SKILLEMALL.ai

BC finance-audit-tracker

Пакет навыков аудита публичных компаний и обнаружения рисков, автоматический анализ возраста дебиторской задолженности, маркировка подозрительных транзакций, обнаружение дублирующих платежей, мониторинг крупных аномальных предупреждений. Применяется в сценариях финансового аудита, внутреннего контроля и соответствия требованиям, предупреждения о рисках, обнаружения налоговых рисков и т. д. Активируется, когда пользователь упоминает ключевые слова: аудит, анализ возраста дебиторской задолженности, обнаружение подозрительных транзакций, дублирующие платежи, крупные предупреждения, обнаружение рисков, аудит внутреннего контроля, дебиторская задолженность, кредиторская задолженность, банковское сверрение, аудит расходов, налоговые риски.

машинный переводПоказать оригиналСкрыть оригинал«上市公司审计追踪与风险检测技能包,自动化分析往来账龄、标记异常交易、检测重复付款、监控大额异常预警。适用于财务审计、内控合规、风险预警、税务…»

上市公司审计追踪与风险检测技能包,自动化分析往来账龄、标记异常交易、检测重复付款、监控大额异常预警。适用于财务审计、内控合规、风险预警、税务风险检测等场景。当用户提到审计追踪、账龄分析、异常交易检测、重复付款、大额预警、风险检测、内控审计、应收账款、应付账款、银行对账、费用审计、税务风险等关键词时触发。

ClawHub Agent Skills автор: Wuhongzhuang v1.0.1 MIT-0 2 файла тело ≈ 3 730 токенов Открыть источникclawhub.ai проанализирован 4 дн назад

Пакет навыков аудита публичных компаний и обнаружения рисков, автоматический анализ возраста дебиторской задолженности, маркировка подозрительных транзакций…

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

АнализаторДанные и аналитикатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
89/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
72
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")

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: 25
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3730 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

  • +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 152 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 49 заголовков
  • +3Пошаговые инструкции: 25 пунктов
  • +4Есть примеры (35 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 72.

Внешние проверки

ClawHub: clean
This finance audit helper is documentation-only and aligned with its stated purpose, though its broad trigger terms could make it activate more often than intended.
LLM: benign (high) · VirusTotal: · 28 июн. 2026 г.