SKILLEMALL.ai

BD vegas-t-trading

Многомерная система пространственно-временного резонанса Vegas Channel v3.0. Основана на EMA12/13/144/169/576/676 + коррекции Фибоначчи + многопериодная оценка, поддерживает акции A-класса и криптовалюты. Сценарии использования: когда пользователь спрашивает о «внутридневной торговле», «торговле в течение дня», «канале Вегаса», «анализе EMA», «Фибоначчи» или запрашивает краткосрочные торговые рекомендации по конкретным акциям/криптовалютам.

машинный переводПоказать оригиналСкрыть оригинал«维加斯通道 v3.0 多维时空共振体系。基于 EMA12/13/144/169/576/676 + 斐波那契回撤 + 多周期评分,支持 A…»

维加斯通道 v3.0 多维时空共振体系。基于 EMA12/13/144/169/576/676 + 斐波那契回撤 + 多周期评分,支持 A 股和加密货币。使用场景:用户询问"做 T"、"日内交易"、"维加斯通道"、"EMA 分析"、"斐波那契"或指定股票/币的短线操作建议。

ClawHub Agent Skills автор: George Tao v1.3.0 MIT-0 6 файлов · 1 скрипт тело ≈ 1 660 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Многомерная система пространственно-временного резонанса Vegas Channel v3.0. Основана на EMA12/13/144/169/576/676 + коррекции Фибоначчи + многопериодная…

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
73
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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 · 0

✓ Критических и высоких находок нет

Просканировано файлов: 6. 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 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 48
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1660 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. Похоже на несколько доменов в одном скилле

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
  • -246 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 137 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 48 пунктов
  • +4Есть примеры (11 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 73.

Внешние проверки

ClawHub: clean
This is a disclosed trading-analysis skill that runs a local Python market-data analyzer, with financial-risk caveats but no evidence of hidden trading, credential access, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.