SKILLEMALL.ai

BD jiuwei-radar-v3-stock-selection

Система подбора акций "Девять Измерений Радара" V3.0 — фреймворк для отбора акций китайского рынка A-shares на основе поведенческих финансов, количественных факторов и сетевого анализа, разработанный для отбора "акций с потенциалом удвоения стоимости в течение года". Используйте, когда пользователю нужно: отобрать акции с наибольшей вероятностью удвоения из пула акций, сканировать весь рынок A-shares и выводить список лучших S-класса, провести глубокую девятимерную оценку отдельной акции (оценка, перепроданность, качество, перспективы, NLP-эмоции, сетевая структура, разница в ожиданиях, временной выбор момента, эластичность рыночной капитализации), построить инвестиционный портфель, обсудить трехэтапное формирование позиции и управление рисками стоп-лосс.

машинный переводПоказать оригиналСкрыть оригинал«九维雷达V3.0终极选股系统——基于行为金融学、量化因子与网络分析的中国A股选股框架,专为筛选"未来一年翻倍潜力股"设计。当用户需要:筛选股…»

九维雷达V3.0终极选股系统——基于行为金融学、量化因子与网络分析的中国A股选股框架,专为筛选"未来一年翻倍潜力股"设计。当用户需要:筛选股票池中翻倍概率最高的标的、全A股扫描输出S级TOP名单、对单只标的做九维深度评分(估值/超跌/质量/景气度/NLP情绪/网络结构/预期差/动量择时/市值弹性)、构建投资组合、讨论三档建仓与止损风控时,调用此skill。

ClawHub Agent Skills автор: lcz5221-svg v1.0.0 MIT-0 11 файлов тело ≈ 614 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Система подбора акций "Девять Измерений Радара" V3.0 — фреймворк для отбора акций китайского рынка A-shares на основе поведенческих финансов, количественных…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаДанные и аналитикаТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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: 10. 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 41/100

  • 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 (jiuwei-radar-v3-stock-selection) не совпадает с папкой (v3-0)
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 23
  • 100Стоимость исполнения. Тело инструкции 614 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 10. 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 179 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 15 заголовков
  • +3Пошаговые инструкции: 23 пунктов
  • +4Есть примеры (1 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: suspicious
No hidden code or credential theft was found, but the skill gives highly specific trading guidance with confident return claims.
LLM: suspicious (high) · VirusTotal: · 4 авг. 2026 г.