SKILLEMALL.ai
GitHub ↗ EN Войти

BD financial-advisor

Профессиональный навык финансового анализа и инвестиционного консультирования с возможностями оценки институционального уровня. Используйте, когда пользователи хотят анализировать акции, фонды, ETF, сравнивать инвестиции, получать обзоры рынка, выполнять оценку DCF, анализ сопоставимых компаний, моделирование финансовой отчетности, анализ конкурентной среды, макроэкономический анализ, оценку геополитического влияния или получать инвестиционные рекомендации. Предоставляет сбор данных, количественный анализ, оценку рисков, моделирование оценки, макроэкономический контекст, информацию о глобальных событиях, новостную информацию и генерацию отчетов в формате HTML с данными в реальном времени.

машинный переводПоказать оригиналСкрыть оригинал«Professional financial analysis and investment advisory skill with ins…»

Professional financial analysis and investment advisory skill with institutional-grade valuation capabilities. Use when users want to analyze stocks, funds, ETFs, compare investments, get market reviews, perform DCF valuation, comparable company analysis, financial statement modeling, competitive landscape analysis, macro-economic analysis, geopolitical impact assessment, or receive investment recommendations. Provides data collection, quantitative analysis, risk assessment, valuation modeling, macro-economic context, global event intelligence, news intelligence, and HTML report generation with real-time data.

ClawHub Agent Skills автор: frankxia v1.0.0 MIT-0 30 файлов тело ≈ 2 452 токенов Открыть источникclawhub.ai↗ проанализирован 3 дн назад

Профессиональный навык финансового анализа и инвестиционного консультирования с возможностями оценки институционального уровня.

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

АнализаторФинансытип 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%
92
Качество 40%
82
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

Чем это грозит

Находки средней серьёзности: скорее всего скилл честный, но прочитайте, что именно насторожило сканер.

Обфускация средняя серьёзность

Ниже описан худший случай для этой категории. Здесь находка средней серьёзности: guard увидел признак, но не доказательство.

Если установить

В файлах есть невидимые символы, закодированные команды или спрятанные комментарии для модели. То, что вы читаете, отличается от того, что видит агент.

Автору

Уберите невидимые символы (часто они попадают из копипаста) и закодированные строки: их не пропустит ни один каталог. Инструкции для модели должны быть видны и человеку.

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 · 4

    ✓ Критических и высоких находок нет

    Средние и низкие: 4
    • средняя Обфускация obf-base64-blob SKILL.md.bak.md:13
      Длинный blob, похожий на base64
      eyJp…0k0
    • низкая Секреты в коде secret-high-entropy-token scripts/calculate_valuation.py:375
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      'ps': safe_float(info.get('pric…ths'), 0),
      в кавычках
    • низкая Секреты в коде secret-high-entropy-token scripts/fetch_stock_data.py:627
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      '市销率': info.get('pric…ths'),
      в кавычках
    • низкая Секреты в коде secret-high-entropy-token scripts/fetch_stock_data.py:674
      Строка, похожая на токен (может быть id, хеш или секрет) (в кавычках — упоминание, а не команда)
      '市销率': info.get('pric…ths'),
      в кавычках

    Просканировано файлов: 30. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • заметка frontmatter-key неизвестное поле фронтматтера "cn_name"
    • заметка frontmatter-key неизвестное поле фронтматтера "cn_description"

    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
    • 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 125
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 2452 токенов
    • 100Повторный запуск. Изменяющих операций нет
    • low Разделов верхнего уровня: 12. Похоже на несколько доменов в одном скилле

    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
    • -225 эмодзи в инструкциях: шум для модели
    • -32 из 13 скриптов не упомянуты в SKILL.md
    • +2Инструкции на одном языке
    • +3Длина description 617 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 43 заголовков
    • +3Пошаговые инструкции: 125 пунктов
    • +4Есть примеры (11 блоков кода)
    • +4Справочные файлы упоминаются в инструкциях (5 из 5)
    • +1Лицензия указана

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

    Внешние проверки

    ClawHub: suspicious
    This financial-analysis skill mostly matches its purpose, but it needs Review because it includes an unexplained encrypted backup file, automatic dependency installation, broad network collection, and high-impact investment recommendations.
    LLM: suspicious (high) · 28 мая 2026 г.