SKILLEMALL.ai

BF stock-ai-analyzer

Методология фундаментального анализа акций A-shares. Используется, когда пользователь запрашивает анализ китайских акций A-shares по названию или коду, оценку потенциала роста и ключевых преимуществ компании, оценку стадии оценки и подразумеваемых ожиданий, анализ финансового качества и структуры бизнеса, определение того, находится ли акция в текущем основном тренде рынка, анализ конкурентной среды или проверку рисков, или генерирует фундаментальный анализ акций на основе данных Tushare/общедоступных рыночных данных. Формы запросов пользователя включают «Помоги мне проанализировать акции XX», «Каковы фундаментальные показатели XX», «Каков потенциал роста XX», «XX дорого оценен», «Почему XX стоит покупать», «Является ли XX текущим основным трендом», «Какова отраслевая конъюнктура для XX», «Надежны ли руководство/основатели XX», «Сможет ли команда XX реализовать рост», «Есть ли у XX проблемы с управлением», «Оцените вероятность успеха роста XX с точки зрения венчурного капитала» и т. д. При запросе «глубокий анализ», «глубокое исследование», «выяснить аномалии/изменения в результатах», «прочитать годовой отчет для поиска подсказок», «найти неоцененные моменты» переходит в режим Deep (см. references/deep_mode.md) для проведения целенаправленного активного исследования. Этот навык требует, чтобы процесс анализа, структура суждений и выходные данные были полностью описаны в SKILL.md; скрипты разрешены только для получения атомарных данных, детерминированного сканирования, сохранения состояния и рендеринга HTML только для чтения, не разрешается генерировать инвестиционные выводы за модель.

машинный переводПоказать оригиналСкрыть оригинал«A股股票基本面投研分析方法论。当用户要求按股票名称或代码分析中国A股、判断公司成长性与核心亮点、评估估值阶段与隐含预期、分析财务质量与业务结…»

A股股票基本面投研分析方法论。当用户要求按股票名称或代码分析中国A股、判断公司成长性与核心亮点、评估估值阶段与隐含预期、分析财务质量与业务结构、判断股票是否处于当前市场主线内、做竞争格局分析或风险排查,或基于Tushare/公开市场数据生成股票基本面分析时使用。用户提问形式包括"帮我分析XX股票""XX的基本面怎么样""XX成长性如何""XX估值贵不贵""XX为什么值得买""XX是不是当前主线""XX所在行业景气度如何""XX管理层/创始人靠不靠谱""XX团队能不能兑现成长""XX治理有没有硬伤""用VC视角判断XX成长成功率"等。当用户要求"深度分析""深挖""把异常/业绩变化查清楚""读年报找线索""挖未被定价的看点"时,进入 Deep 模式(见 references/deep_mode.md)做命题先行的主动调研。该技能要求分析流程、判断框架、内容输出全部写在SKILL.md中;脚本只允许做原子数据获取、确定性扫描、状态持久化和只读 HTML 渲染,不允许替模型生成投资结论。

ClawHub Agent Skills автор: chinfi-codex v2.2.6 MIT-0 38 файлов тело ≈ 6 598 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Методология фундаментального анализа акций A-shares.

Как процесс F 31/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: 原文URL

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
84/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
60
Прогон на моделях
не было
Процессный рейтинг
F
31/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: 原文URL
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
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.
  2. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
  3. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
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: 38. 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 ≈ 6598 токенов (рекомендуется < 5000); вынесите детали в references/
  • предупреждение missing-ref ссылка на отсутствующий файл: 原文URL

Процессный рейтинг: все десять параметров 31/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: 原文URL
  • 0Инструменты и файлы. Не хватает 1 файла(ов): 原文URL
  • 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
  • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
  • 70Стоимость исполнения. Тело инструкции 6598 токенов
  • 100Шаги. Шагов: 123
  • 100Согласованность. Имя и обязательные поля на месте

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
  • -220 эмодзи в инструкциях: шум для модели
  • -310 из 14 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 14 примера фраз-триггеров в кавычках
  • +3Длина description 447 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 27 заголовков
  • +3Пошаговые инструкции: 123 пунктов
  • +4Есть примеры (7 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (7 из 7)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 60.

Внешние проверки

ClawHub: clean
This skill is a finance research assistant whose data access, local report files, and tracking database use are disclosed and aligned with its stated stock-analysis purpose.
LLM: benign (high) · VirusTotal: · 14 июл. 2026 г.