SKILLEMALL.ai

AC SCF Deep Analysis

Глубокий анализ отчета о движении денежных средств на уровне контролера для клиентов, подключенных к QBO. Вычисляет коэффициент качества денежных потоков, свободный денежный поток, драйверы движения оборотного капитала, скользящие средние за 3 месяца, детализацию главной книги для помеченных счетов и выводы контролера простым языком с предложениями действий высокой/средней/низкой срочности. Выдает Excel-файл из 7 вкладок.

машинный переводПоказать оригиналСкрыть оригинал«Controller-level Statement of Cash Flows deep analysis for QBO-connect…»

Controller-level Statement of Cash Flows deep analysis for QBO-connected clients. Computes CF Quality Ratio, Free Cash Flow, working capital movement drivers, 3-month rolling averages, GL drill-down for flagged accounts, and plain-English controller findings with HIGH/MEDIUM/LOW urgency action proposals. Outputs a 7-tab Excel workbook.

ClawHub Agent Skills автор: samledger67-dotcom v1.0.2 MIT-0 2 файла тело ≈ 2 071 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Глубокий анализ отчета о движении денежных средств на уровне контролера для клиентов, подключенных к QBO.

Как процесс C 57/100 · Есть пробелы — слабые места: когда включается, ошибки и развилки, согласованность

АнализаторExcelФинансыИнфраструктураДанные и аналитикатип 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
C
57/100
Есть пробелы
Ошибки и развилки вес 10
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "negative_boundaries"

    Процессный рейтинг: все десять параметров 57/100

    • 0Ошибки и развилки. Линейный процесс без обработки сбоев
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (SCF Deep Analysis) не совпадает с папкой (scf-deep-analysis)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
    • 70Входы и предусловия. Входные данные и предусловия перечислены
    • 100Шаги. Шагов: 71
    • 100Стоимость исполнения. Тело инструкции 2071 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы
    • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
    • low Разделов верхнего уровня: 14. 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)
    • -216 эмодзи в инструкциях: шум для модели
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 337 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 25 заголовков
    • +3Пошаговые инструкции: 71 пунктов
    • +3Формат ответа описан явно
    • +4Есть примеры (5 блоков кода)

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

    Внешние проверки

    ClawHub: suspicious
    This skill is a purpose-aligned finance workflow, but it asks users to run a separate unreviewed Python script against sensitive QuickBooks data.
    LLM: suspicious (medium) · VirusTotal: · 29 мая 2026 г.