BC private-company-research
Фреймворк глубоких исследований для до-IPO / частных компаний (Ant Group, SpaceX, Stripe, ByteDance...). Шесть аналитических линз — бизнес-модель, финансовая криминалистика, конкурентная среда, риски и управление, технологии и ИС, сигналы альтернативных данных — работают параллельно через run_swarm, затем перекрестно проверяются на согласованность сигналов перед любым вердиктом. Построен вокруг основной проблемы работы с частными компаниями: информация скудна, поэтому каждая точка данных имеет метку уверенности (высокая / средняя / низкая), выводы отображаются отдельно от фактов, а «я не знаю» является допустимым результатом. Выдает диапазон справедливой стоимости, анализ путей выхода и карту информационных пробелов. Используйте для любой нелистинговой компании, где вам нужно оценить, сколько на самом деле стоит бизнес.
машинный переводПоказать оригиналСкрыть оригинал«Deep research framework for pre-IPO / private companies (Ant Group, Sp…»
Deep research framework for pre-IPO / private companies (Ant Group, SpaceX, Stripe, ByteDance...). Six analyst lenses — business model, financial forensics, competitive landscape, risk & governance, tech & IP, alternative-data signals — run in parallel via run_swarm, then cross-validated for signal consistency before any verdict. Built around the core challenge of private-company work: information is scarce, so every data point carries a confidence label (high / medium / low), inference is shown separately from fact, and 'I don't know' is a valid output. Outputs a fair-value range, exit-path analysis, and an information-gap map. Use for any unlisted company where you need to judge what the business is actually worth.
Фреймворк глубоких исследований для до-IPO / частных компаний (Ant Group, SpaceX, Stripe, ByteDance...). Шесть аналитических линз — бизнес-модель, финансовая…
Как процесс C 56/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- 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: 1. 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 56/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
- 100Шаги. Шагов: 70
- 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 3309 токенов
- 100Повторный запуск. Изменяющих операций нет
- low Разделов верхнего уровня: 13. 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
- +4Нет примеров входа/выхода
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 726 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 14 заголовков
- +3Пошаговые инструкции: 70 пунктов
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 80.