SKILLEMALL.ai
EN Войти

A x2strategy

ALAGENT X2Strategy: any research input (PDF paper, Markdown draft, DOCX report, text notes, or keyword search) → structured strategy specification → executable Backtrader code → backtest → diagnosis report. Two core capabilities: (1) paper2spec extracts multi-strategy specs from any document via 5-layer LLM extraction, and (2) spec2code generates validated Backtrader code, runs backtests, and compares against paper metrics. Use this skill whenever the user wants to analyze a quant paper, extract trading strategies, generate strategy code, run a backtest, search for papers, or go end-to-end from any input to executable results. Also triggers on: "look at this paper", "what strategies does this use", "implement this strategy", "search for momentum papers", "turn this into code", or any request about quantitative finance research → implementation. Even if the user doesn't mention "strategy" explicitly — if they provide a finance paper or research document, use this skill.

ClawHub Agent Skills автор: ALAGENT-HKU v0.1.1 MIT-0 59 файлов · 1 скрипт тело ≈ 2 804 токенов открыть источник ↗ проанализирован 22 ч назад
АнализаторWordРазработкаДанные и аналитикатип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
A
92/100
Общая оценка
Безопасность 60%
95
Качество 40%
87
Тесты бонус
0

Как улучшить

  1. Добавьте evals/evals.json с 4–6 реальными запросами и ожидаемыми ответами: тогда полная проверка использует ваши кейсы, а не черновик модели.
  2. Добавьте spec.yaml с триггерами и утверждениями (skilltest init): это контракт поведения для CI.

Находки guard · 5

✓ Критических и высоких находок нет

Средние и низкие: 5
  • низкая Утечка данных read-dotenv README_CN.md:147
    Чтение файла .env
    cp .env.example .env          # 填入 API Key（推荐 DEEPSEEK_API_KEY）
  • низкая Утечка данных read-dotenv README_CN.md:322
    Чтение файла .env
    cp .env.example .env  # 填入 API Key
  • низкая Утечка данных read-dotenv README.md:147
    Чтение файла .env
    cp .env.example .env          # add your API key (DEEPSEEK_API_KEY recommended)
  • низкая Утечка данных read-dotenv README.md:323
    Чтение файла .env
    cp .env.example .env  # add API key
  • низкая Опасные команды cmd-background-process scripts/run_full_tests.sh:6
    Запуск фонового / автозапускаемого процесса (комментарий в коде; тестовый файл / пример)
    #   nohup bash scripts/run_full_tests.sh &
    комментарийтестовый файл

Просканировано файлов: 48. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

Lint

✓ Lint: замечаний нет

Процессная зрелость 62/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 31
  • 100Ошибки и развилки. Развилок: 3, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2804 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 983: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -32 из 7 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +4Структура: 18 заголовков
  • +3Пошаговые инструкции: 31 пунктов
  • +4Есть примеры (11 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 7)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

Внешние проверки

ClawHub: suspicious
The skill has a coherent finance-research purpose, but it needs review because it can store credentials and documents, send document text to external LLM providers, run generated trading/backtest code, and includes test tooling that reads credentials from an unrelated hard-coded path.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.