SKILLEMALL.ai
GitHub ↗ EN Войти

AC paper-trading

Запустите структурированный цикл бумажной торговли с журналированием событий на основе SQLite, отслеживанием позиций и обзором PnL. Используйте при открытии/закрытии симулированных сделок, ведении заметок по тезисам, проверке статуса портфеля или генерации еженедельных сводок производительности.

машинный переводПоказать оригиналСкрыть оригинал«Run a structured paper-trading loop with SQLite-backed event logging,…»

Run a structured paper-trading loop with SQLite-backed event logging, position tracking, and PnL review. Use when opening/closing simulated trades, journaling thesis notes, checking portfolio status, or generating weekly performance summaries.

ClawHub Agent Skills автор: Ben v1.0.1 4 файла тело ≈ 954 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Запустите структурированный цикл бумажной торговли с журналированием событий на основе SQLite, отслеживанием позиций и обзором PnL.

Как процесс C 52/100 · Есть пробелы — слабые места: результат и критерий готовности, входы и предусловия, согласованность

АнализаторИнфраструктураЛичная продуктивностьтип 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
92/100
безопасность, качество, тесты
Безопасность 60%
96
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
52/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

    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 · 4

    ✓ Критических и высоких находок нет

    Средние и низкие: 4
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:72
      Строка, похожая на токен (может быть id, хеш или секрет)
      --mint 6p6x…fSR \
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:83
      Строка, похожая на токен (может быть id, хеш или секрет)
      --mint 6p6x…fSR \
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:100
      Строка, похожая на токен (может быть id, хеш или секрет)
      --mint 6p6x…fSR \
    • низкая Секреты в коде secret-high-entropy-token SKILL.md:113
      Строка, похожая на токен (может быть id, хеш или секрет)
      --mint 6p6x…fSR \

    Просканировано файлов: 3. 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 52/100

    • 0Результат и критерий готовности. Не сказано, что считать результатом
    • 0Входы и предусловия. Не сказано, что нужно иметь на входе
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (paper-trading) не совпадает с папкой (paper-trader)
    • 55Ошибки и развилки. Развилок: 1
    • 60Инструменты и файлы. Используются инструменты (bash, node), но во frontmatter они не объявлены
    • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
    • 100Шаги. Шагов: 17
    • 100Стоимость исполнения. Тело инструкции 954 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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 243 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 15 заголовков
    • +3Пошаговые инструкции: 17 пунктов
    • +4Есть примеры (11 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This skill is a local paper-trading journal that stores simulated trades and notes in SQLite without network, credential, or live-trading behavior.
    LLM: benign (high) · VirusTotal: benign · 28 мая 2026 г.