SKILLEMALL.ai

AB alphagbm-investment-thesis

Записывает и отслеживает "почему я купил" и "когда я продал" для каждой позиции. Каждый тезис прикреплен к профилю компании: причины покупки в виде текста, условия продажи в виде структурированных триггеров (падение цены, резкий рост PE, нарушение тезиса). Система автоматически отслеживает условия и переключает тезис на "сработал", когда одно из них выполняется. Триггерится на: "написать тезис для NVDA", "почему я купил AAPL", "установить логику стоп-лосса на TSLA", "какие тезисы сработали", "обновить мой тезис", "投资论据", "卖出条件", "买入理由", "论据被打破".

машинный переводПоказать оригиналСкрыть оригинал«Record and track the "why I bought" and "when I sell" for each positio…»

Record and track the "why I bought" and "when I sell" for each position. Each thesis is attached to a company profile: buy reasons in prose, sell conditions as structured triggers (price drop, PE spike, thesis breach). The system monitors conditions automatically and flips the thesis to "triggered" when one fires. Use when: writing buy logic, setting exit triggers, reviewing active theses, seeing which triggered. Triggers on: "write a thesis for NVDA", "why did I buy AAPL", "set a stop loss logic on TSLA", "which theses are triggered", "update my thesis", "投资论据", "卖出条件", "买入理由", "论据被打破".

ClawHub Agent Skills автор: Clement Gu v1.0.0 MIT-0 2 файла тело ≈ 1 314 токенов Открыть источникclawhub.ai проанализирован 27 ч назад

Записывает и отслеживает "почему я купил" и "когда я продал" для каждой позиции.

Как процесс B 78/100 · Почти готов — слабые места: повторный запуск, отчётность по ходу

ПроцедураИнфраструктураИИ и агентыФинансытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
97/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
92
Прогон на моделях
не было
Процессный рейтинг
B
78/100
Почти готов
Отчётность по ходу вес 2
0
Повторный запуск вес 4
30
Ошибки и развилки вес 10
55
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: 1. 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 78/100

    • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
    • 30Повторный запуск. Изменяющих операций: 6, без проверки текущего состояния
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 21
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1314 токенов

    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)
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +5В description 8 примера фраз-триггеров в кавычках
    • +3Длина description 594 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 14 заголовков
    • +3Пошаговые инструкции: 21 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (9 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 92.

    Внешние проверки

    ClawHub: suspicious
    This skill is mostly coherent for tracking investment theses, but it can modify and hard-delete financial research records with broad activation wording and no documented deletion safeguard.
    LLM: suspicious (medium) · VirusTotal: · 23 июл. 2026 г.