SKILLEMALL.ai

AD worldcup-2026-analysis

Движок количественного анализа и прогнозирования матчей Чемпионата мира по футболу 2026. Основан на рейтинге Elo + Пуассоновском распределении Диксона-Коулса + симуляции Монте-Карло, с веб-поиском для получения последних результатов/травм/коэффициентов для калибровки в реальном времени. Предоставляет прогнозы на победу/ничью/поражение в отдельных матчах, вероятности счета, вероятности выхода из группы, вероятности выхода в плей-офф, анализ неожиданных результатов, проверку ценности коэффициентов. Используйте, когда пользователь просит проанализировать футбольный матч, предсказать результат, проверить вероятность выхода в плей-офф/из группы, сравнить силу команд, проверить ценность коэффициентов, узнать расписание/результаты/коэффициенты Чемпионата мира, или упоминает анализ таких турниров, как футбол/Чемпионат мира/Лига чемпионов УЕФА/Английская Премьер-лига/топ-5 лиг.

машинный переводПоказать оригиналСкрыть оригинал«2026世界杯/足球比赛量化分析与预测引擎。基于Elo评级+Dixon-Coles泊松+蒙特卡洛模拟,结合网页搜索获取最新赛果/伤病/赔率进…»

2026世界杯/足球比赛量化分析与预测引擎。基于Elo评级+Dixon-Coles泊松+蒙特卡洛模拟,结合网页搜索获取最新赛果/伤病/赔率进行实时校准。提供单场胜平负预测、比分概率、小组出线概率、淘汰赛晋级概率、爆冷分析、赔率价值检测。当用户要求分析足球比赛、预测结果、查看晋级/出线概率、对比球队实力、检测赔率价值、查询世界杯赛程比分赔率、或提到足球/世界杯/欧冠/英超/五大联赛等赛事分析时使用。

ClawHub Agent Skills автор: luciuszhao0101-dot v2.1.1 MIT-0 12 файлов тело ≈ 1 156 токенов Открыть источникclawhub.ai проанализирован 20 ч назад

Движок количественного анализа и прогнозирования матчей Чемпионата мира по футболу 2026.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторРазработкаИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
75
Прогон на моделях
не было
Процессный рейтинг
D
46/100
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: 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 46/100

  • 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
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 48
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1156 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 200 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 48 пунктов
  • +4Есть примеры (3 блоков кода)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 75.

Внешние проверки

ClawHub: clean
This football analysis skill is purpose-aligned and transparent, with local calibration and optional sports-data API use that fit its stated prediction workflow.
LLM: benign (high) · VirusTotal: · 12 июн. 2026 г.