SKILLEMALL.ai

BD 胡田-OPC导师-并购匹配

Навык сопоставления слияний и поглощений листинговых компаний, предоставляющий функции для сценариев трансформации технологических достижений: идентификация потенциальных покупателей среди листинговых компаний A-shares + Hong Kong, сопоставление с оболочечными ресурсами, построение профиля потребностей в слияниях и поглощениях, оценка соответствия отраслевых тенденций, анализ финансовой целесообразности и т. д., поддерживая быстрое сопоставление технологических проектов с потенциальными покупателями.

машинный переводПоказать оригиналСкрыть оригинал«上市公司并购匹配技能,为技术成果转化场景提供A股+港股上市公司并购方识别、壳资源匹配、并购需求画像构建、赛道契合度评估、财务可行性分析等功能…»

上市公司并购匹配技能,为技术成果转化场景提供A股+港股上市公司并购方识别、壳资源匹配、并购需求画像构建、赛道契合度评估、财务可行性分析等功能,支持技术项目快速匹配潜在并购方。

ClawHub Agent Skills автор: golngod v1.0.0 MIT-0 80 файлов тело ≈ 7 048 токенов Открыть источникclawhub.ai проанализирован 14 ч назад

Навык сопоставления слияний и поглощений листинговых компаний, предоставляющий функции для сценариев трансформации технологических достижений: идентификация…

Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
79/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
47
Прогон на моделях
не было
Процессный рейтинг
D
47/100
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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: 80. 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")
  • предупреждение body-long тело SKILL.md ≈ 7048 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "source"

Процессный рейтинг: все десять параметров 47/100

  • 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 (胡田-OPC导师-并购匹配) не совпадает с папкой (hutian-opc-ma-match)
  • 70Стоимость исполнения. Тело инструкции 7048 токенов
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 11
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 12. 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)
  • +3Длина description 87: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -218 эмодзи в инструкциях: шум для модели
  • -43 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 69 заголовков
  • +3Пошаговые инструкции: 11 пунктов
  • +4Есть примеры (21 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 47.

Внешние проверки

ClawHub: suspicious
This M&A matching skill is mostly reference material, but it includes concrete shell-company targeting, contact lists, and advice to disguise buy-shell intent in a sensitive securities context.
LLM: suspicious (high) · VirusTotal: · 6 июн. 2026 г.