SKILLEMALL.ai

BF Kerrystock

Сквозной рабочий процесс анализа точек входа/выхода для торговли акциями/ETF на основе «эффекта календаря (сезонности)». Используйте, когда пользователь запрашивает анализ сезонных закономерностей акций или фондов, определение точек входа/выхода и стратегий на основе эффекта календаря, или комбинированный отбор акций «сезонность + технические индикаторы». Этот навык связывает westock-data (рыночные данные/технические индикаторы/инвестиционный календарь), neodata-financial-search (перекрестная проверка исторической доходности по диапазонам), seasonality.py из wb-finance-skill (движок сезонных сигналов) и фреймворк trade-plan (точки входа/выхода: определение позиции → распределение средств → тейк-профит/стоп-лосс → условия недействительности), а затем использует westock-tool для отбора акций по сигналам стратегии. Этот навык следует использовать, когда пользователь запрашивает анализ календарного/сезонного эффекта, определение времени покупки/продажи или отбор акций по сезонности + техническим показателям.

машинный переводПоказать оригиналСкрыть оригинал«个股/ETF 的「日历效应(季节性)买卖点分析」端到端工作流。当用户要求分析某只股票或基金的 月度/年度季节性规律、确定基于日历效应的买入卖…»

个股/ETF 的「日历效应(季节性)买卖点分析」端到端工作流。当用户要求分析某只股票或基金的 月度/年度季节性规律、确定基于日历效应的买入卖出时间点与买卖策略、或做"季节性 + 技术指标" 复合选股时使用本技能。本技能串联 westock-data(行情/技术指标/投资日历)、 neodata-financial-search(历史区间涨跌幅交叉验证)、wb-finance-skill 的 seasonality.py (季节性信号引擎)与 trade-plan 框架(买卖点:位置判断→分仓→止盈止损→失效条件), 最后用 westock-tool 按策略信号选股。This skill should be used when the user asks for calendar/seasonal effect analysis, buy/sell timing, or seasonal+technical stock screening.

ClawHub Agent Skills автор: caoshun-sudo v1.0.0 MIT-0 9 файлов тело ≈ 1 243 токенов Открыть источникclawhub.ai проанализирован 23 ч назад

Сквозной рабочий процесс анализа точек входа/выхода для торговли акциями/ETF на основе «эффекта календаря (сезонности)».

Как процесс F 41/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/quant/seasonality.py, references/trade-plan.md, scripts/export_kline.py

АнализаторЛичная продуктивностьРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
Прогон на моделях
не было
Процессный рейтинг
F
41/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: scripts/quant/seasonality.py, references/trade-plan.md, scripts/export_kline.py
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 0. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/quant/seasonality.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/trade-plan.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/export_kline.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/common.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/neodata_verify.py
  • предупреждение missing-ref ссылка на отсутствующий файл: references/lessons.md
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/seasonal_analysis.py
  • предупреждение missing-ref ссылка на отсутствующий файл: scripts/gen_report.py
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 41/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: scripts/quant/seasonality.py, references/trade-plan.md, scripts/export_kline.py
  • 0Инструменты и файлы. Не хватает 8 файла(ов): scripts/quant/seasonality.py, references/trade-plan.md, scripts/export_kline.py
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 23
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1243 токенов
  • 100Повторный запуск. Изменяющих операций нет

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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 425 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

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

Внешние проверки

ClawHub: clean
This skill is a disclosed financial-analysis workflow that runs local helper scripts and writes user-requested reports, with no evidence of hidden or destructive behavior.
LLM: benign (high) · VirusTotal: · 20 июл. 2026 г.