SKILLEMALL.ai

BD collect-market-data

Сбор данных мировых финансовых рынков для составления ежедневного финансового отчета. Охватываемые регионы: США, Китай, Гонконг, Европа, Азиатско-Тихоокеанский регион (Япония, Южная Корея). Категории контента: ① Рыночные показатели ② Политика ③ Компании ④ Экономические данные ⑤ Сводка (Ежедневный обзор мировых рынков). Используется, когда пользователи запрашивают "собрать данные", "получить сегодняшние рыночные данные", "запросить котировки", "подготовить данные для ежедневного финансового отчета" или запускают процесс "составления ежедневного финансового отчета".

машинный переводПоказать оригиналСкрыть оригинал«采集全球金融市场数据,用于生成每日金融日报。 覆盖地区:美国、中国、中国香港、欧洲、亚太(日本、韩国) 内容分类:①市场表现类 ②政策类 ③…»

采集全球金融市场数据,用于生成每日金融日报。 覆盖地区:美国、中国、中国香港、欧洲、亚太(日本、韩国) 内容分类:①市场表现类 ②政策类 ③企业类 ④经济数据类 ⑤汇总类(每日环球市场速览) 当用户要求"采集数据"、"获取今日市场数据"、"查询行情"、"生成日报前准备数据"、 或触发"生成每日金融日报"流程时使用。

ClawHub Agent Skills автор: szrw1825 v1.0.0 MIT-0 7 файлов тело ≈ 2 632 токенов Открыть источникclawhub.ai проанализирован 14 ч назад

Сбор данных мировых финансовых рынков для составления ежедневного финансового отчета.

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураPlaywrightРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
Прогон на моделях
не было
Процессный рейтинг
D
48/100
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

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: 7. 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 48/100

  • 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
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 60Инструменты и файлы. Используются инструменты (web), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 6
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 2632 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • 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

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • -218 эмодзи в инструкциях: шум для модели
  • -32 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 158 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 19 заголовков
  • +3Пошаговые инструкции: 6 пунктов
  • +4Есть примеры (6 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This skill is a coherent financial-market data collector that uses expected external data sources and local report files, with some clarity and reliability caveats.
LLM: benign (medium) · VirusTotal: · 6 июн. 2026 г.