Was macht layout-analyzer?
Analysiert das Layout von Dokumenten und erstellt strukturierte Zusammenfassungen.
Beschreibung
Der Layout Analyzer Skill ermöglicht es KI-Agenten, das Layout von Dokumenten wie PDFs, Bildern und anderen visuellen Formaten zu analysieren und eine strukturierte Zusammenfassung zu erstellen. Diese Fähigkeit ist besonders nützlich, um die räumliche Anordnung von Elementen wie Überschriften, Absätzen, Tabellen und Bildern zu verstehen und in maschinenlesbaren Formaten zu repräsentieren.
Funktionsweise
- Dokumentanalyse: Der Agent scannt das visuelle Layout des Dokuments und identifiziert alle sichtbaren Elemente.
- Strukturierung: Die erkannten Elemente werden kategorisiert und in eine hierarchische Struktur überführt.
- Zusammenfassung: Die Ergebnisse werden als strukturierte JSON-ähnliche Ausgabe oder als Formatierungsvorschlag für den Benutzer präsentiert.
Unterstützte Plattformen
- Claude Code
- Cursor
- Codex CLI
- Andere kompatible KI-Agenten
Beispielverwendung
# In Claude Code:
@layout-analyzer Betrachte dieses Dokument und beschreibe sein Layout
Oder:
# Programmgesteuerte Nutzung (konzeptionell)
from layout_analyzer import analyze
result = analyze("dokument.pdf")
print(result.layout_summary)
Konfiguration
Es sind keine zusätzlichen Umgebungsvariablen erforderlich. Der Skill funktioniert standardmäßig mit den visuellen Fähigkeiten des Host-Agenten.
Einschränkungen
- Die Analysegenauigkeit kann bei komplexen Layouts oder schlechter Bildqualität variieren.
- Der Skill unterstützt keine Bearbeitung des Originaldokuments.
Lizenz
Dieses Projekt ist unter der Apache-2.0-Lizenz lizenziert.