regex-vs-llm-structured-text

它能做什么

中文摘要

「regex-vs-llm-structured-text」的原始 GitHub SKILL.md 将它定位为：Decision framework for choosing between regex and LLM when parsing structured text — start with regex, add LLM only for low-confidence edge cases.。它的核心价值是约束界面层级、组件状态、可访问性和视觉验收细节；把测试策略、回归路径和发布前验证步骤前置到 Agent 工作流。文档重点章节包括「When to Activate」「Decision Framework」「Architecture Pattern」。

为什么推荐

推荐理由

推荐它，是因为它在「文档处理」分类里热度靠前（GitHub Stars 219,439），同时原始文档信息密度足够高。原文列出的执行要点包括：Parsing structured text with repeating patterns (questions, forms, tables)；Deciding between regex and LLM for text extraction。对经常重复的任务来说，这类 Skill 能把经验沉淀到工作流前端，减少临场猜测。

什么时候用

适用场景

• 做界面实现、组件重构、视觉验收或设计系统一致性检查
• 建立测试闭环、回归验证、安全检查和发布前质量门
• 处理文档、表格、演示文稿和知识型资料生产

使用前先看

主要亮点

• 01

  Decision framework 用于 choosing between regex 和 LLM when parsing。

• 02

  原文摘录：Decision framework 用于 choosing between regex 和 LL

• 03

  原文要点：Parsing structured text 结合 repeating 模式 (que

• 04

  补充线索：Deciding between regex 和 LLM 用于 text extraction

原始文档

原文摘录

Decision framework for choosing between regex and LLM when parsing structured text — start with regex, add LLM only for low-confidence edge cases.