SKILLEMALL.ai

AD enterprise-due-diligence

Навык корпоративного due diligence. Проводит юридическую, финансовую и бизнес-экспертизу целевой компании по трем направлениям, автоматически получает информацию о регистрации из общедоступных источников данных (например, Qichacha), объединяет ее с предоставленными пользователем документами и генерирует структурированный отчет Word и контрольный список due diligence. Поддерживает два шаблона: легкий (по умолчанию, 5 глав первичного отбора общедоступной информации, быстрое исследование фона) и базовый (7 глав полного due diligence, уровень инвестиций/M&A). Применимые сценарии: инвестиционный due diligence, M&A due diligence, предварительная проверка фона перед сотрудничеством, предварительная оценка перед IPO и т. д. Активируется, когда пользователь запрашивает 'сделай мне due diligence', 'DD эту компанию', 'проверка фона компании', 'легкий due diligence', 'базовый due diligence', 'due diligence'.

машинный переводПоказать оригиналСкрыть оригинал«企业尽调技能。对目标企业进行法律、财务、业务三维度尽职调查,自动从公开数据源(企查查等)获取工商信息,结合用户提供的文档,生成结构化Word…»

企业尽调技能。对目标企业进行法律、财务、业务三维度尽职调查,自动从公开数据源(企查查等)获取工商信息,结合用户提供的文档,生成结构化Word尽调报告和检查清单。支持双模板:轻量版(默认,5章公开信息初筛,快速背景调查)与基础版(7章完整尽调,投资/并购级)。适用场景:投资尽调、并购尽调、合作前背景调查、IPO前初步评估等。当用户提出'帮我做尽调'、'DD一下这家公司'、'企业背景调查'、'轻量版尽调'、'基础版尽调'、'due diligence'等需求时触发。

ClawHub Claude Code автор: Merlinbeard000 v1.0.2 MIT-0 12 файлов тело ≈ 2 778 токенов Открыть источникclawhub.ai проанализирован 35 ч назад

Навык корпоративного due diligence.

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
78
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")
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

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 (web, python), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 145
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2778 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 233 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 59 заголовков
  • +3Пошаговые инструкции: 145 пунктов
  • +4Есть примеры (13 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (5 из 5)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 78.

Внешние проверки

ClawHub: clean
This skill performs disclosed company due-diligence research and document generation, with sensitive inputs that users should share carefully.
LLM: benign (high) · VirusTotal: · 25 авг. 2026 г.