BD Bank Credit Memo Writer
Генератор банковских кредитных меморандумов и отчетов по кредитному анализу с помощью ИИ — создает структурированные отчеты по кредитному анализу, кредитные рейтинги и рекомендации по кредитованию. Обновлено для Базель III 2024-2026, оценки ESG/зеленого кредита, политики «белого списка» недвижимости и цифрового финансирования цепочек поставок. Ключевые слова: кредитный меморандум, кредитный анализ, кредитный рейтинг, одобрение кредита, Базель III, ESG кредит, банковское дело в Китае, 信用备忘录, 授信报告, 信用分析报告, 评级报告, 信贷审批, 贷款评估, 额度测算, 担保评估.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered bank credit memo and credit analysis report writer - genera…»
AI-powered bank credit memo and credit analysis report writer - generate structured credit analysis reports, credit ratings, and facility recommendations. Updated for 2024-2026 Basel III risk weight framework, ESG/green credit assessment, real estate "whitelist" policy, and digital supply chain finance. Keywords: credit memo, credit analysis, credit rating, loan approval, Basel III, ESG credit, China banking, 信用备忘录, 授信报告, 信用分析报告, 评级报告, 信贷审批, 贷款评估, 额度测算, 担保评估.
Генератор банковских кредитных меморандумов и отчетов по кредитному анализу с помощью ИИ — создает структурированные отчеты по кредитному анализу, кредитные…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 3, column 14: description: AI-powered bank credit memo and credit analysis report writer - ge… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "triggers"
Процессный рейтинг: все десять параметров 46/100
- 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
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 40Согласованность. Имя во frontmatter (Bank Credit Memo Writer) не совпадает с папкой (bank-credit-memo)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 29
- 100Стоимость исполнения. Тело инструкции 1899 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
- +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
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 463 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 22 заголовков
- +3Пошаговые инструкции: 29 пунктов
- +4Есть примеры (4 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 55.