SKILLEMALL.ai

AD einstein-research-themes

Анализ и выявление актуальных рыночных тем в различных секторах. Используйте, когда пользователь спрашивает о текущих рыночных темах, перспективных секторах, ротации секторов, тематических инвестициях, о том, какие темы сейчас в тренде или неактуальны, или хочет определить бычьи и медвежьи рыночные нарративы с анализом жизненного цикла.

машинный переводПоказать оригиналСкрыть оригинал«Detect and analyze trending market themes across sectors. Use when use…»

Detect and analyze trending market themes across sectors. Use when user asks about current market themes, trending sectors, sector rotation, thematic investing, what themes are hot or cold, or wants to identify bullish and bearish market narratives with lifecycle analysis.

ClawHub Agent Skills автор: RunByDaVinci v0.1.0 MIT-0 48 файлов тело ≈ 1 692 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Анализ и выявление актуальных рыночных тем в различных секторах.

Как процесс D 41/100 · 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
A
93/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
82
Прогон на моделях
не было
Процессный рейтинг
D
41/100
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: 39. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • 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 41/100

    • 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
    • 40Согласованность. Имя во frontmatter (einstein-research-themes) не совпадает с папкой (einstein-research-themes-dv)
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 58
    • 100Стоимость исполнения. Тело инструкции 1692 токенов
    • 100Повторный запуск. Изменяющих операций нет

    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
    • -38 из 9 скриптов не упомянуты в SKILL.md
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 273 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 9 заголовков
    • +3Пошаговые инструкции: 58 пунктов
    • +4Есть примеры (6 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (4 из 4)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 82.

    Внешние проверки

    ClawHub: suspicious
    This market-research skill is mostly purpose-aligned, but its API-key handling instructions could expose user credentials.
    LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.