AF data-quality-audit
Независимый кросс-источниковый аудит завершенного результата CN-банкинга. Используйте, когда пользователь просит аудировать / дважды проверить / 双核实 / перекрестно проверить / проверить качество данных / аудировать существующий каталог результатов. Повторно извлекает каждое точное число из таблицы data-provenance.md, используя независимый источник второго уровня (Tushare vs 东方财富 vs 巨潮 vs FMP) и применяет правила здравого смысла (валовая прибыль в диапазоне / рост выручки в диапазоне / рыночная капитализация = цена акции × количество акций в обращении / валовая прибыль = выручка × норма валовой прибыли / …). Выдает audit-report.md с классификацией PASS / FLAG / FAIL. Это этап QA после доставки — сам результат уже был получен customer-investigation / datapack-builder / ppt-deliverable.
машинный переводПоказать оригиналСкрыть оригинал«Independent cross-source audit of a completed CN banker deliverable. U…»
Independent cross-source audit of a completed CN banker deliverable. Use when the user asks to audit / double-check / 双核实 / 交叉验证 / 数据质量检查 / 审计 an existing deliverable directory. Re-fetches every hard number from the data-provenance.md table using an independent tier-2 source (Tushare vs 东方财富 vs 巨潮 vs FMP) and applies common-sense sanity rules (毛利率 in range / 收入增速 in range / 市值 = 股价 × 股本 / 毛利 = 营收 × 毛利率 / …). Emits an audit-report.md with PASS / FLAG / FAIL classification. This is a post-delivery QA step — the deliverable itself was already produced by customer-investigation / datapack-builder / ppt-deliverable.
Независимый кросс-источниковый аудит завершенного результата CN-банкинга.
Как процесс F 41/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: scripts/common-sense-rules.yaml
Как улучшить
- В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
- 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
missing-refссылка на отсутствующий файл: scripts/common-sense-rules.yaml
Процессный рейтинг: все десять параметров 41/100
- 0Инструменты и файлы. Не хватает 1 файла(ов): scripts/common-sense-rules.yaml
- 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
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 100Шаги. Шагов: 32
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1454 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
- -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 618 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 12 заголовков
- +3Пошаговые инструкции: 32 пунктов
- +4Есть примеры (2 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.