BD Bank Credit Investigation Assistant
ИИ-помощник для комплексной проверки банковских кредитов — анализ заемщиков, финансовой отчетности, отраслевых рисков и генерация полных отчетов о расследованиях. Обновлено для 2025-2026 гг. с учетом изменений весовых коэффициентов риска в соответствии с «Правилами управления капиталом коммерческих банков», оценки кредитных рисков ESG, ИИ-усиленного обнаружения финансовых мошенничеств и цифрового финансирования цепочек поставок. Ключевые слова: банковский кредит, комплексная проверка, финансовый анализ, кредитный риск, оценка кредита, банковское дело в Китае, кредитный риск ESG, 信贷尽调, 贷前调查, 企业尽调, 信用分析, 借款人分析, 行业风险, 财务报表分析, 尽职调查, 授信尽调.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered bank credit due diligence assistant - analyze borrowers, fi…»
AI-powered bank credit due diligence assistant - analyze borrowers, financials, industry risk, and generate complete investigation reports. Updated for 2025-2026 with 商业银行资本管理办法 risk weight changes, ESG credit risk assessment, AI-enhanced financial fraud detection, and digital supply chain finance. Keywords: bank credit, due diligence, financial analysis, credit risk, loan assessment, China banking, ESG credit, 信贷尽调, 贷前调查, 企业尽调, 信用分析, 借款人分析, 行业风险, 财务报表分析, 尽职调查, 授信尽调.
ИИ-помощник для комплексной проверки банковских кредитов — анализ заемщиков, финансовой отчетности, отраслевых рисков и генерация полных отчетов о…
Как процесс D 49/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
- 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: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- предупреждение
frontmatter-yamlSKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Nested mappings are not allowed in compact mappings at line 3, column 14: description: AI-powered bank credit due diligence assistant - analyze borrowers… ^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении - предупреждение
name-formatname должен быть в kebab-case (строчные буквы, цифры, дефисы) - предупреждение
description-no-whendescription не говорит, КОГДА применять скилл (нет "use when / используй когда") - заметка
frontmatter-keyнеизвестное поле фронтматтера "slug" - заметка
frontmatter-keyнеизвестное поле фронтматтера "triggers" - заметка
frontmatter-keyнеизвестное поле фронтматтера "capabilities"
Процессный рейтинг: все десять параметров 49/100
- 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
- 40Согласованность. Имя во frontmatter (Bank Credit Investigation Assistant) не совпадает с папкой (bank-credit-investigation)
- 100Инструменты и файлы. Внешние инструменты не нужны
- 100Шаги. Шагов: 53
- 100Стоимость исполнения. Тело инструкции 1813 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 471 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 20 заголовков
- +3Пошаговые инструкции: 53 пунктов
- +4Есть примеры (6 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 54.