Потихоньку причесываю свои наработки и выкладываю их на GitHub. В репозитории ai-skills будут мои скиллы для AI-агентов.

Пока выложил скиллы для PDF и OCR.

OCR⌗

OCR извлекает текст из сканов и изображений:

  • PDF без текстового слоя;
  • фотографии документов;
  • чеки;
  • скриншоты;
  • презентации.

Под капотом используются pdftotext для быстрой проверки наличия текстового слоя, tesseract для базового распознавания, автоматическое определение языка, включая русский, а также выравнивание и шумоподавление через Pillow.

Если Tesseract не справляется, задача эскалируется к vision-модели.

PDF⌗

PDF-скилл извлекает текст, метаданные и структуру через pypdf и pdftotext. Если страница не содержит текстового слоя, задача автоматически передаётся OCR-скиллу.

Скиллы знают друг о друге и образуют цепочку:

PDF → OCR → vision

Агент выбирает минимально необходимый инструмент и эскалирует обработку только при необходимости.