SKILLEMALL.ai

AC financial-experts-said

Индексирует и проверяет публичные заявления финансовых экспертов на YouTube и Telegram: извлекает цитаты с указанием источника, ищет в локальной истории SQLite и строит графики записанных уровней цен по сравнению с рыночными. Используйте для индексации предоставленного источника, запроса существующей базы данных тезисов или визуализации записанных уровней. Требует среду выполнения financial-experts-said и базу данных; никогда не выдумывайте цитаты, URL источников, даты или инвестиционные выводы.

машинный переводПоказать оригиналСкрыть оригинал«Index and audit public financial experts' YouTube and Telegram claims:…»

Index and audit public financial experts' YouTube and Telegram claims: extract source-backed verbatim call cards, search a local SQLite history, and chart recorded price levels against market prices. Use for indexing a supplied source, querying an existing thesis database, or visualizing its recorded levels. Requires the financial-experts-said runtime and database; never invent quotes, source URLs, dates, or investment conclusions.

ClawHub Agent Skills автор: Sergey Mikhaylov v0.1.6 MIT-0 5 файлов тело ≈ 1 023 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Индексирует и проверяет публичные заявления финансовых экспертов на YouTube и Telegram: извлекает цитаты с указанием источника, ищет в локальной истории…

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторTelegramYouTubeИнфраструктураМедиа и видеотип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

    Для прогона на моделях — необязательно
    • 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: 5. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 52/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 16
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1023 токенов
    • 100Повторный запуск. Изменяющие операции проверяют текущее состояние
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Ответ описан самодельной разметкой (3 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)
    • +3Формат ответа не описан: модель каждый раз решает сама
    • +4Нет примеров входа/выхода
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 435 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 16 пунктов
    • +4Справочные файлы упоминаются в инструкциях (3 из 3)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    The skill is a disclosed local indexing and charting workflow for public financial-expert statements, with proportionate local database and network behavior.
    LLM: benign (high) · VirusTotal: · 23 авг. 2026 г.