BF Financial Industry Data Analysis Expert
Эксперт по анализу финансовых данных с помощью ИИ — охватывает анализ финансовой отчетности, отслеживание KPI, анализ тенденций, визуализацию данных и автоматизированную отчетность. Создан для финансовых аналитиков, финансовых директоров и принятия решений на основе данных. Ключевые слова: финансовый анализ данных, KPI-дашборд, визуализация данных, финансовая отчетность, анализ на Python, SQL-запросы, 金融数据分析, 财务分析, KPI追踪, 数据可视化, Python分析, 数据看板, 经营分析, 业务分析, Excel分析, Pandas分析.
машинный переводПоказать оригиналСкрыть оригинал«AI-powered financial data analysis expert — covers financial statement…»
AI-powered financial data analysis expert — covers financial statement analysis, KPI tracking, trend analysis, data visualization, and automated reporting. Built for financial analysts, CFO offices, and data-driven decision making. Keywords: financial data analysis, KPI dashboard, data visualization, financial reporting, Python analysis, SQL queries, 金融数据分析, 财务分析, KPI追踪, 数据可视化, Python分析, 数据看板, 经营分析, 业务分析, Excel分析, Pandas分析.
Эксперт по анализу финансовых данных с помощью ИИ — охватывает анализ финансовой отчетности, отслеживание KPI, анализ тенденций, визуализацию данных и…
Как процесс F 34/100 · Не запустится — слабые места: шаги, результат и критерий готовности, когда включается
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: 2. 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 financial data analysis expert — covers financial state… ^ ); 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 "capabilities"
Процессный рейтинг: все десять параметров 34/100
- 0Шаги. Инструкция сплошным текстом, шаги не выделены
- 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 (Financial Industry Data Analysis Expert) не совпадает с папкой (finance-data-analysis)
- 100Инструменты и файлы. Инструменты объявлены во frontmatter
- 100Стоимость исполнения. Тело инструкции 891 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)
- +3Нет пошаговых инструкций или чек-листа
- +3Формат ответа не описан: модель каждый раз решает сама
- +1Лицензия не указана
- +2Инструкции на одном языке
- +3Длина description 427 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 8 заголовков
- +4Есть примеры (2 блоков кода)
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 52.