · 1 скрипт тело ≈ 304 токенов Открыть источникgithub.com↗ проанализирован 30 ч назад

Распознавание текста с помощью OCR на модели DeepSeek-OCR.

Как процесс D 40/100 · Процесс не доведён — слабые места: шаги, результат и критерий готовности, когда включается

Интеграциятип 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
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
D
40/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
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: 2. 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 40/100

    • 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
    • 40Согласованность. Имя во frontmatter (deepseek-ocr) не совпадает с папкой (ucloud-deepseek-ocr)
    • 43Шаги. Шагов: 2, расплывчатых формулировок: 2
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Стоимость исполнения. Тело инструкции 304 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)
    • +3Нет пошаговых инструкций или чек-листа
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 178 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +4Есть примеры (5 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.