SKILLEMALL.ai
EN Войти

BD 深知可信投研（上市公司研究+政策标准洞察）

При необходимости пользователю провести исследование публичных компаний, фундаментальный анализ компаний, интерпретацию финансовых отчетов, сравнение отраслей, инвестиционные исследования, анализ влияния политики на акции/отрасли, проверку субсидий и налоговых льгот, запрос отраслевых стандартов и барьеров для входа, или когда явно запрашиваются инвестиционные задачи, такие как «исследуй такую-то компанию», «что это за компания», «как политика влияет на нее», «стоит ли вкладывать, и по какой цене стоит обратить внимание», используйте DeepKnow Credible Investment Research. Этот навык использует общедоступные данные (akshare, без ключа) для получения информации о компании и финансовых показателей (включая денежные потоки и исторические оценки), использует DeepKnow Credible Search для поиска соответствующих политик и оригинальных текстов стандартов, генерирует отчет об инвестиционных исследованиях, включающий «финансовые факты + анализ влияния политики + интеграция инвестиционных решений (диапазон оценки DCF и матрица решений, исследование является справочным, а не инвестиционной рекомендацией)», и предоставляет набор из трех элементов: отчет Markdown + HTML с возможностью отслеживания + снимок данных. Возможности поиска DeepKnow передаются через переменную среды DKNOWC_API_KEY; финансовые данные по-прежнему доступны, когда они не активированы.

машинный переводПоказать оригиналСкрыть оригинал«当用户需要上市公司研究、公司基本面分析、财报数据解读、行业对比、投资研究、政策对股票/行业的影响分析、补贴税收优惠核验、行业标准与准入门槛查…»

当用户需要上市公司研究、公司基本面分析、财报数据解读、行业对比、投资研究、政策对股票/行业的影响分析、补贴税收优惠核验、行业标准与准入门槛查询，或明确要求'研究一下某公司''这家公司怎么样''政策对它有什么影响''值不值得投、大概什么价位值得关注'等投研任务时，使用深知可信投研。本 Skill 用开源公开披露数据（akshare，免 Key）获取公司资料与财务指标（含现金流与历史估值），用深知可信搜索检索相关政策与标准原文，生成'金融事实+政策影响分析+投资决策整合（DCF 估值区间与决策矩阵，研究参考非投资建议）'投研报告，交付 Markdown 报告 + 可溯源 HTML + 数据快照三件套。深知检索能力通过环境变量 DKNOWC_API_KEY 注入，未开通时金融数据部分仍可用。

ClawHub Agent Skills автор: DKnownAI v1.1.0 MIT-0 21 файл тело ≈ 1 192 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

При необходимости пользователю провести исследование публичных компаний, фундаментальный анализ компаний, интерпретацию финансовых отчетов, сравнение…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
B
82/100
безопасность, качество, тесты
Безопасность 60%
94
Качество 40%
65
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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 · 6

✓ Критических и высоких находок нет

Средние и низкие: 6
  • низкая Секреты в коде secret-high-entropy-token reference/兴通股份_报告.data.json:316
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "id": "2026…zpg",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token reference/兴通股份_报告.data.json:535
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "源网址": "https://flk.npc.gov.cn/./detail2.html?ZmY4…MDY%3D",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token reference/兴通股份_报告.data.json:656
    Строка, похожая на токен (может быть id, хеш или секрет) (определение детектора / чёрного списка)
    "sourceUrl": "https://flk.npc.gov.cn/./detail2.html?ZmY4…MDY%3D",
    детектор
  • низкая Секреты в коде secret-high-entropy-token reference/兴通股份_报告.data.json:684
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "id": "2026…q0Z",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token reference/比亚迪_报告.data.json:83
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "id": "2026…fzv",
    в кавычках
  • низкая Секреты в коде secret-high-entropy-token reference/比亚迪_报告.data.json:466
    Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
    "id": "2026…4P7",
    в кавычках

Просканировано файлов: 21. 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")
  • заметка frontmatter-key неизвестное поле фронтматтера "slug"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name"
  • заметка frontmatter-key неизвестное поле фронтматтера "display_name_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_zh"
  • заметка frontmatter-key неизвестное поле фронтматтера "description_en"
  • заметка frontmatter-key неизвестное поле фронтматтера "permissions"
  • заметка frontmatter-key неизвестное поле фронтматтера "secrets"

Процессный рейтинг: все десять параметров 41/100

  • 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
  • 40Согласованность. Имя во frontmatter (深知可信投研（上市公司研究+政策标准洞察）) не совпадает с папкой (dknowc-trusted-investment-research)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 39
  • 100Стоимость исполнения. Тело инструкции 1192 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
  • -32 из 12 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 347 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 12 заголовков
  • +3Пошаговые инструкции: 39 пунктов
  • +4Есть примеры (5 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 65.

Внешние проверки

ClawHub: clean
This is a disclosed investment-research report skill that uses expected public finance data and optional policy-search registration, with some reliability and credential-handling caveats.
LLM: benign (high) · VirusTotal: · 3 сент. 2026 г.