SKILLEMALL.ai

BF opc-chain-due-diligence

Улучшенная версия OPC для комплексной проверки. Ориентирована на сценарии технической проверки и оценки инвестиций, выполняет быструю проверку по всей цепочке целевой компании: «история компании → IP-активы → техническая сила → соответствие средств → комплексные риски». Используется, когда пользователь хочет понять общую силу компании, провести техническую проверку, предварительную оценку инвестиций, проверить фон партнера, оценить привлечение инвестиций в парк или определить осуществимость трансформации технологических достижений.

машинный переводПоказать оригиналСкрыть оригинал«OPC链式尽调增强版。面向技术尽调和投资评估场景,对目标企业进行"企业背景→IP资产→技术实力→资金合规→综合风险"的全链条快速扫描。当用户…»

OPC链式尽调增强版。面向技术尽调和投资评估场景,对目标企业进行"企业背景→IP资产→技术实力→资金合规→综合风险"的全链条快速扫描。当用户需要了解企业综合实力、技术尽调、投资前评估、合作方背景核查、园区招商评估、科技成果转化可行性判断时使用此技能。

ClawHub Agent Skills автор: golngod v1.0.0 MIT-0 4 файла тело ≈ 1 099 токенов Открыть источникclawhub.ai проанализирован 25 ч назад

Улучшенная версия OPC для комплексной проверки.

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: assets/icon.jpg

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: assets/icon.jpg
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 4. 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")
  • предупреждение missing-ref ссылка на отсутствующий файл: assets/icon.jpg

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: assets/icon.jpg
  • 0Инструменты и файлы. Не хватает 1 файла(ов): assets/icon.jpg
  • 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
  • 100Шаги. Шагов: 22
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1099 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
  • -250 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 125 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 22 заголовков
  • +3Пошаговые инструкции: 22 пунктов
  • +4Есть примеры (2 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This skill performs a disclosed public-data company due-diligence scan, with no evidence of hidden persistence, credential access, destructive actions, or unrelated data collection.
LLM: benign (high) · VirusTotal: · 20 июл. 2026 г.