SKILLEMALL.ai

BC a-stock-daily-market-sense

Генерация пост-трейдинговых рыночных отчетов на основе дневных данных A股 Tushare Pro и индексных стилей Baostock. Используется, когда пользователь запрашивает анализ ежедневного или исторического рыночного положения, стилей индекса и рынка, концентрации настроений и объема торгов, эффекта заработка и основных восходящих трендов, немедленных и краткосрочных катализаторов, детализированных линий основных трендов, падения с большим объемом или роста объема, прорыва месячного плато всего рынка, роста до лимита до 10:30, запуска со скидкой и других группировок по признакам; также используется для количественного ретроспективного анализа группировок по признакам и поиска факторов относительной доходности. Этот навык сначала генерирует пакет определяющих доказательств, а затем модель оценивает и пишет по модулям; скрипт не вызывает LLM, внешние сообщения не могут изменять звездный рейтинг основного тренда, определяемый ценой и объемом, не применяет существующие отраслевые/концептуальные классификации и не дает рекомендаций по покупке/продаже.

машинный переводПоказать оригиналСкрыть оригинал«基于 Tushare Pro A 股日线与 Baostock 风格指数生成盘后市场研报。当用户要求分析每日或历史盘面、指数与市场风格、情绪和…»

基于 Tushare Pro A 股日线与 Baostock 风格指数生成盘后市场研报。当用户要求分析每日或历史盘面、指数与市场风格、情绪和成交额集中度、赚钱效应与上涨主线、即时及短中期催化、主线细分线路、爆量下跌,或容量上涨、全市场月线平台突破、10:30 前涨停、折扣启动等特征分组时使用;也用于特征分组量化回溯与相对收益因子挖掘。本 skill 先生成确定性证据包,再由模型按模块判断与写作;脚本不调用 LLM,外部消息不得改变量价确定的主线星级,不套用现成行业/概念分类,不提供买卖建议。

ClawHub Agent Skills автор: chinfi-codex v2.0.2 MIT-0 48 файлов тело ≈ 2 576 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генерация пост-трейдинговых рыночных отчетов на основе дневных данных A股 Tushare Pro и индексных стилей Baostock.

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктураИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
C
51/100
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

  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: 48. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 51/100

  • 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
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 21
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2576 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
  • -35 из 12 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 248 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 9 заголовков
  • +3Пошаговые инструкции: 21 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: suspicious
The skill largely matches its A-share market-report purpose, but it deserves review because it uses broad local credential lookup and disables proxy environment settings while making third-party network calls.
LLM: suspicious (medium) · VirusTotal: · 14 июл. 2026 г.