SKILLEMALL.ai

BC dakaimen-investing

Инвестиционная методология «Да Кай Мэнь» — фреймворк отбора акций на основе отраслевых циклов и волн ожиданий. Используется для: (1) выявления высокоэластичных активов на ранней стадии волны ожиданий, (2) определения четырех классических моделей получения прибыли (занятие позиции в начале цепочки поставок/ожидание роста/догонная коррекция/вход через M&A), (3) проверки логики отслеживания временных окон с помощью результатов деятельности для подтверждения/опровержения, (4) дисциплины удержания позиций и механизма выхода. Триггерные слова: Да Кай Мэнь, волна ожиданий, инвестиции в соответствии с тенденциями, уникальная компания, опционные инвестиции, занятие позиции в начале цепочки поставок, догонная коррекция, вход через M&A, проверка результатов деятельности, логика покупки/продажи, занятие позиции в экосистеме.

машинный переводПоказать оригиналСкрыть оригинал«「大开门」投资方法论——基于产业周期和预期浪的选股框架。用于:(1)识别预期浪早期的高弹性标的,(2)判断四种经典获利模式(上游卡位/候补转…»

「大开门」投资方法论——基于产业周期和预期浪的选股框架。用于:(1)识别预期浪早期的高弹性标的,(2)判断四种经典获利模式(上游卡位/候补转正/补涨绑定/并购切入),(3)用业绩验证时间窗跟踪逻辑证实/证伪,(4)持仓纪律与退出机制。触发词:大开门、预期浪、景气投资、唯一性公司、期权式投资、上游卡位、补涨绑定、并购切入、业绩验证、逻辑买卖、生态卡位。

ClawHub Agent Skills автор: chris v2.0.0 MIT-0 3 файла тело ≈ 1 170 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Инвестиционная методология «Да Кай Мэнь» — фреймворк отбора акций на основе отраслевых циклов и волн ожиданий.

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
70
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: 3. 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: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1170 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 13. 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

  • +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
  • +4Нет примеров входа/выхода
  • -218 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 176 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 17 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

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

Внешние проверки

ClawHub: clean
This is a markdown-only stock investing framework with no hidden execution or data access, but users should treat its outputs as informational rather than financial advice.
LLM: benign (high) · 28 мая 2026 г.