SKILLEMALL.ai

AC first-board-overnight

Навык принятия решений, основанный на аудируемых данных A-акций для выполнения стратегии внутридневного моделирования первого дня. Используется для оценки эффекта заработка первого дня, отбора кандидатов на первый день, генерации решений BUY, WATCH или NO_TRADE с доказательствами и разработки плана выхода на T+1. Активируется, когда пользователю необходимо оценить эффект заработка первого дня, принять решение о сохранении позиции первого дня, разработать стратегию внутридневного моделирования или проанализировать примеры первого дня (включая триггерные слова: 首板隔夜, 首板候选, 今晚要不要留首板, 隔夜打板, 涨停首板, first board overnight).

машинный переводПоказать оригиналСкрыть оригинал«基于可审计 A 股数据执行首板隔夜模拟策略的决策技能。用于评估当日首板赚钱效应、筛选首板候选、生成带证据的 BUY、WATCH 或 NO_T…»

基于可审计 A 股数据执行首板隔夜模拟策略的决策技能。用于评估当日首板赚钱效应、筛选首板候选、生成带证据的 BUY、WATCH 或 NO_TRADE 决策并制定 T+1 退出计划。当用户需要评估首板赚钱效应、做首板留仓决策、制定隔夜打板策略或复盘首板案例时触发(包含触发词:首板隔夜, 首板候选, 今晚要不要留首板, 隔夜打板, 涨停首板, first board overnight)。

ClawHub Agent Skills автор: fize v1.0.0 MIT-0 12 файлов тело ≈ 525 токенов Открыть источникclawhub.ai проанализирован 34 ч назад

Навык принятия решений, основанный на аудируемых данных A-акций для выполнения стратегии внутридневного моделирования первого дня.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураДанные и аналитикатип 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
C
53/100
Есть пробелы
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: 12. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 26
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 525 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
  • +4Нет примеров входа/выхода
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 194 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 4 заголовков
  • +3Пошаговые инструкции: 26 пунктов
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)
  • +3Все 1 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 simulated trading-analysis workflow that writes local reports and only performs simulated orders under explicit user conditions.
LLM: benign (high) · VirusTotal: · 9 сент. 2026 г.