SKILLEMALL.ai
EN Войти

CC cifang-fund-data

Получение исторических данных, данных в реальном времени и данных о доходности для биржевых фондов Китая (ETF, LOF). Используйте API次方量化 (требуется API Key) для получения списка фондов, исторических данных, данных в реальном времени и рейтинга биржевых фондов. Используйте этот навык, когда вам нужно получить данные о китайских биржевых фондах, проанализировать эффективность ETF/LOF, узнать исторические цены фондов, получить данные в реальном времени или провести финансовый анализ данных.

машинный переводПоказать оригиналСкрыть оригинал«获取A股场内基金（ETF、LOF）的历史行情、实时行情和收益率排行数据。使用次方量化API（需要API Key）获取基金列表、历史行情、实时…»

获取A股场内基金（ETF、LOF）的历史行情、实时行情和收益率排行数据。使用次方量化API（需要API Key）获取基金列表、历史行情、实时行情和场内基金排行数据。当用户需要获取中国场内基金数据、分析ETF/LOF表现、查询基金历史价格、实时行情或进行金融数据分析时，请使用此技能。

ClawHub Agent Skills автор: tianyuwu v1.0.1 MIT-0 7 файлов тело ≈ 1 757 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Получение исторических данных, данных в реальном времени и данных о доходности для биржевых фондов Китая (ETF, LOF).

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

СправочникИнфраструктуратип и темы размечены автоматически по тексту скилла
Запускается в: OpenClaw Claude / Claude Code ChatGPT / Codex Gemini CLI Cursor GitHub Copilot / VS Code Qwen Code Kimi Code CLI Z.ai (GLM) DeepSeek (Deep Code) Mistral Vibe LangChain (deepagents) Goose OpenCode
JSON
Технический рейтинг
C
74/100
безопасность, качество, тесты
Безопасность 60%
80
Качество 40%
64
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Утечка данных средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».

Автору

Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.

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 · 4

✓ Критических и высоких находок нет

Средние и низкие: 4
  • средняя Утечка данных net-credential-use SKILL.md:69
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "x-api-key: $CIFANG_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:91
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "x-api-key: $CIFANG_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:123
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "x-api-key: $CIFANG_API_KEY" \
  • средняя Утечка данных net-credential-use SKILL.md:154
    Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)
    curl -H "x-api-key: $CIFANG_API_KEY" \

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")
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"
  • заметка frontmatter-key неизвестное поле фронтматтера "required_env_vars"

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: 108
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1757 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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
  • -41 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
  • -31 из 2 скриптов не упомянуты в SKILL.md
  • +2Инструкции на одном языке
  • +3Длина description 141 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 38 заголовков
  • +3Пошаговые инструкции: 108 пунктов
  • +4Есть примеры (10 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: clean
This skill is a disclosed Cifang Quant fund-data client that uses an API key to fetch ETF/LOF market data, with no hidden persistence or unrelated behavior found.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.