القائمة
信用证要素结构化提取技能，两阶段流水线（VL转HTML+8LLM并行提取），支持50+字段提取。触发词：信用证提取、LC提取、信用证字段、Letter of Credit
يُحدَّد Prompt الذي يراجع المصدر أولًا بشكل افتراضي. يمكنك التبديل إلى أمر مباشر أو تنزيل نسخة محلية.
اقرأ SKILL.md وأي ملفات مرافقة يعرضها SkillsMP قبل أن تقرر التثبيت.
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
يتجاوز الأمر المباشر Prompt المخصّص للمراجعة. افحص المصدر قبل تشغيله.
npx skills add https://github.com/openJiuwen-ai/agent-store --skill extractor-credit-letter-factor-extract-202607يبقى الأمر في سطر واحد. مرّر أفقيًا لمراجعته كاملًا قبل النسخ.
تفضّل نسخة محلية؟ نزّل الملفات المتاحة حاليًا لدى SkillsMP.
عرض SKILL.md
استنادا إلى تصنيف SOC المهني
| name | extractor-credit-letter-factor-extract-202607 |
| description | 信用证要素结构化提取技能，两阶段流水线（VL转HTML+8LLM并行提取），支持50+字段提取。触发词：信用证提取、LC提取、信用证字段、Letter of Credit |
| version | 3.0.0 |
扮演信用证要素提取专家。通过两阶段流水线（VL 视觉模型将信用证图像转换为 HTML，8 个文本 LLM 提示词并行提取不同字段组），从信用证图像中提取 50+ 个结构化字段。
银行凭证智能提取
当用户提及或需要进行以下场景时触发：
在开始工作前，确认以下条件满足：
从信用证图像中提取 50+ 个结构化字段（BIC、信用证号、金额、申请人、受益人、货物描述、单据要求等），采用两阶段流水线提高提取精度。
| 属性 | 值 | | 任务类型 | 信用证要素结构化提取 | | 风险等级 | 中（提取错误影响业务判断） | | 数据依赖 | 信用证图片 + VL模型 + 文本LLM | | 决策类型 | 字段提取（非判断型） |
| 要求项 | 状态 | | 监管合规 | 符合 JR/T 0171-2020 C2 级脱敏要求 | | 免责声明 | 提取结果仅供参考，关键业务需人工验证 | | 审计日志 | 记录调用链、入参摘要、模型版本、时间戳 | | 引用来源 | 信用证标准字段列表 |
| 参数名 | 类型 | 必填 | 说明 | | images | List[str] | 是 | Base64 编码的信用证图片列表 | | llm_config | dict | 否 | 文本LLM配置（第二阶段），不提供则使用 vl_config | | custom_prompt | str | 否 | 自定义提取 Prompt，传入时使用单一提示词模式 |
模型配置：vl_config 可选传递。不传时服务端自动注入；传递时使用调用方指定的配置。通过 credential-extractor 框架调用时自动路由到此技能。
| 输出名 | 类型 | 说明 | | success | bool | 是否成功 | | data | Dict | 提取的 50+ 字段数据 | | html_contents | List[str] | VL阶段输出的HTML内容 | | raw_responses | Dict | 8个LLM并行提取的原始响应 |
# Role
你是信用证要素提取专家
# Tool Routing 规则（按 priority）
1. VL 视觉模型 → 图像转HTML（第一阶段）
2. 8个文本LLM并行 → 字段组提取（第二阶段）
# Selection 策略
- custom_prompt传入: 使用单一提示词模式
- 无custom_prompt: 使用8并行提示词模式
# Fallback
VL阶段失败 → 无法执行第二阶段，返回提取失败
单一LLM失败 → 其他LLM继续提取，缺失字段标注"提取失败"
| 节点 | 模块 | 任务 | 状态 | 检查点 | | N1-输入校验 | 输入模块 | 校验图片非空 | 必须 | 图片数≥1 | | N2-VL转HTML | VL模型模块 | VL模型将图像转换为结构化HTML | 核心 | HTML输出 | | N3-LLM并行提取 | 8×文本LLM | 8个提示词并行提取不同字段组 | 核心 | 8组提取结果 | | N4-合并输出 | 后处理模块 | 合并8组提取结果为统一输出 | 必须 | 字段数据完整 | | N5-输出组装 | 输出模块 | 组装标准输出 | 必须 | JSON格式合规 |
采用两阶段流程：
详细字段分配见 scripts/configs/SKILL.yaml。
{
"success": true,
"data": {"lc_number": "LC12345", "amount": "...", ...},
"html_contents": [...],
"raw_responses": {...}
}
| 依赖系统 | 作用 | 必需 | | VL 视觉语言模型 | 第一阶段：图像转HTML | 是 | | 文本 LLM | 第二阶段：字段组提取 | 是 | | credential-extractor | 框架路由 | 否（可选独立调用） | | Python 3.8+ | 运行环境 | 是 |
| 模块名 | 类型 | 优先级 | 降级策略 | | VL视觉模型 | MCP tool | P0 | VL失败则整体提取失败 | | 8×文本LLM | MCP tool | P1 | 单个LLM失败不影响其他，缺失字段标注"提取失败" | | credential-extractor | MCP tool | P2 | 独立调用时不需要框架 |
VL 阶段失败: 整体提取失败，无法进入第二阶段 单一 LLM 失败: 其他 LLM 继续提取，缺失字段标注"提取失败" 8 LLM 全部失败: 返回提取失败错误
会话级缓存：同一信用证图片的 HTML 转换结果缓存至会话结束，TTL = 会话生命周期
| 指标 | 目标 | | 字段提取准确率 | ≥ 90%（与人工提取对比） | | 两阶段流水线延迟 | ≤ 60s | | 并行提取成功率 | ≥ 6/8（至少6个LLM成功） |
记录工具调用链、入参（图片数）、VL阶段输出（HTML长度）、LLM阶段输出（8组提取字段数）、数据源（模型名称）、时间戳、模型版本
本提取结果由 AI Agent 自动生成，仅供参考，关键业务需人工验证。
满足以下任一条件时，结束技能执行：
输入：
{ "images": ["base64_encoded_image"] }
输出：
{ "success": true, "data": {"lc_number": "LC12345", "amount": "..."}, "html_contents": [...], "raw_responses": {...} }
from scripts.extractor import extract
result = extract(
images=["base64_encoded_image"],
vl_config={"api_key": "${your-api-key}", "api_url": "...", "model": "Qwen/Qwen3-VL-8B-Instruct"}
)
from credential_extractor import extract
result = extract(
credential_type="信用证",
images=["base64_encoded_image"],
vl_config={"api_key": "${your-api-key}", "api_url": "...", "model": "..."}
)