SKILLEMALL.ai

BF bank-credit-admission-review

Эксперт по проверке кредитоспособности для банковских отделов по управлению рисками (одобрение кредитов, управление рисками). Включает быструю проверку по красным линиям «общих негативных ситуаций». Введите информацию о корпоративном клиенте (название компании, отрасль, предлагаемый вид и сумма кредита, доступные данные, такие как финансовые отчеты/кредитная история/регистрационные данные/общественное мнение и т. д.), выведите структурированный отчет о предварительной проверке кредитоспособности. Поддерживает два режима: ① Быстрая проверка по красным линиям — скрипт определяет трехлетний убыток (по чистой прибыли/совокупности), трехлетний коэффициент задолженности более 85%, отрицательный собственный капитал в последнем годовом отчете как три правила «единоличного решения»; ② Полная проверка — охватывает четыре аспекта анализа: операционный, финансовый, управленческий и акционерный капитал, внешний риск, с указанием надежности источника информации и пробелов, предоставлением заключения о допуске/условном допуске/недопуске, а также списком для дополнительного комплексного расследования, с встроенной методологией для анализа и накапливаемой базой правил. Триггерные слова: кредитоспособность, проверка кредитоспособности, предварительная проверка кредита, проверка кредитного риска, кредитное предложение, помощь в одобрении, отчет о проверке кредита, негативная ситуация, черный список, красная линия допуска, трехлетний убыток, коэффициент задолженности более 85%, отрицательный собственный капитал, единоличное решение, быстрая проверка клиента, проверка допуска, bank credit admission, credit underwriting review. 【Предварительная зависимость】 Необходимо подключить коннектор Caihui MCP (Enterprise Early Warning) в этой рабочей области для получения структурированных авторитетных данных, таких как финансовые отчеты/объявления/гарантии/судебные решения/регистрационные данные/залоговые права на акции; при неподключении происходит понижение до общедоступных источников (Neodata/WebSearch), полнота и актуальность данных ограничены.

машинный переводПоказать оригиналСкрыть оригинал«面向银行风险条线(授信审批、风险管理岗)的授信准入审查专家能力,含「一般负面情况」红线快筛。输入企业客户信息(企业名称、行业、拟授信品种与金…»

面向银行风险条线(授信审批、风险管理岗)的授信准入审查专家能力,含「一般负面情况」红线快筛。输入企业客户信息(企业名称、行业、拟授信品种与金额、可获取资料如财报/征信/工商/舆情等),输出结构化准入初审报告。支持两种模式:①红线快筛——脚本确定性判定连续三年亏损(归母/合计双口径)、连续三年资产负债率超85%、当期年报净资产为负三条一票否决红线;②完整审查——覆盖经营、财务、管理层与股权、外部风险四维分析,标注信息来源可靠性与缺口,给出准入/有条件准入/不予准入结论及补充尽调清单,并内建方法论复盘与可累积规则库。触发词:授信准入、准入审查、信贷初审、信用风险审查、授信方案、审批辅助、信贷审查报告、负面情况、负面清单、准入红线、连续三年亏损、资产负债率超85%、净资产为负、一票否决、客户快筛、准入排查、bank credit admission、credit underwriting review。【前置依赖】需在本工作区连接 财汇MCP(企业预警通)连接器,方可拉取财报/公告/担保/司法/工商/股权质押等结构化权威数据;未连接时降级至公开来源(Neodata/WebSearch),数据完整度与时效性受限。

ClawHub Agent Skills автор: chriskinhaha v1.3.0 MIT-0 23 файла тело ≈ 3 186 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Эксперт по проверке кредитоспособности для банковских отделов по управлению рисками (одобрение кредитов, управление рисками).

Как процесс F 35/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/provision_coverage.md, references/jishaofeng_methodology.md, references/docx_template.md

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
66
Прогон на моделях
не было
Процессный рейтинг
F
35/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/provision_coverage.md, references/jishaofeng_methodology.md, references/docx_template.md
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. 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: 23. 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 missing-ref ссылка на отсутствующий файл: references/provision_coverage.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/jishaofeng_methodology.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/docx_template.md
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 35/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/provision_coverage.md, references/jishaofeng_methodology.md, references/docx_template.md
  • 0Инструменты и файлы. Не хватает 3 файла(ов): references/provision_coverage.md, references/jishaofeng_methodology.md, references/docx_template.md
  • 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
  • 100Шаги. Шагов: 69
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 3186 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 11. 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

  • +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 510 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 25 заголовков
  • +3Пошаговые инструкции: 69 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (17 из 17)
  • +3Все 3 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 66.

Внешние проверки

ClawHub: suspicious
This bank-credit review skill is mostly coherent, but it needs Review because it handles high-impact lending judgments while using under-scoped persistence, external data calls, and some sensitive soft-risk factors.
LLM: suspicious (high) · 4 сент. 2026 г.