SKILLEMALL.ai

BD real-estate-risk-analyst

Полный рабочий процесс анализа рисков в сфере недвижимости (сбор данных → реализация → стоимость запасов → кредитоспособность). Охватывает: сбор данных о жилье и зарегистрированных ценах по городам (36 городов, обход WAF瑞数, CDP), четыре критерия уровня реализации (валовая прибыль B/чистая прибыль A/контракт C/возврат денежных средств D), проверку застройщиков для предотвращения упущений в совместных предприятиях, проверку искажения информации о предварительных продажах, количественную оценку стоимости запасов и кредитоспособности (скидки по типу бизнеса, реализуемая стоимость запасов, точка безубыточности), соглашения о практических примерах, стандарты поставки. Применяется для: запроса данных о жилье и зарегистрированных ценах, расчета уровня реализации, проверки проектов застройщиков в продаже и денежных потоков, проведения комплексной проверки кредитоспособности в сфере недвижимости. Ранее назывался real-estate-filing-query.

машинный переводПоказать оригиналСкрыть оригинал«房地产风险分析全链路工作流(采集→去化→货值→授信)。覆盖:跨城房源与备案价采集(36城实战、WAF瑞数攻坚、CDP兜底)、去化率四档口径(…»

房地产风险分析全链路工作流(采集→去化→货值→授信)。覆盖:跨城房源与备案价采集(36城实战、WAF瑞数攻坚、CDP兜底)、去化率四档口径(毛B/净A/签约C/现金回笼D)、开发商穿透检索防JV漏归、预售信息失真核查、货值与授信量化(业态折扣、可变现货值、结清触发点)、实战案例协议、交付规范。适用于:查楼盘房源备案价、算去化率、排查房企在售项目与现金流、做房地产授信尽调。曾用名 real-estate-filing-query。

ClawHub Agent Skills автор: chriskinhaha v2.0.0 MIT-0 25 файлов · 1 скрипт тело ≈ 16 739 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Полный рабочий процесс анализа рисков в сфере недвижимости (сбор данных → реализация → стоимость запасов → кредитоспособность).

Как процесс D 43/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
86/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
64
Прогон на моделях
не было
Процессный рейтинг
D
43/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
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.
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: 25. 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 ≈ 16739 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "agent_created"

Процессный рейтинг: все десять параметров 43/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 10Стоимость исполнения. Тело инструкции 16739 токенов: вытесняет саму задачу из окна
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (bash, web, python, node), но во frontmatter они не объявлены
  • 100Шаги. Шагов: 327
  • 100Согласованность. Имя и обязательные поля на месте
  • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле
  • low Ответ описан самодельной разметкой (13 тегов): типизированный вызов надёжнее

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
  • -2Ссылки на localhost: у другого пользователя не заработает
  • -294 эмодзи в инструкциях: шум для модели
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 216 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 50 заголовков
  • +3Пошаговые инструкции: 327 пунктов
  • +4Есть примеры (4 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (9 из 9)
  • +3Все 8 скриптов описаны в инструкциях

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 64.

Внешние проверки

ClawHub: suspicious
The skill is mostly coherent for real-estate data collection and risk analysis, but it includes operational anti-bot/WAF bypass guidance and persistent agent-behavior updates that need review before installation.
LLM: suspicious (high) · 4 сент. 2026 г.