SKILLEMALL.ai

BD stock-analysis-cn

Комплексный интеллектуальный помощник для анализа акций А/Гонконга/США/ETF v4.0. Основные особенности: ① выводы в первую очередь ② четкие и решительные сигналы ③ сканирование в реальном времени в течение торговой сессии ④ автоматическое чтение ~/Desktop/股票知识库/. Источники данных: tushare realtime_quote (реальный пятиуровневый стакан), akshare (потоки капитала/рейтинг трейдеров/исследования), yfinance (акции США/Гонконга), веб-поиск (новости). Строгие стандарты данных: все выводы должны основываться на реальных торговых данных, исторических новостях, реальных исследованиях, запрещено фабриковать любые цифры. Триггеры: любые слова, содержащие код или название акции/ETF, с намерением получить рекомендации по покупке/продаже.

машинный переводПоказать оригиналСкрыть оригинал«A股/港股/美股/ETF 全方位智能分析助手 v4.0。 核心特点:①结论先行②信号明确果断③盘中实时扫描④自动读取 ~/Desktop/股…»

A股/港股/美股/ETF 全方位智能分析助手 v4.0。 核心特点:①结论先行②信号明确果断③盘中实时扫描④自动读取 ~/Desktop/股票知识库/。 数据来源:tushare realtime_quote(实时五档盘口)、akshare(资金流向/龙虎榜/研报)、yfinance(美股/港股)、Web搜索(消息面)。 严格数据规范:所有结论必须基于真实交易数据、历史新闻、真实研报,禁止编造任何数字。 Triggers: 任何包含股票/ETF代码或名称,并意图了解买卖建议的话语。

ClawHub Agent Skills автор: lin838465-ux v4.0.0 MIT-0 5 файлов тело ≈ 992 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Комплексный интеллектуальный помощник для анализа акций А/Гонконга/США/ETF v4.0. Основные особенности: ① выводы в первую очередь ② четкие и решительные…

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип 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
49/100
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: 5. 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 49/100

  • 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 (stock-analysis-cn) не совпадает с папкой (stock-analysis-cn-full)
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 27
  • 100Стоимость исполнения. Тело инструкции 992 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 243 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 27 пунктов
  • +4Есть примеры (8 блоков кода)

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

Внешние проверки

ClawHub: clean
This is a disclosed Chinese stock-analysis skill that gathers market data and gives trading-oriented analysis, with no evidence of hidden execution, persistence, account access, or destructive behavior.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.