SKILLEMALL.ai

DD vibe-trading

Профессиональный инструментарий для финансовых исследований — бэктестинг (11 движков + панель сравнения эталонных показателей), факторный анализ, Alpha Zoo (478 встроенных альф в qlib158/alpha101/gtja191/academic/fundamental), ценообразование опционов, 90 финансовых навыков, 30 многоагентных команд, анализатор Trade Journal и Shadow Account (извлечение → бэктестинг → рендеринг) по 29 источникам рыночных данных (tushare, yfinance, okx, binance, akshare, baostock, tencent, mootdx, ccxt, futu, mt5, tickerall, local, eastmoney, sina, stooq, yahoo, pykrx, india_broker, qveris, longbridge, nobitex, wallex, плюс опциональные ключи finnhub/alphavantage/tiingo/fmp/gildata).

машинный переводПоказать оригиналСкрыть оригинал«Professional finance research toolkit — backtesting (11 engines + benc…»

Professional finance research toolkit — backtesting (11 engines + benchmark comparison panel), factor analysis, Alpha Zoo (478 pre-built alphas across qlib158/alpha101/gtja191/academic/fundamental), options pricing, 90 finance skills, 30 multi-agent swarm teams, Trade Journal analyzer, and Shadow Account (extract → backtest → render) across 29 market-data sources (tushare, yfinance, okx, binance, akshare, baostock, tencent, mootdx, ccxt, futu, mt5, tickerall, local, eastmoney, sina, stooq, yahoo, pykrx, india_broker, qveris, longbridge, nobitex, wallex, plus optional-key finnhub/alphavantage/tiingo/fmp/gildata).

Не рекомендуетсяесть критические или высокие находки безопасности · низкая оценка D
HKUDS/Vibe-Trading Agent Skills автор: HKUDS 80 файлов · 76 скриптов тело ≈ 6 653 токенов Открыть источникgithub.com↗ проанализирован 2 дн назад

Профессиональный инструментарий для финансовых исследований — бэктестинг (11 движков + панель сравнения эталонных показателей), факторный анализ, Alpha Zoo…

Как процесс D 36/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
D
73/100
безопасность, качество, тесты
Безопасность 60%
82
Качество 40%
59
Прогон на моделях
не было
Процессный рейтинг
D
36/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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.

Широкие права
Если установить

Скилл просит больше прав, чем нужно для задачи: широкий доступ к инструментам, секретные переменные окружения, бинарные файлы. Каждое лишнее право расширяет ущерб при ошибке или взломе.

Автору

Сузьте allowed-tools и список переменных до минимума, замените бинарники на исходники или скрипты, которые можно прочитать.

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.
  2. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
  3. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
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 Широкие права meta-requests-env-secret SKILL.md:1
    Скилл просит рантайм передать в его песочницу секретные переменные: TUSHARE_TOKEN, OPENAI_API_KEY (особо ценные: OPENAI_API_KEY) — проверьте, что каждая нужна для заявленной задачи
    required_environment_variables: TUSHARE_TOKEN, OPENAI_API_KEY

Просканировано файлов: 78. 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")
  • предупреждение body-long тело SKILL.md ≈ 6653 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "dependencies"
  • заметка frontmatter-key неизвестное поле фронтматтера "env"
  • заметка frontmatter-key неизвестное поле фронтматтера "mcp"

Процессный рейтинг: все десять параметров 36/100

  • 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
  • 30Повторный запуск. Изменяющих операций: 11, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (vibe-trading) не совпадает с папкой (agent)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, web, python), но во frontmatter они не объявлены
  • 60Шаги. Шагов: 48, расплывчатых формулировок: 4
  • 70Стоимость исполнения. Тело инструкции 6653 токенов
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают
  • low Ответ описан самодельной разметкой (9 тегов): типизированный вызов надёжнее

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 619 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 21 заголовков
  • +3Пошаговые инструкции: 48 пунктов
  • +4Есть примеры (9 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 59.