SKILLEMALL.ai
GitHub ↗ EN Войти

BD Einstein Research — Market Bubble Risk Detector

Оценивает риск рыночного пузыря с помощью количественного, основанного на данных анализа, используя пересмотренную модель Мински/Киндебергера. Приоритет отдается объективным метрикам над субъективными впечатлениями для предотвращения предвзятости подтверждения и поддержки практических инвестиционных решений.

машинный переводПоказать оригиналСкрыть оригинал«Evaluates market bubble risk through quantitative, data-driven analysi…»

Evaluates market bubble risk through quantitative, data-driven analysis using a revised Minsky/Kindleberger framework. Prioritizes objective metrics over subjective impressions to prevent confirmation bias and support practical investment decisions.

ClawHub Agent Skills автор: RunByDaVinci v0.1.0 MIT-0 10 файлов тело ≈ 1 151 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Оценивает риск рыночного пузыря с помощью количественного, основанного на данных анализа, используя пересмотренную модель Мински/Киндебергера.

Как процесс D 46/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторДанные и аналитикаИнфраструктуратип 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
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
69
Прогон на моделях
не было
Процессный рейтинг
D
46/100
Процесс не доведён
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

    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: 10. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
    • заметка frontmatter-key неизвестное поле фронтматтера "id"
    • заметка frontmatter-key неизвестное поле фронтматтера "last_amended_at"
    • заметка frontmatter-key неизвестное поле фронтматтера "trigger_patterns"
    • заметка frontmatter-key неизвестное поле фронтматтера "pre_conditions"
    • заметка frontmatter-key неизвестное поле фронтматтера "expected_output_format"

    Процессный рейтинг: все десять параметров 46/100

    • 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
    • 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (Einstein Research — Market Bubble Risk Detector) не совпадает с папкой (einstein-research-bubble-dv)
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 28
    • 100Стоимость исполнения. Тело инструкции 1151 токенов

    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
    • -45 справочных файлов, но SKILL.md на них не ссылается: модель их не откроет
    • -31 из 1 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 249 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 8 заголовков
    • +3Пошаговые инструкции: 28 пунктов
    • +4Есть примеры (1 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 69.

    Внешние проверки

    ClawHub: clean
    This is a coherent market-risk analysis skill with no hidden privileged behavior, but its generic trading guidance should not be treated as personalized financial advice.
    LLM: benign (high) · VirusTotal: · 29 мая 2026 г.