SKILLEMALL.ai

AD hyperliquid-websocket

Подписка на данные Hyperliquid в реальном времени через WebSocket с настольного компьютера — mids, стакан ордеров, сделки, свечи, лучший бид/оффер, а также заполнения, обновления ордеров и события по каждому счету — с необработанным JSON, примерами Python SDK и TypeScript, а также инструкциями по запуску контролируемого наблюдения, которое записывает в файл и отправляет оповещения. Только для чтения. Используется для мониторинга, уведомлений о заполнении и любого наблюдения, которое может быть дорогостоящим при опросе.

машинный переводПоказать оригиналСкрыть оригинал«Subscribe to live Hyperliquid data over WebSocket from the desk comput…»

Subscribe to live Hyperliquid data over WebSocket from the desk computer - mids, order book, trades, candles, best bid/offer, and per-account fills, order updates and events - with raw JSON, Python SDK and TypeScript examples, plus how to run a supervised watch that logs to a file and alerts. Read-only. Use for monitoring, fill notifications and any watch that polling would make expensive.

ClawHub Agent Skills автор: Galleon Labs v1.0.0 MIT-0 2 файла тело ≈ 1 877 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Подписка на данные Hyperliquid в реальном времени через WebSocket с настольного компьютера — mids, стакан ордеров, сделки, свечи, лучший бид/оффер, а также…

Как процесс D 41/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия

ПроцедураРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
94/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
85
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: 2. 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 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
    • 20Когда включается. Не сказано, при каком запросе скилл включается
    • 30Повторный запуск. Изменяющих операций: 7, без проверки текущего состояния
    • 40Согласованность. Имя во frontmatter (hyperliquid-websocket) не совпадает с папкой (hypergrok-hyperliquid-websocket)
    • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
    • 100Шаги. Шагов: 5
    • 100Стоимость исполнения. Тело инструкции 1877 токенов
    • 100Отчётность по ходу. Скилл сообщает о ходе работы

    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
    • +2Инструкции на одном языке
    • +3Длина description 392 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 7 заголовков
    • +3Пошаговые инструкции: 5 пунктов
    • +4Есть примеры (4 блоков кода)
    • +1Лицензия указана

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 85.

    Внешние проверки

    ClawHub: clean
    This skill provides read-only Hyperliquid WebSocket monitoring guidance with disclosed local logging and no evidence of hidden, destructive, or credential-stealing behavior.
    LLM: benign (high) · VirusTotal: · 17 авг. 2026 г.