AB alphagbm-stock-analysis
Анализ акций с помощью ИИ по фреймворку AlphaGBM «Пять столпов» (фундаментальный, технический, сентимент, поток, оценка) с реальными рыночными данными. Возвращает составной балл от 1 до 10 с практическими сигналами. Используйте при: анализе любого тикера акций, оценке решений о покупке/продаже, сравнении фундаментальных показателей акций, оценке уровней риска. Триггеры: «анализировать AAPL», «что вы думаете о NVDA», «стоит ли покупать TSLA», «анализ акций для META», «переоценена ли SPY», «оценка риска для GOOGL».
машинный переводПоказать оригиналСкрыть оригинал«AI-powered stock analysis using AlphaGBM's Five Pillars framework (Fun…»
AI-powered stock analysis using AlphaGBM's Five Pillars framework (Fundamental, Technical, Sentiment, Flow, Valuation) with real market data. Returns a 1-10 composite score with actionable signals. Use when: analyzing any stock ticker, evaluating buy/sell decisions, comparing stock fundamentals, assessing risk levels. Triggers on: "analyze AAPL", "what do you think about NVDA", "should I buy TSLA", "stock analysis for META", "is SPY overvalued", "risk assessment for GOOGL".
Анализ акций с помощью ИИ по фреймворку AlphaGBM «Пять столпов» (фундаментальный, технический, сентимент, поток, оценка) с реальными рыночными данными.
Как процесс B 78/100 · Почти готов — слабые места: повторный запуск, отчётность по ходу
Чем это грозит
Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.
Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.
Инструкции или скрипты отправляют данные наружу: переменные окружения, ключи, содержимое файлов, историю чата. Вы можете не заметить этого в диалоге, потому что агент выполнит отправку как «часть задачи».
Если отправка не нужна для задачи, уберите её: каталоги помечают такие скиллы как подозрительные и снимают с выдачи. Если нужна, назовите адрес явно, объясните, что именно уходит, и дайте пользователю выключатель.
Как улучшить
- 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 · 1
✓ Критических и высоких находок нет
Средние и низкие: 1
-
средняя Утечка данных
net-credential-useSKILL.md:44Учётные данные используются в сетевом вызове (проверьте, что адрес — нужный сервис)curl -H "Authorization: Bearer $ALPHAGBM_API_KEY" \
Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
frontmatter-keyнеизвестное поле фронтматтера "globs"
Процессный рейтинг: все десять параметров 78/100
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 30Повторный запуск. Изменяющих операций: 1, без проверки текущего состояния
- 55Ошибки и развилки. Развилок: 1
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
- 70Входы и предусловия. Входные данные и предусловия перечислены
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 21
- 100Согласованность. Имя и обязательные поля на месте
- 100Стоимость исполнения. Тело инструкции 1265 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
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +1Лицензия не указана
- +2Инструкции на одном языке
- +5В description 6 примера фраз-триггеров в кавычках
- +3Длина description 478 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 21 заголовков
- +3Пошаговые инструкции: 21 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (11 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 91.