SKILLEMALL.ai

BD electricity-forecasting

Комплексная система для прогнозирования нагрузки и спроса на электроэнергию. Поддерживает статистические методы (ARIMA, SARIMA), машинное обучение (XGBoost, LightGBM, Random Forest) и глубокое обучение (LSTM, GRU, Transformer, TFT). Используйте при создании систем краткосрочного прогнозирования нагрузки (STLF), прогнозировании спроса на электроэнергию для торговли энергией, анализе паттернов потребления, интеграции погодных данных, оценке прогнозов с помощью MAPE/RMSE/MAE или развертывании производственных конвейеров с количественной оценкой неопределенности.

машинный переводПоказать оригиналСкрыть оригинал«Comprehensive electricity load and demand forecasting framework. Suppo…»

Comprehensive electricity load and demand forecasting framework. Supports statistical methods (ARIMA, SARIMA), machine learning (XGBoost, LightGBM, Random Forest), and deep learning (LSTM, GRU, Transformer, TFT). Use when building short-term load forecasting (STLF) systems, predicting electricity demand for energy trading, analyzing consumption patterns, integrating weather features, evaluating forecasts with MAPE/RMSE/MAE, or deploying production pipelines with uncertainty quantification.

Не рекомендуетсяесть критические или высокие находки безопасности
ClawHub Agent Skills автор: sxy799 v1.0.0 MIT-0 14 файлов тело ≈ 2 045 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Комплексная система для прогнозирования нагрузки и спроса на электроэнергию.

Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, ошибки и развилки

ПроцедураДанные и аналитикаИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
82
Качество 40%
91
Прогон на моделях
не было
Процессный рейтинг
D
49/100
Процесс не доведён
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

Чем это грозит

Скилл содержит фрагменты, которые в чужих руках стоят денег или данных. Ниже, что рискует потерять тот, кто установит, и что должен сделать автор.

Опасные команды
Если установить

Скилл содержит команды, которые удаляют файлы, переписывают диски или исполняют код, скачанный из сети. Агент может выполнить их без вопроса, если считает, что так требует инструкция.

Автору

Замените разрушительные команды на безопасные аналоги с подтверждением, ограничьте область действия конкретной папкой и не тяните код через curl | bash: укажите версию и контрольную сумму.

Как улучшить

  1. Разберите находки высокой серьёзности: каждая стоит 18 баллов безопасности. Если это ложное срабатывание, добавьте код правила в guard.allow в spec.yaml.
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 · 1

  • высокая Опасные команды cmd-persistence references/deployment.md:646
    Механизм закрепления (cron / launchd / планировщик / автозапуск в реестре)
    # /etc/cron.d/electricity_forecast

Просканировано файлов: 14. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

✓ По спецификации Agent Skills замечаний нет

Процессный рейтинг: все десять параметров 49/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 9, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (electricity-forecasting) не совпадает с папкой (electricity-forecasting-framework)
  • 50Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 41
  • 100Стоимость исполнения. Тело инструкции 2045 токенов
  • 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

  • +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 494 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 41 пунктов
  • +4Есть примеры (8 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (6 из 6)
  • +3Все 6 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.

Внешние проверки

ClawHub: clean
This is a coherent electricity forecasting skill with local ML scripts; the main caution is to only load model files you trust.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.