SKILLEMALL.ai

AC stock-screener

🔎 Мультифакторный скринер акций v1.0.2. Связующее звено между fund-flow / market-signals и stock-planner. Поддерживает мультифакторный отбор по таким критериям, как RSI, сигналы скользящей средней, соотношение объема, основной денежный поток, PE, PB, рыночная капитализация, цена, процент изменения. А также комплексное ранжирование по оценке, детальный анализ отдельных акций, анализ корреляции факторов. Использовать когда: нужно отбирать акции по техническим/денежным/фундаментальным критериям, комплексно ранжировать акции по оценке, анализировать корреляцию факторов, готовить пул кандидатов для торгового плана (stock-planner). Ключевые слова для запуска: отбор акций, скринер, мультифакторный, scan, multi-factor, оценка факторов Совместимость источников данных: - Вывод market-signals (включает RSI, сигналы скользящей средней, соотношение объема и т. д.) - Вывод fund-flow (включает основной денежный поток) - Пользовательский CSV (автоматическое распознавание названий столбцов на английском и китайском языках) Режим работы: только локально

машинный переводПоказать оригиналСкрыть оригинал«🔎 多因子选股器 v1.0.2。连接 fund-flow / market-signals → stock-planner 的桥梁。 支持…»

🔎 多因子选股器 v1.0.2。连接 fund-flow / market-signals → stock-planner 的桥梁。 支持按 RSI、均线信号、量比、主力资金、PE、PB、市值、价格、涨跌幅等条件多因子筛选, 以及综合评分排序、单股明细分析、因子相关性分析。 Use when: 需要根据技术面/资金面/基本面条件筛选股票、 对多股票综合评分排序、因子相关性分析、为交易计划(stock-planner)准备候选池。 触发关键词:选股、筛选、screener、多因子、scan、multi-factor、因子评分 数据源兼容性: - market-signals 的输出(包含RSI、均线信号、量比等) - fund-flow 的输出(包含主力资金流向) - 自定义CSV(自动识别中英文列名) 运行模式:纯本地

ClawHub Agent Skills автор: ChengQian v1.0.2 MIT-0 7 файлов тело ≈ 522 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

🔎 Мультифакторный скринер акций v1.0.2. Связующее звено между fund-flow / market-signals и stock-planner. Поддерживает мультифакторный отбор по таким…

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкаДанные и аналитикаТексты и документытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
95/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
87
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
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: 7. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    ✓ По спецификации Agent Skills замечаний нет

    Процессный рейтинг: все десять параметров 53/100

    • 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
    • 100Инструменты и файлы. Внешние инструменты не нужны
    • 100Шаги. Шагов: 11
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 522 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
    • +1Лицензия не указана
    • +2Инструкции на одном языке
    • +3Длина description 369 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 11 заголовков
    • +3Пошаговые инструкции: 11 пунктов
    • +4Есть примеры (3 блоков кода)
    • +3Все 1 скриптов описаны в инструкциях

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 87.

    Внешние проверки

    ClawHub: clean
    This is a local stock-screening skill that reads user-provided CSV files and optionally writes CSV results, with no evidence of hidden network access, credential use, or destructive behavior.
    LLM: benign (high) · VirusTotal: · 19 июл. 2026 г.