Token导航 LogoToken导航

Agent Skill · 效率

food-label-compliance-risks(食品标签合规风险)

food-label-compliance-risks 用于补充效率相关能力,适合在 OpenClaw 中需要让 Agent 承接效率相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

food-label-compliance-risks 是效率类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为只读;许可证为 MIT-0,第三方扫描已通过,按安装量在效率类的 21,003 个 Skill 里排第 13,774。

总安装 3,599周安装 147GitHub Stars 1下载 1,164核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
2.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:food-label-compliance-risks(食品标签合规风险)
来源仓库:https://github.com/cloudyxuq/food-label-compliance-risks
安装命令:
openclaw skills install food-label-compliance-risks
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install food-label-compliance-risks

这个 Skill 是做什么的

效率类 Skill 把重复的整理、汇总、转换工作交给助手完成,减少手工复制粘贴。

食品标签合规审查与风险查询;当用户上传标签图片/PDF进行合规审查或查询标签违规案例、处罚依据时使用

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install food-label-compliance-risks;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

food-label-compliance-risks 怎么安装?

在终端执行 openclaw skills install food-label-compliance-risks。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

food-label-compliance-risks 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

food-label-compliance-risks 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

food-label-compliance-risks 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

food-label-compliance-risks 用的人多吗?

公开数据是累计安装 3,599 次,近一周安装 147 次,下载 1,164 次,GitHub 1 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

food-label-compliance-risks 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。
  • 标注为只读权限,试用阶段不容易误改本地文件。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理效率类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

效率类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
github

GitHub 代码协作 · OpenClaw

7,632,918545需要联网MIT-0通过
nano-pdf

Nano PDF 文档 · OpenClaw

4,249,476231需要联网MIT-0通过
auto-updater

自动更新程序 · OpenClaw

2,964,063386操作浏览器MIT-0通过
video-frames

视频帧 · OpenClaw

2,621,304112需要联网MIT-0通过
gemini

Gemini 助手 · OpenClaw

2,547,39648需要联网MIT-0有提醒
food-label-compliance-risks

食品标签合规风险 · 本页

3,5991只读MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
food-label-compliance-risks
description
食品标签合规审查与风险查询;当用户上传标签图片/PDF进行合规审查或查询标签违规案例、处罚依据时使用
dependency
python

食品标签合规审查技能

任务目标

  • 本 Skill 用于:对上传的食品标签图片/PDF进行自动合规审查,输出审查报告;提供标签违规案例查询和处罚依据参考
  • 能力包含:58个审查点全量检查、图片/PDF标签识别(文字提取+视觉检查)、合规判断、修改建议、处罚案例匹配、审查报告生成(Markdown表格/HTML页面)
  • 触发条件:

- 用户上传食品标签图片或PDF,询问"这个标签合规吗?"、"帮我检查标签"、"生成审查报告" - 用户咨询标签合规风险、查询违规案例、识别标签漏洞

前置准备

必需依赖

  • jinja2>=3.0.0:用于HTML模板渲染

文件存储位置

  • 图片/PDF临时文件:保存在工作区临时目录 ./tmp/(相对于当前工作目录)
  • 文件命名建议:使用时间戳或UUID命名,避免冲突(如tmp/label_20250115_143022.png)

模型选择与内容提取逻辑

模型配置检查
  1. 检查模型配置:

- 如果配置了多个模型(包括OCR模型) - 图片和PDF文件 → 走 OCR模型 进行文本提取 - 同时使用多模态模型进行视觉检查

  1. 单模型配置:

- 如果仅配置单个多模态模型 - 图片和PDF文件 → 直接使用多模态模型的视觉能力(文字识别+视觉检查)

内容提取流程(双重检查)

文字提取:

用户上传图片/PDF
    ↓
保存到 ./tmp/ 临时目录
    ↓
检查模型配置
    ↓
    ├─ 多模型配置(含OCR模型)→ 调用OCR模型提取文本
    └─ 单模型配置(仅多模态)→ 使用多模态视觉能力提取文本
    ↓
提取结构化文本内容
    ↓
进行文字内容合规审查

视觉检查:

用户上传图片/PDF
    ↓
保存到 ./tmp/ 临时目录
    ↓
使用多模态模型视觉能力
    ↓
检查标签设计元素:
    - 字体大小(净含量字符高度、强制标示内容字符高度)
    - 字体样式(加粗、下划线、外文字号)
    - 版面布局(净含量与食品名称同版面、警示用语区位置)
    - 图形元素(SC图标、有机标志、绿色食品标志等)
    - 颜色使用(转基因标示颜色、警示用语区)
    - 排版规范(致敏原标注、外文与中文对比)
    ↓
进行视觉设计合规审查
支持的文件格式
  • 图片:PNG、JPG、JPEG、GIF、WebP等
  • 文档:PDF(仅支持单页或多页文字提取及视觉检查)

操作步骤

标准流程

场景一:食品标签合规审查(用户上传图片/PDF)
  1. 文件处理:

- 用户上传食品标签图片或PDF - 文件保存到工作区临时目录 ./tmp/

  1. 双重内容提取:

(1)文字内容提取: - 检查模型配置 - 多模型配置:调用OCR模型提取文本 - 单模型配置:使用多模态模型视觉能力提取文本 - 提取内容:名称、净含量、配料表、营养成分表、生产信息等

(2)视觉设计检查: - 使用多模态模型视觉能力分析标签设计 - 检查项目: - 字体大小:净含量字符高度(根据净含量分级)、强制标示内容字符高度(≥1.8mm) - 字体样式:致敏原标注(加粗/下划线)、外文字号(不得大于中文) - 版面布局:净含量与食品名称是否同版面、警示用语区位置(保健食品) - 图形元素:SC图标、有机标志、绿色食品标志、无公害标志、清真标志 - 颜色使用:转基因显著标示颜色、警示用语区颜色 - 排版规范:致敏原标注方式、外文与中文对比、商标大小

  1. 合规审查:

- 按照 审查清单 中的58个审查点依次检查 - 结合文字内容和视觉检查结果 - 每个审查点判断:合规/不合规 - 不合规项记录:错误位置、错误原因、修改建议、处罚案例

  1. 输出报告:

- 默认输出标准Markdown表格 - 用户要求时生成HTML页面

场景二:HTML审查报告生成
  1. 智能体完成审查后,生成结构化审查数据(JSON格式)
  2. 使用Jinja2加载 HTML模板
  3. 渲染生成HTML报告
  4. 输出HTML文件供用户下载
场景三:查询标签合规风险
  1. 确定用户查询的风险类别(基本信息/配料/营养成分/特殊声称等)
  2. 查阅对应参考文档中的风险控制点
  3. 提供相关易错案例、处罚依据和标准要求

可选分支

  • 输出格式选择:

- Markdown表格:适合快速查看审查结果 - HTML页面:适合详细审查报告,支持交互式查看(左侧抽屉导航,右侧内容展开)

  • 审查范围:

- 全量审查:检查全部58个审查点(文字+视觉) - 重点审查:用户指定审查某类别(如仅检查营养成分表)

视觉检查关键审查点

字体大小检查

  • 净含量字符高度(GB 7718-2011第4.1.5.4条):

- 净含量≤50g/mL:≥2mm - 50g/mL<净含量≤200g/mL:≥3mm - 200g/mL<净含量≤1kg/L:≥4mm - 净含量>1kg/L:≥6mm

  • 强制标示内容字符高度(GB 7718-2011第4.1.5.3条):

- 包装最大表面面积>35cm²时:≥1.8mm

字体样式检查

  • 致敏原标注(GB 7718-2025第4.1.4.3条):

- 需加粗或下划线 - 或在邻近位置单独提示

  • 外文字号(GB 7718-2011第3.8.2条):

- 不得大于相应的中文(商标除外)

版面布局检查

  • 净含量位置(GB 7718-2011第4.1.5.3条):

- 需与食品名称在同一展示版面

  • 警示用语区(保健食品):

- 需位于最小销售包装主要展示版面 - 占版面面积≥20% - 字体不小于"保健食品"字样

图形元素检查

  • SC图标:需同时标注完整SC编号
  • 有机标志:需标注17位有机码
  • 绿色食品标志:需符合官方标志样式
  • 无公害标志:需符合官方标志样式
  • 清真标志:需符合宗教要求

颜色使用检查

  • 转基因标示:《食品安全法》第六十九条

- 需显著标示(较大字号、不同颜色)

  • 警示用语区:

- 需醒目颜色,便于消费者识别

资源索引

注意事项

文件存储与清理

  • 临时文件保存在 ./tmp/ 目录
  • 建议审查完成后清理临时文件,避免占用磁盘空间
  • 文件命名使用时间戳或UUID,避免冲突

模型选择

  • 多模型配置:图片/PDF自动走OCR模型提取文本 + 多模态模型视觉检查
  • 单模型配置:使用多模态模型同时完成文字识别和视觉检查
  • 确保模型支持所需格式(PNG、JPG、PDF等)

双重检查原则

  • 文字内容检查:提取文本后按58个审查点检查文字内容合规性
  • 视觉设计检查:使用多模态模型视觉能力检查字体、排版、图形、颜色等设计元素
  • 两者结合,确保全面合规

数据安全

  • OCR模型处理的数据存储在模型提供商的服务器
  • 需遵守模型服务商的隐私政策
  • 临时文件建议定期清理

其他注意事项

  • 所有案例均来自市监学习驿站、悟空wukong、食品卫士等权威来源
  • 涉及2025-2026年新标准(GB 28050-2025、GB 7718-2025)需特别注意
  • 处罚依据主要为《食品安全法》第124、125条及各类管理办法
  • 图片识别时注意区分标签正反面,确保信息完整
  • 视觉检查需关注字体、排版、图形、颜色等设计细节
  • 审查报告需清晰标注不合规项的具体位置和修改建议

使用示例

示例1:标签图片合规审查(Markdown输出)

用户请求:上传食品标签图片,询问"这个标签合规吗?"

执行方式:

  1. 图片保存到 ./tmp/label_20250115_143022.png
  2. 检查模型配置:

- 多模型配置: - OCR模型提取文本内容 - 多模态模型进行视觉检查(字体、排版、图形、颜色) - 单模型配置: - 多模态模型同时完成文字识别和视觉检查

  1. 提取标签内容:名称、配料表、营养成分表等
  2. 视觉检查:净含量字符高度、致敏原标注、外文字号等
  3. 按照58个审查点依次检查(文字+视觉)
  4. 输出Markdown表格:
审查点是否合规检查内容
生产许可证编号❌ 不合规未标注生产许可证编号,仅标SC图标。错误位置:标签正面底部。修改建议:标注完整SC编号。后果:罚款5000元
净含量字符高度❌ 不合规净含量5kg,字符高度仅3mm(要求≥6mm)。错误位置:标签正面。修改建议:将字符高度调整至≥6mm。后果:罚款1万元
食品名称✅ 合规名称"沙琪玛"反映真实属性
致敏原标注✅ 合规乳粉已加粗标注
.........

示例2:标签PDF合规审查(HTML输出)

用户请求:上传标签设计PDF,要求生成HTML审查报告

执行方式:

  1. PDF保存到 ./tmp/label_design_20250115_143022.pdf
  2. 检查模型配置,进行双重检查:

- 文字内容提取 - 视觉设计检查

  1. 完成合规审查,生成结构化数据
  2. 使用Jinja2加载 html-template.md 模板
  3. 渲染生成HTML报告
  4. 输出HTML文件,特征:

- 左侧抽屉导航:显示所有审查点,点击可展开/折叠 - 右侧内容区:显示选中审查点的详细信息(文字+视觉问题) - 支持按合规/不合规筛选


示例3:重点审查某类别

用户请求:"重点检查这个标签的营养成分表和字体大小是否合规"

执行方式:

  1. 执行营养成分表相关审查点(文字内容)
  2. 执行字体大小相关审查点(视觉检查)
  3. 输出该类别的审查结果

示例4:查询违规案例

用户请求:"营养成分表必须标哪些项目?净含量字符高度有什么要求?"

执行方式:

  1. 查阅 risk-03-nutrition.md:提供"1+6核心项"要求
  2. 查阅 risk-04-labeling-format.md:提供净含量字符高度分级要求
  3. 提供易错案例和处罚依据

平台分布

OpenClaw

98.42%
按下载量换算1,146

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills