SKILLEMALL.ai

AC fund-screening

Навык практического отбора фондов и регулярных инвестиций. Использует пятимерную систему отбора (доходность/менеджер/стиль/портфель/институциональные инвесторы) для отбора качественных фондов с сайтов Tiantian Fund Network и Morningstar, построения инвестиционного портфеля и выполнения стратегии регулярных инвестиций. Сценарии активации: когда пользователь упоминает "отбор фондов", "регулярные инвестиции в фонды", "выбор фонда", "отбор фондов", "портфель фондов", "стратегия регулярных инвестиций", "fund screening", "fund DCA", или запрашивает рекомендации/анализ/сравнение фондов.

машинный переводПоказать оригиналСкрыть оригинал«基金筛选与定投实战技能。使用五维筛选体系(业绩/经理/风格/持仓/机构)从天天基金网和晨星网筛选优质基金,构建投资组合并执行定投策略。触发场…»

基金筛选与定投实战技能。使用五维筛选体系(业绩/经理/风格/持仓/机构)从天天基金网和晨星网筛选优质基金,构建投资组合并执行定投策略。触发场景:用户提到"基金筛选"、"基金定投"、"选基"、"筛选基金"、"基金组合"、"定投策略"、"fund screening"、"fund DCA",或要求推荐/分析/对比基金时使用。

ClawHub Agent Skills автор: Allen Chen v1.0.0 MIT-0 3 файла тело ≈ 562 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Навык практического отбора фондов и регулярных инвестиций.

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

ПроцедураИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
92/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
81
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

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
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: 3. 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")

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: 37
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 562 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

  • +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
  • +5В description 2 примера фраз-триггеров в кавычках
  • +3Длина description 161 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 37 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (1 из 1)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 81.

Внешние проверки

ClawHub: clean
This appears to be a finance guidance skill with no evidence of hidden code, credential use, persistence, or destructive behavior, though users should treat its fund recommendations cautiously.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.