SKILLEMALL.ai
EN Войти

AC super-trend-analysis

Навык комплексного анализа трендов, объединяющий скользящие средние, MACD, RSI, полосы Боллинджера и другие методы технического анализа для формирования суждений о трендах, сигналов покупки/продажи и визуальных графиков. Сценарии использования: (1) «Проанализируй тренд акций Guizhou Moutai», (2) «Сгенерируй отчет по техническому анализу WuXi AppTec», (3) «Определи, является ли текущий сигнал на покупку или продажу».

машинный переводПоказать оригиналСкрыть оригинал«综合趋势分析技能，融合移动平均线、MACD、RSI、布林带等多种技术分析方法，生成趋势判断、买卖信号和可视化图表。使用场景：(1) "分析贵…»

综合趋势分析技能，融合移动平均线、MACD、RSI、布林带等多种技术分析方法，生成趋势判断、买卖信号和可视化图表。使用场景：(1) "分析贵州茅台的趋势"，(2) "生成药明康德的技术分析报告"，(3) "判断当前是买入还是卖出信号"。

ClawHub Agent Skills автор: 军舰 v1.0.1 MIT-0 5 файлов тело ≈ 682 токенов Открыть источникclawhub.ai↗ проанализирован 2 дн назад

Навык комплексного анализа трендов, объединяющий скользящие средние, MACD, RSI, полосы Боллинджера и другие методы технического анализа для формирования…

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

АнализаторИнфраструктуратип 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
A
91/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
77
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: 5. 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: 60
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 682 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)
  • +3Длина description 118: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 60 пунктов
  • +4Есть примеры (8 блоков кода)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 77.

Внешние проверки

ClawHub: clean
This skill locally analyzes user-selected stock CSV files and writes reports, with only minor documentation gaps around chart output and generated CSV files.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.