SKILLEMALL.ai

AC finance-paper-daily

Ежедневный автоматический сбор финансовых научных статей и создание отчета в Excel. Получает последние статьи из области финансов (количественные финансы, ценообразование активов, управление рисками, алгоритмическая торговля, FinTech и т. д.) из четырех источников: arXiv (q-fin), Semantic Scholar, OpenAlex, Google Scholar, форматирует их в виде файла Excel и сохраняет на рабочий стол пользователя под именем YYYY-MM-DD_finance_papers.xlsx. Активируется, когда пользователь говорит «собрать сегодняшние статьи», «обновить отчет по статьям», «получить финансовые статьи», «создать Excel с статьями».

машинный переводПоказать оригиналСкрыть оригинал«每日金融学术论文自动抓取并生成 Excel 报告。从 arXiv (q-fin)、Semantic Scholar、OpenAlex、Goo…»

每日金融学术论文自动抓取并生成 Excel 报告。从 arXiv (q-fin)、Semantic Scholar、OpenAlex、Google Scholar 四个来源获取最新金融领域论文(量化金融、资产定价、风险管理、算法交易、FinTech等),整理成格式化 Excel 文件保存到用户桌面,文件名为 YYYY-MM-DD_finance_papers.xlsx。当用户说"抓取今日论文"、"更新论文报告"、"获取金融论文"、"生成论文 Excel"时触发。

ClawHub Agent Skills автор: snow-seamless v1.0.0 MIT-0 3 файла тело ≈ 165 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Ежедневный автоматический сбор финансовых научных статей и создание отчета в Excel.

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

ПроцедураExcelДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
80
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: 6
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 165 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

  • +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
  • +5В description 4 примера фраз-триггеров в кавычках
  • +3Длина description 233 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 5 заголовков
  • +3Пошаговые инструкции: 6 пунктов
  • +4Есть примеры (1 блоков кода)
  • +3Все 1 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.

Внешние проверки

ClawHub: clean
This skill appears to fetch public finance paper metadata and create a desktop Excel report, with disclosed but notable dependency-installation risk.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.