SKILLEMALL.ai

BC trader-stock-picks

Логика отбора акций A-shares с точки зрения ведущего трейдера. На основе многомерных данных, таких как соотношение цены и объема, денежные потоки, структура фишек, изменения в маржинальном финансировании и кредитовании, технические формы и т. д., идентифицирует акции, которыми манипулируют. Подходит для отбора акций с низкой недооцененной консолидацией, аномальным движением основных средств, последней стадией очистки и предстоящим ростом. Ежедневные рекомендации по отбору акций перед открытием рынка, анализ методов торговли отдельными акциями, диагностика структуры фишек.

машинный переводПоказать оригиналСкрыть оригинал«顶尖操盘手视角的A股选股逻辑。基于量价关系、资金流向、筹码结构、融资融券变化、技术形态等多维数据,识别正在被操盘的股票标的。适合筛选低估值横…»

顶尖操盘手视角的A股选股逻辑。基于量价关系、资金流向、筹码结构、融资融券变化、技术形态等多维数据,识别正在被操盘的股票标的。适合筛选低估值横盘吸筹、主力异动、洗盘末期、即将拉升的个股。每日盘前选股推荐、个股操盘手法分析、筹码结构诊断。

ClawHub Agent Skills автор: crabada v1.0.0 MIT-0 6 файлов · 1 скрипт тело ≈ 1 826 токенов Открыть источникclawhub.ai проанализирован 13 ч назад

Логика отбора акций A-shares с точки зрения ведущего трейдера.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

Процедуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
87/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
68
Прогон на моделях
не было
Процессный рейтинг
C
53/100
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: 6. 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 53/100

  • 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
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 70
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1826 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)
  • +3Длина description 117: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -217 эмодзи в инструкциях: шум для модели
  • -31 из 1 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 70 пунктов
  • +4Есть примеры (1 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (3 из 3)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 68.

Внешние проверки

ClawHub: clean
This is a personalized AI-course planning skill with no evidence of hidden code execution, credential access, persistence, or data exfiltration.
LLM: benign (high) · VirusTotal: · 4 июн. 2026 г.