SKILLEMALL.ai

AC research-summary

Перевод англоязычных аналитических отчетов/отраслевых отчетов в краткие китайские инвестиционные аналитические сводки. Подходит для акций технологических компаний, интернета, полупроводников. Активируется, когда пользователь упоминает «аналитический отчет», «резюме аналитического отчета», «отчет от продавца», «анализ инвестиционного банка», «research report», «analyst», «180k», «краткая инвестиционная аналитика», «резюме ожидаемых расхождений». Ввод: англоязычный/китайский контент аналитического отчета, PDF, ссылка на веб-страницу, скриншот. Вывод: структурированная китайская краткая инвестиционная аналитика, подходящая для отправки в группы WeChat/Knowledge Planet.

машинный переводПоказать оригиналСкрыть оригинал«英文卖方研报/行业报告转中文投研快讯。适合科技股、互联网、半导体赛道。 当用户提到"研报"、"研报总结"、"卖方报告"、"投行分析"、"re…»

英文卖方研报/行业报告转中文投研快讯。适合科技股、互联网、半导体赛道。 当用户提到"研报"、"研报总结"、"卖方报告"、"投行分析"、"research report"、"analyst"、"180k"、"投研快讯"、"预期差摘要"时激活。 输入:英文/中文研报内容、PDF、网页链接、截图。 输出:结构化中文投研快讯,适合发微信群/知识星球。

ClawHub Agent Skills автор: sid v1.0.0 MIT-0 2 файла тело ≈ 1 057 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Перевод англоязычных аналитических отчетов/отраслевых отчетов в краткие китайские инвестиционные аналитические сводки.

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

АнализаторДанные и аналитикаИнфраструктураТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
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: 2. 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 "triggers"

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: 117
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 1057 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • 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
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 172 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 117 пунктов
  • +4Есть примеры (4 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is an instruction-only skill for turning research reports into Chinese investment summaries, with some broad activation keywords and link-fetching behavior users should understand.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.