BD FTShare-macro-economy-data
Набор навыков по макроэкономическим показателям Китая и США (market.ft.tech). Китай: 15 ежемесячных/квартальных показателей, таких как ВВП, LPR, PMI, PPI, CPI, доходы бюджета, кредиты, валютные резервы, розничные продажи, налоги, M0/M1/M2, импорт/экспорт, добавленная стоимость в промышленности, коэффициент резервирования, инвестиции в основные средства и т. д.; США: 16 категорий по типу запроса, таких как ISM, Nonfarm Payrolls, торговый баланс, уровень безработицы, PPI/CPI, новое/существующее жилье, товары длительного пользования, индекс потребительского доверия Conference Board, годовой ВВП, ставка по федеральным фондам и т. д. Используйте при запросе экономических данных по Китаю/США.
машинный переводПоказать оригиналСкрыть оригинал«中国与美国宏观经济指标技能集（market.ft.tech）。中国：GDP、LPR、PMI、PPI、CPI、财政收入、信贷、外储、社零、税收…»
中国与美国宏观经济指标技能集（market.ft.tech）。中国：GDP、LPR、PMI、PPI、CPI、财政收入、信贷、外储、社零、税收、M0/M1/M2、进出口、工业增加值、存准率、固投等 15 项月度/季度；美国：按 type 查询 ISM、非农、贸易帐、失业率、PPI/CPI、新屋/成屋、耐用品、咨商会信心、GDP 年率、联邦基金利率等 16 类。用户问中国/美国经济数据时使用。
Набор навыков по макроэкономическим показателям Китая и США (market.ft.tech). Китай: 15 ежемесячных/квартальных показателей, таких как ВВП, LPR, PMI, PPI…
Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда")
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 (python), но во frontmatter они не объявлены
- 100Шаги. Шагов: 24
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1060 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Ответ описан самодельной разметкой (7 тегов): типизированный вызов надёжнее
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 196 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 7 заголовков
- +3Пошаговые инструкции: 24 пунктов
- +4Есть примеры (1 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 67.