SKILLEMALL.ai

DC zhang-yidong-macro-analysis

В основе — макроаналитическая модель главного экономиста Haitong International Чжан Идуна. Помогает анализировать тренды рынков A-shares/Hong Kong, направления денежно-кредитной политики, стратегии распределения активов. Применяется для принятия инвестиционных решений, распределения активов, определения времени выхода на рынок и т.д. Обновление 2026: интегрированы последние взгляды Чжан Идуна на 2025-2026 гг. по логике восстановления рынка Гонконга (индекс Hang Seng Tech), трендам в сфере технологий A-shares (основные направления — AI/полупроводники) и теме "переоценки китайских активов". Ключевые слова: Чжан Идун, макроанализ, A-shares, Hong Kong, денежно-кредитная политика, распределение активов, инвестиционная стратегия, экономика Китая.

машинный переводПоказать оригиналСкрыть оригинал«以海通国际首席经济学家张忆东的宏观分析框架为核心,帮助分析A股/港股市场趋势、货币政策走向、资产配置策略。适用于投资决策、资产配置、市场时机…»

以海通国际首席经济学家张忆东的宏观分析框架为核心,帮助分析A股/港股市场趋势、货币政策走向、资产配置策略。适用于投资决策、资产配置、市场时机判断等场景。2026更新:整合张忆东2025-2026年对港股复苏逻辑(恒生科技指数)、A股科技行情(AI/半导体主线)、以及"中国资产重估"主题的最新观点。关键词:张忆东,宏观分析,A股,港股,货币政策,资产配置,投资策略,中国经济

ClawHub Agent Skills автор: lingfeng-19 v2.1.1 MIT-0 1 файл тело ≈ 1 956 токенов Открыть источникclawhub.ai↗ проанализирован 6 дн назад

В основе — макроаналитическая модель главного экономиста Haitong International Чжан Идуна.

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

АнализаторИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
D
76/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
41
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

    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: 1. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

    По спецификации Agent Skills

    • ошибка name-missing SKILL.md: нет поля name во фронтматтере
    • предупреждение frontmatter-yaml SKILL.md: фронтматтер не разбирается как YAML (YAML parse error: Unexpected scalar at node end at line 6, column 149: …26年对港股复苏逻辑(恒生科技指数)、A股科技行情(AI/半导体主线)、以及"中国资产重估"主题的最新观点。关键词:张忆东,宏观分析,A股,港股,货币政策,… ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ ); поля прочитаны построчно. Обычная причина — двоеточие в незакавыченном значении
    • заметка frontmatter-key неизвестное поле фронтматтера "skill_name"
    • заметка frontmatter-key неизвестное поле фронтматтера "slug"
    • заметка frontmatter-key неизвестное поле фронтматтера "language"

    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: 47
    • 100Согласованность. Имя и обязательные поля на месте
    • 100Стоимость исполнения. Тело инструкции 1956 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 187 символов: достаточно сигнала, не съедает бюджет
    • +4Структура: 18 заголовков
    • +3Пошаговые инструкции: 47 пунктов
    • +4Есть примеры (4 блоков кода)

    База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 41.

    Внешние проверки

    ClawHub: clean
    This is a static financial-market analysis skill with no code execution or persistence, but users should treat its investment outputs as informational and verify current data.
    LLM: benign (high) · VirusTotal: · 18 сент. 2026 г.