AB tickerapi
Запрашивает TickerAPI.ai для предварительно вычисленной категориальной рыночной аналитики — сканирует на предмет перепроданных акций, прорывов, необычного объема, экстремальных оценок и инсайдерской активности. Получает сводки по отдельным активам, сравнивает несколько тикеров или отслеживает список наблюдения. Используйте, когда пользователь спрашивает о рыночных условиях, сигналах по акциям, о том, что перепродано или прорывается, сравнении активов, проверках портфеля или любых производных данных индикаторов. Охватывает акции США, криптовалюты и ETF с дневными/недельными временными рамками. Интегрируется с tickerarena для автоматического исполнения сделок.
машинный переводПоказать оригиналСкрыть оригинал«Query TickerAPI.ai for pre-computed categorical market intelligence —…»
Query TickerAPI.ai for pre-computed categorical market intelligence — scan for oversold stocks, breakouts, unusual volume, valuation extremes, and insider activity. Get single-asset summaries, compare multiple tickers, or monitor a watchlist. Use when the user asks about market conditions, stock signals, what's oversold or breaking out, asset comparisons, portfolio checks, or any derived indicator data. Covers US stocks, crypto, and ETFs with daily/weekly timeframes. Pairs with tickerarena for automated trade execution.
Запрашивает TickerAPI.ai для предварительно вычисленной категориальной рыночной аналитики — сканирует на предмет перепроданных акций, прорывов, необычного…
Как процесс B 69/100 · Почти готов — слабые места: входы и предусловия
Как улучшить
- Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
body-longтело SKILL.md ≈ 7030 токенов (рекомендуется < 5000); вынесите детали в references/
Процессный рейтинг: все десять параметров 69/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 60Инструменты и файлы. Используются инструменты (bash, web), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Стоимость исполнения. Тело инструкции 7030 токенов
- 85Шаги. Шагов: 92, расплывчатых формулировок: 2
- 100Ошибки и развилки. Развилок: 4, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Повторный запуск. Изменяющие операции проверяют текущее состояние
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 16. Похоже на несколько доменов в одном скилле
- low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 525 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 34 заголовков
- +3Пошаговые инструкции: 92 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (17 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.