SKILLEMALL.ai

AD aggressive_growth_strategy

Агрессивная стратегия роста акций и фреймворк для анализа сделок — преобразование методологии «циклического роста» в оперативные инструменты для отбора акций, углубленного анализа отдельных акций и определения сезонности рынка. Загружайте этот навык, когда пользователю требуется: отбор акций малой капитализации с ростом по семи критериям, восьмиступенчатый систематический анализ отдельных акций (сектор → рыночная капитализация → рост → позиция → индекс → исключение → открытие позиции → продажа), определение текущей сезонности рынка (весна, лето, осень, зима) и стратегии позиционирования, разработка плана открытия позиции «методом вора» и продажи в виде перевернутой пирамиды. Связь с навыком aggressive-growth-investing: последний — это «внутренняя техника» (теоретическая система), а этот навык — «внешняя техника» (исполнительный инструмент). Основной источник данных: четырехуровневая иерархия понижения (Tushare MCP > akshare > baostock > Oriental Fortune API), управляемая через общий модуль data_source.py.

машинный переводПоказать оригиналСкрыть оригинал«激进成长选股与交易分析执行框架——将"周期性成长"方法论转化为可操作的选股筛选、个股深度分析和市场季节判断工具。 当用户需要:按七标准筛选小…»

激进成长选股与交易分析执行框架——将"周期性成长"方法论转化为可操作的选股筛选、个股深度分析和市场季节判断工具。 当用户需要:按七标准筛选小盘成长股、对个股进行八步体系化分析(赛道→市值→成长→位置→指数→排除→建仓→卖出)、 判断当前市场季节(春夏秋冬)与仓位策略、制定"小偷式"建仓与倒金字塔卖出计划时,加载此技能。 与 aggressive-growth-investing 技能的关系:后者是"心法"(理论体系),本技能是"剑法"(执行工具)。 核心数据源:四层降级架构(Tushare MCP > akshare > baostock > 东方财富API),通过共享模块 data_source.py 统一管理。

ClawHub Agent Skills автор: chenxyzcyxpp v1.0.0 MIT-0 8 файлов тело ≈ 2 904 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Агрессивная стратегия роста акций и фреймворк для анализа сделок — преобразование методологии «циклического роста» в оперативные инструменты для отбора акций…

Как процесс D 39/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
39/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 8. 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 description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 39/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (aggressive_growth_strategy) не совпадает с папкой (aggressive-growth-strategy)
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 131
  • 100Стоимость исполнения. Тело инструкции 2904 токенов
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 311 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 36 заголовков
  • +3Пошаговые инструкции: 131 пунктов
  • +4Есть примеры (6 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This skill is a disclosed stock-analysis toolkit that fetches market data and produces reports, without hidden persistence, credential use, or trading execution.
LLM: benign (high) · VirusTotal: · 5 авг. 2026 г.