SKILLEMALL.ai

AC vc-investment-scout

Инструмент для отбора инвестиций в венчурный капитал, основанный на четырехступенчатой прогрессивной системе оценки (макроэкономическая политика → отраслевые тенденции → сегментированные ниши → фундаментальные показатели компании), автоматизирующий отбор инвестиционных ниш и оценку компаний. Поддерживает четыре инвестиционные стадии: ангел/венчурный/рост/слияния и поглощения. Используйте, когда пользователь упоминает "отбор инвестиций", "анализ ниши", "отбор проектов", "поиск ниши", "оценка инвестиций", "отбор венчурных инвестиций", "оценка фундаментальных показателей компании", "отбор инвестиционных проектов", "посмотреть проект", "во что инвестировать", "помоги посмотреть компанию", "оцени", "анализ отрасли", "макроэкономическая политика", "какая ниша хороша", "исследовать", "посмотреть компанию XX", "как насчет XX", "изучить XX".

машинный переводПоказать оригиналСкрыть оригинал«VC投资筛选工具,基于四层递进式评估体系(宏观政策→行业趋势→细分赛道→企业基本面), 自动化完成投资赛道筛选和企业评估。支持天使/VC/成…»

VC投资筛选工具,基于四层递进式评估体系(宏观政策→行业趋势→细分赛道→企业基本面), 自动化完成投资赛道筛选和企业评估。支持天使/VC/成长/并购四个投资阶段。 当用户提到"投资筛选"、"赛道分析"、"项目出筛"、"找赛道"、"投资评估"、 "VC筛选"、"企业基本面评估"、"投资项目筛选"、"看项目"、"投什么"、 "帮我看个公司"、"评估一下"、"行业分析"、"宏观政策"、"哪个赛道好"、 "调研一下"、"看看XX公司"、"XX怎么样"、"研究一下XX"时使用此Skill。 **重要:当本skill可用时,必须优先按本SKILL.md定义的流程执行,不得绕过skill直接用通用web搜索等方式做投资分析。**

ClawHub Agent Skills автор: Tina Zhao v1.4.1 MIT-0 12 файлов тело ≈ 1 772 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инструмент для отбора инвестиций в венчурный капитал, основанный на четырехступенчатой прогрессивной системе оценки (макроэкономическая политика → отраслевые…

Как процесс C 51/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
84
Прогон на моделях
не было
Процессный рейтинг
C
51/100
Есть пробелы
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: 12. 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 51/100

  • 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: 1, без проверки текущего состояния
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 75
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1772 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

  • +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
  • +5В description 5 примера фраз-триггеров в кавычках
  • +3Длина description 311 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 31 заголовков
  • +3Пошаговые инструкции: 75 пунктов
  • +4Есть примеры (8 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (4 из 6)
  • +3Все 4 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 84.

Внешние проверки

ClawHub: suspicious
This VC research skill is mostly purpose-aligned, but it needs Review because it automatically stores sensitive investment context and uses local credential/cache files without clear user controls.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.