SKILLEMALL.ai
EN Войти

AB paragon-mls-analyze-deal

Выполняйте анализ аренды по модели Four-Square, совместимый с электронными таблицами, для сделок Paragon MLS. Используйте при оценке арендной недвижимости на предмет денежного потока, чистой операционной прибыли (NOI), коэффициента покрытия долга (DSCR), прироста капитала, амортизации, рентабельности инвестиций (ROI), рентабельности собственного капитала (ROE) и внутренней нормы доходности (IRR) с использованием модели Google Sheets.

машинный переводПоказать оригиналСкрыть оригинал«Run spreadsheet-compatible Four-Square rental analysis for Paragon MLS…»

Run spreadsheet-compatible Four-Square rental analysis for Paragon MLS deals. Use when evaluating rental properties for cash flow, NOI, DSCR, appreciation, depreciation, ROI, ROE, and IRR using the Google Sheet model.

ClawHub Agent Skills автор: Earl Co v1.0.0 MIT-0 3 файла · 1 скрипт тело ≈ 405 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Выполняйте анализ аренды по модели Four-Square, совместимый с электронными таблицами, для сделок Paragon MLS.

Как процесс B 67/100 · Почти готов — слабые места: когда включается, входы и предусловия, отчётность по ходу

АнализаторGoogle SheetsИнфраструктураДанные и аналитикаФинансытип 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
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
B
67/100
Почти готов
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
Когда включается вес 12
20
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: 3. 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 67/100

    • 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
    • 55Ошибки и развилки. Развилок: 1
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 18
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 405 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)
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 217 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 6 заголовков
    • +3Пошаговые инструкции: 18 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

    Внешние проверки

    ClawHub: clean
    The available scan signals and inspected files do not show hidden, deceptive, destructive, or purpose-mismatched behavior.
    LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.